====== Projekt anotace diskurzu (textových, promluvových vztahů)====== ==== Cíle projektu ==== Anotace diskurzu je planována jako součást další, “vyšší” roviny v PDT, ve které bude podrobně zpracována koreference, pojmenované entity a textové vztahy (mezipropoziční vztahy, diskurz). Cílem je doplnit anotaci rozšířené koreference v PDT o další textové vztahy, které se podílejí na celkové koherenci textu. Jsou to zejména vztahy mezi větami (mezi stromy), a tudíž je TR zatím nezachycuje. TR pouze signalizuje některé z nich funktorem PREC, který ovšem postrádá bližší sémantickou specifikaci. Anotace nadvětných vztahů bude vycházet z hierarchické soustavy diskurzních vztahů vypracované Š. Zikánovou (Zikánová 2007) na základě soustavy vytvořené pro Penn Discourse TreeBank. Podobně jako v PDTB budeme postupovat od anotace konektorů (funktor PREC a další lexémy s touto funkcí, které ale mají v TR jiné funktory). V první fázi se nebudeme zabývat koordinačními vztahy uvnitř věty (uzly s nodetype=coap), protože tyto textové vztahy (tj. vztahy v rámci jednoho stromu) jsou v TR dostatečně zpracované. V druhé fázi bychom se vrátili zpět „dovnitř věty“, kde vidíme tyto dílčí úkoly: - zpracování kategorie CM (conjuction modifier) a tedy víceslovných spojovacích výrazů - sémantické rozpracování koordinačního vztahu APPS (apozice), sémantické zpracování nepravých vedlejších vět a vztah vsuvky (PAR) ke větě, do níž je vsunuta Z mezivětných vztahů bychom doplnili: - propojení přímé řeči o více větách (stromech) - spojení všech parcelací ==== Na projektu se podílejí ==== lingvisticky: prof. E. Hajičová, Šárka Zikánová, Lucie Mladová, Pavlína Jínová (dříve i Zuzanna Bedřichová) technicky: Jirka Mírovský (dříve i Petr Pajas, Zdeněk Žabokrtský) anotátoři: **PJ** Pavlína Jínová **VP** Veronika Pavlíková **MR** Magdaléna Rysová **JZ** Jana Zdeňková (dříve i **HF** Helena Filipová) ==== Průběh projektu ==== [[projekt-anotace-diskurzu:prubeh|Průběh projektu]] na samostatné stránce ==== VŠE K ANOTACI ==== [[:internal:projekt-anotace-diskurzu:index|Interní poznámky]] pouze pro přihlášené ==== Různé materiály ==== - Odkaz na [[http://www.seas.upenn.edu/~pdtb/|Penn Discourse Treebank 2.0]] - [[instalace_PDTB|Instalace prohlížeče pro Penn Discourse Treebank]] - Odkaz na seminář R. Barzilay (MIT, Cambridge, MA) k diskurzu [[http://people.csail.mit.edu/regina/6892/ |http://people.csail.mit.edu/regina/6892/]] - MANUÁL PDTB 2.0 ke stáhnutí {{internal:pdtb-annotation-manual.pdf|manual_PDTB_2}} - Seznamy konektorů od Zuzky: {{internal:czech-connectives.xls|české konektory}} {{internal:czech-connectives-ceske-poradi-sarka.xls|české konektory abecedně}} {{internal:konektory-doplneno-zu.xls|doplněný seznam možných českých konektorů}} - Zuzčiny poznámky k manuálu PDTB 2.0 {{internal:poznamky-k-manualu-pdtb_changed.doc|}} - Seznam diskurzních vztahů a jejich zkratek (SZ, 29.12.2008) {{internal:tahak-typy-vztahu.doc|}} - Základní bibliografie k podklasifikaci textovych vztahů{{internal:bibliografie-k-podklasifikaci-textovych-vztahu.doc|}} ==== Bylo ==== (LM, 2.3.2009) - další úpravy tredu pro anotaci v kontextu discourse - úpravy setu sémantických textových vztahů - první cvičná data pro měření shody - pondělní seminář 9.3. - přehled nejnovější práce (LM, 5.1.2009) - první verze tredího kontextu discourse se zabíhá a zkouší - konverze dat pro anotaci ==== Spolupráce ==== - výrazná spolupráce s anotací rozšířené textové koreference (Anja) - anotace dialogu pro Companions (Silvie) - technicky: vytvoření anotačního prostředí – pro první hrubý průzkum byl vytvořen na jaře 2008 kontext megatree v TrEdu, (Pepa Toman), dále využijeme nový kontext PLM_T_Bridging v TrEdu, úpravy provedou Jirka Mírovský a Pavel Češka ==== Rozšíření TrEdu pro anotaci diskurzu ==== Tred používá k anotaci diskurzu rozšíření, jemuž je věnována následující stránka: [[projekt-anotace-diskurzu:tred|rozšíření TrEdu "discourse"]] ==== Bibliografie k diskurzu ==== výběr článků a statí: Adamec, P. (1995). Konektivní částice a jiné textově propojovací výrazy v současné češtině. In Přednášky z 37. a 38. běhu LŠSS, Praha: Univerzita Karlova, s. 59-64. Asher, N. (1993). Reference to Abstract Objects in Discourse. Kluwer Academic Publishers, Dordrecht. Asher, N. – Lascarides, A. (2003). Logics of Conversation. Cambridge University Press. Bedřichová, Z. (2008). Částice implikující presupozici v češtině, diplomová práce. Univerzita Karlova, Praha. Daneš, F. (1985). Věta a text. Academia, Praha. Hajič, J. et al. (2006). Prague Dependency Treebank 2.0. Linguistic Data Consortium, Philadelphia. Hajičová, E. (1993). Issues of Sentence Structure and Discourse Patterns. Charles University, Prague. Hajičová, E. et al. (2006). An Annotated Corpus as a Test Bed for Discourse Structure Analysis. In Proceedings of the Workshop on Constraints in Discourse, National University of Ireland, Maynooth, Ireland, pp. 82–89. Halliday, M. A. K. – Hasan, R. (1976). Cohesion in English. Longman, London. Helbig, H. (2005). Knowledge Representation and the Semantics of Natural Language. Springer. Hobbs, J. R. (1985). On the Coherence and Structure of Discourse, Report No. CSLI-85-37, Center for the Study of Language and Information, Stanford University. Hoffmannová, J. (1983). Sémantické a pragmatické aspekty koherence textu. Disertační práce, Linguistica VI, ČSAV, Praha. Joshi, A. et al. (2006). Discourse Annotation: Discourse Connectives and Discourse Relations. Tutorial at the Association for Computational Linguistics, Sydney. Lee, A. et al. (2006). Complexity of Dependencies in Discourse: Are Dependencies in Discourse More Complex Than in Syntax? Proceedings of the 5th International Workshop on Treebanks and Linguistic Theories. Prague. Mikulová, M. et al. (2005). Annotation on the Tectogrammatical Layer in the Prague Dependency Treebank: Annotation Manual. Universitas Carolina Pragensis, Prague. Miltsakaki, E. et al. (2004). The Penn Discourse Treebank. In Proceedings of the Fourth International Conference on Language Resources and Evaluation. LREC 2004, Lisbon, Portugal. Mladová, L. (2008). Diskurzní vztahy v češtině a jejich zachycení v anotovaném korpusu. Diplomová práce. Univerzita Karlova, Praha. Nedoluzhko, A. (2007). Zpráva k anotování rozšířené textové koreference a bridging vztahů v Pražském závislostním korpusu. Technická zpráva. Univerzita Karlova, Praha. Novák, V. (2008). Semantic Network Manual Annotation and its Evaluation. Institute of Formal and Applied Linguistics, Charles University, Prague Pasch, R. et al. (2003). Handbuch der deutschen Konnektoren. Walter De Gruyter Inc. Prasat, R. et al. (2008). Penn Discourse Treebank Version 2.0. Linguistic Data Consortium, Philadelphia. Seuren, P.A.M. (1985). Discourse Semantics. Blackwell Pub. Sgall, P. et al. (1969). A Functional Approach to Syntax in Generative Description of Language. Američan Elsevier, New York. The Penn Discourse Treebank 1.0 Annotation Manual. (2006). http://www.seas.upenn.edu/~pdtb/papers/pdtb-1.0-annotation-manual.pdf The Penn Discourse Treebank 2.0 Annotation Manual. (2007). http://www.seas.upenn.edu/~pdtb/PDTBAPI/pdtb-annotation-manual.pdf The Prague Czech-English Dependency Treebank 1.0 http://ufal.mff.cuni.cz/pcedt/doc/PCEDT_main.html Webber, B. (2004). D-LTAG: Extending Lexicalized TAG to Discourse. Cognitive Science, 28 (5), pp. 751-779. Zikánová, Š. (2007). Possibilities of Discourse Annotation in Prague Dependency Treebank (Based on the Penn Discourse Treebank Annotation). Technical report. Institute of Formal and Applied Linguistics, Charles University, Prague.