IB047: Úvod do korpusové lingvistiky a počítačové lexikografie

Anotace

Předmět poskytne základní znalosti v oblasti korusové lingvistiky a počítačové lexikografie. Seznámí studenty s typy korpusů, jejich budováním a používáním. Naučí studenty pracovat s korpusy a jinými zdroji pro potřeby tvorby elektronických slovníků.

Výuka

Pá: 10.00 — 11.50 (B410)
Starší záznamy přednášek jsou dostupné ve studijních materiálech předmětu v ISu

Hodnocení

Zkouška: písemná
Na písemné zkoušce je možné získat max 50 bodů. Pro úspěšné absolvování předmětu je potřeba minimálně 25 bodů.
Během semestru je možné získat dodatečné body (maximálně 25) za dobrovolné úkoly a projekty.
1. Značkování slovních druhů: minimálně 3 body.
2. převod konfigurace tokenizace z unitok do utok, vycházejte z anglické konfigurace pro utok. (2-10 bodů)
3. Vyznačování významů slov v češtině, dle instrukcí. Zájemci mi pošlou email, dodám jim data ke značkování.
4. Detekce problémů v textech pro strojový překlad (max 20 bodů)

Slidy z přednášek

P0: Úvod pdf tisk
P1: Formáty korpusů pdf tisk
ukázky formátů korpusů a slovníků
P2: Unix text tools pdf tisk
coreutils, příklady pro korpusy
příklady použití
P3: Corpus storage pdf tisk
P5: CQL pdf tisk
Manatee -- Dotazovací jazyk
P4: Morfologie a syntax pdf tisk
PA: Web Corpus in One Click pdf
P6: Četnosti a kolokace pdf tisk
P7: Automatické značkování pdf tisk
P9: Lexikografie pdf tisk
P10: Významy a definice pdf tisk
P12: Nástroje pro psaní slovníků pdf tisk

Literatura

Atkins, BT Sue, and Michael Rundell. The Oxford guide to practical lexicography. Oxford University Press, 2008.
Fontenelle, Thierry (Editor)Practical Lexicograpy: a reader New York: Oxford University Press, 2008.
L216 Sampson, Geoffrey. Empirical linguistics. London : Continuum, 2001. viii, 226. Open linguistics series. ISBN 0-8264-4883-6.
Computational lexicography for natural language processing. Edited by Ted Briscoe - Bran Boguraev. London : Longman, 1989. xiv, 310 p. Bibliography. ISBN 0-470-21187-3.
L96 Corpus processing for lexical acquisition. Edited by Bran Boguraev - J. (James) Pustejovsky. Cambridge : Bradford Book, 1996. xi, 245 s. Language, speech, and communication. ISBN 0-262-02392-.
L269 Sampson, Geoffrey. English for the computer : the SUSANNE corpus and analytic scheme. Oxford : Clarendon Press, c1995
Rychlý, Pavel. Korpusové manažery a jejich efektivní implementace. Brno, 2000. xiv, 128 s. Dizertační práce--Masarykova univerzita, Fakulta informatiky, 2000. [Postscript, PDF]

Pavel Rychlý