Differences

This shows you the differences between two versions of the page.

--- diskuze [2009/03/16 10:30]
mirovsky vytvořeno
+++ diskuze [2009/04/15 21:11]
ufal
@@ Line 1: / Line 1: @@
-====== Diskuze k anotaci rozšířené textové koreference a bridging anaphory ======
+====== Diskuze k anotaci rozšířené textové koreference a bridging anafory ======
 |              ^ problém            ^ diskuze, řešení          ^ techn.pozn.        ^
+^ JP, 15.4. | technické záležitosti | **1) Automatické propojování stejných lemmat:** Když se použije funkce automatického propojení stejných lemmat, nakreslí se koreferenční šipky i tam, kde už jsou, a vznikají tak páry propojené dvěma stejnými šipkami. **AN:** to je chyba - pisu to Jirkovi \\ **2) Automatické přesměrování bridging antecedentů:** Vzhledem k tomu, že teď Tred při odkazování pomocí bridging šipek automaticky přesměrovává šipku na poslední uzel propojený s antecedentem koreferencí, nejde už usilovat o to, aby byly bridgingem propojovány lexikálně vyjádřené uzly. **AN:** usilovat prestavame. Mela jsem dojem, ze jsme k tomu prisli na posledni schuzce. Mozna jsme to ale nerekli dost explicitne . | |
+^ JP, 15.4. | Malta -- maltský tým | V kontextu, kdy v textu máme výrazy "Malta" a "maltský tým" a "Malta" referuje k týmu, je třeba tyto výrazy (Malta, tým) propojit koreferencí. Jak je to ale s výrazem maltský, tj. adjektivem odvozeným od pojmenované entity? Má se to s tím propojovat taky? **AN:** nema, to je zrovna ten pripad, kdy se to maze. Jirko, neposlal bys mi prosim kontext? Diky. | |
+^ JP, 15.4. | Siegl -- další reprezentanti | //"Nejdůležitější ovšem je připsat si tři body za výhru, tipuji 2: 0, řekl __Siegl__, který společně s __dalšími sparťanskými reprezentanty__ včera zrušil stav mlčenlivosti vůči novinářům."// Spadá tento vztah ještě do typu CONTRAST? A kdyby tam místo "dalšími" bylo "ostatními"? V tomto druhém případě bych to tam zařadil, v tom prvním nevím... **AN:** nespada. Nezaradila bych ani ten druhy pripad| |
+^ RO, 30. 3.| město - fotbalový tým| Ve sportovních článcích se velmi často označuje jménem města (země) nějaký sportovní tým, např. "Jablonec porazil České Budějovice 2:1." Navrhuju (protože to tak už sám dlouho dělám) spojovat jako koreferenční to, co v kontextu referuje skutečně k týmu (např. Baník - Ostrava - ostravští", a pokud tam totéž jméno vystupuje i ve významu města, tak spojovat s týmem RESTem.  Pokud je tedy automaticky předanotovaná koreference Ostrava(tým)-Ostrava(město), tak ji změnit; pokud je to Ostrava(tým)-Ostrava(tým), může se pak samozřejmě nechat. **JP:** Taky to tak už dělám. A podobně v případech jako "Česká republika porazila Německo" -- když v takovém případě výraz "Češi" refereuje k týmu, označuji ho jako koreferenční s "Česká republika" a neoznačuji tam žádný vztah typu místo--obyvatel. Akorát to pak trochu komplikují ta adjektiva odvozená od named entities, protože občas je těžké rozhodnout, jestli se např. "český" vztahuje k ČR nebo k týmu. Když už jsme ale u těch sportů, tam by se dalo řešit spousta věcí. Např. vztah Baník--hráč je zřejmě SET--SUB, vztah Baník--trenér zřejmě P--FUNCT. Co ale v případě, že kromě "Baník" a "hráč" je tam ještě "kádr"? Pak je zřejmě lepší propojovat "hráče" vztahem SET--SUB s "kádrem" než s "Baníkem". Jaký je pak ale vztah mezi Baníkem a kádrem? **RO**: "Baník" a "kádr" bych v tom případě propojil RESTem (protože čím jiným). Hráč pak může být vlastně SUB k oběma, ale primárně bych naopak raději vždycky označil vztah k "Baník" - protože jméno týmu se v těch textech objevuje vždycky, často v dlouhém řetězu, zatímco "kádr", "sestava" apod. jen občas. Vůbec je u toho skutečnost dost komplikovaná a nezřetelná, takže asi taky nevadí, když propojujeme např. Baník ve významu zdůrazňujícím spíš množinu hráčů na hřišti ("Baník porazil Slavii") s Baníkem ve významu celého klubu i s vedením a finančním zázemím ("Baník nakoupil posily"), abychom se dobrali aspoň nějaké shody. Taky jsem teď měl text o historii fotbalového mistrovství světa - např. tým "Rakousko" z roku 1958 a "Rakousko" z roku 1990 jsem spojoval koreferencí NR. **JP:** Hm, to je otázka, co s tím, když je to takhle v různých dobách. Ale pokud se shodneme, že tam je koreference, tak by to asi měla být spíš 0 než NR, ne? A ještě k tomu kádru -- já jsem vztah Baník--kádr dával jako PART, později (poté co jsme se rozhodli dávat PART jenom v jasných případech) jako SET--SUB. A vzhledem k tomu jsem pak ten vztah SET--SUB od hráčů odkazoval na kádr.|  -->M|
+^ RO, 27. 3.| nějaký podnik - stejný podnik| Ujišťuju se - když je na počátku specificky nevybraná entita a pak se odkazuje stále na tutéž, řadíme do do NR? Př. "Například muž, který pracuje v nějakém velkém podniku, se zakouká do sekretářky ve stejném podniku a začnou se scházet v nějaké kavárničcce stranou od toho úřadu". Pokud ano, je to něco jiného než třeba koreference většiny abstrakt, takže bude dobře to výslovně uvádět jako jistý podtyp NR. **AN:**je to moc slozity teoreticky problem - vsichni to resi a nemuzou vyresit. Davame tam zatim NR, a tu podskupinu vymezim **AN2:** porad o tom premyslim a nenachazim zadne argumenty, proc to tak vlastne delame. Pokud na jeden (i kdyz nevybrany) objekt referuje znovu, tak je to v podstate stejna situace jako kdyz se proste mluvi o neexistujicim objektu, jako o dinozaurovi nebo o nejake pohadkove postave. Diskurzem se vytvari fiktivni svet a v tom svete to uz jako by existuje. Tedy asi nejrozumejsi reseni je anotovat takove pripady jako nula.| +M  |
+^ RO, 27. 3.| technické drobnosti| Mohli bychom příležitostně požádat Jiřího o úpravu programu, aby se v případě, kdy klávesou T nebo B zadáme šipku a pak nepotvrdíme konkrétní typ a zavřeme nabídku křížkem, žádná šipka nezakreslovala? Taky by byla příjemná možnost pohybovat se v horním okně kolečkem myši, protože Tred pořád někdy trochu nesmyslně roluje. **AN:** napsala jsem o tom Jirkovi|  |
+^ RO, 26. 3.| P-FUNCT| Díval jsem se na záznam prezentace, že zavládla skepse k typu P-FUNCT. Já bych se ho rád zastal, řekl bych, že intuitivně už jsme si ho vymezili docela dobře. Je to podle mě něco jako vztah, kdy jedna entita vykonává unikátní funkci v rámci jiné entity.  Proto trenér-mužstvo a premiér-vláda jsou funct, ale hráč-mužstvo a ministr-vláda SUB. Znovu bych teda navrhnul, aby ta entita ve funkci nemusel být jen jedinec, ale taky unikátní úřad, typ vláda-ČR, parlament-ČR, národní banka-ČR, magistrát-Praha. Z příkladů uváděných na prezentaci by opravdu farář-fara nemělo být nic (to je jako pes-bouda, maximálně REST:-)), ale farnost-farář už by byl P-FUNCT. Právník-kancelář nebo advokát-advokátní kancelář pravděpodobně nic, popř. rest (není to unikátní a není to už ani přibližně podmnožina nebo část); kdyby to byl ředitel nebo tajemník-advokátní kancelář, tak FUNCT. **AN:** jo, je to tak. S tim fara - farar, to je moje jazykova chyba (chybne jsem chapala slovo "fara")|  |
+^ JP, 21.3. | typ "řekl to..." | Často se stává, že se v textu objeví spojení "řekl to XX", přičemž zájmeno to odkazuje k celé předcházející větě. V rámci předchozí anotace pronominální koreference je to řečeno jako bridging, ale asi to není úplně správné a někde to dokonce může způsobovat problémy, např. zde: //"Kuchyňským nožem __ubodal__ v noci z neděle na pondělí třiačtyřicetiletý J. S. v kuchyni bytu v Pekařské ulici svou o jedenáct let mladší manželku. LN __to__ sdělil vyšetřovatel Krajského úřadu vyšetřování. Motivem __činu__, který pachatel sám ohlásil, byly déletrvající manželské neshody."// Výraz "to" ve druhé větě je zde anotován jako koreferenční s řídícím slovesem předcházející věty. Slovo "činu" ve třetí větě je pak koreferenční se slovesem "ubodal", ovšem nikoli s tím "to". Nebylo by tedy dobré tyto případy opravovat na bridging ANAF? Vím, že Radek jinde psal, že by to příliš komplikovalo situaci, protože např. v případě konstrukce "zmínil se o tom XX" by to podle významu naopak muselo zůstat jako koreference a byl by v tom chaos. Možná by se to ale dalo rozlišovat substitučním testem -- v případě, že jde zájmeno "to" nahradit spojením "tuto větu", je to ANAF, pokud ne (jako třeba u toho zmínil se -- nejde říct "zmínil se o této větě"), je to koreference...  **AN:** Souhlasim s Jirkou - ne vsude, ale podle smyslu pokud to patri pod ANAF, tak bych to opravovala. **RO** Moc se mi to nezdá, resp. není podle mě tak jednoznačné, že to zájmeno odkazuje na výpověď o situaci, a nikoli na situaci samu. Např. ten vyšetřovatel z případu určitě prostě informoval o situaci, aniž použil přesně danou větu (takže ani pro "říct" ten test moc nesedí. Jako metajazyk bych to snad bral jen v případě, že by předchozí věta byla v uvozovkách jako citace.) Takhle bychom jenom zkomplikovali shodu, která je teď automatická: co kdyby tam místo "řekl to" bylo "prohlásil to", "oznámil to", "sdělil to", "zmínil se o tom", "naznačil to"? Těžko bychom se ve všech případech shodli. Já bych tenhle typ do ANAFu nedával, podle mě je tam vždy nějaký odkaz k situaci samé. **AN:** mas pravdu, tim se to moc komplikuje. Tak ten pripad s kuchynskym nozem zustane viset jako problem, ale snad se to casto neopakuje.|   -->M |
 ^ AN 6.3. | vysledky schuzky 5.3.| **1)** dohodli jsme se neanotovat casti pojmenovanych entit, pokud samy nejsou pojmenovana entita (Oddeleni pro vyzkum ... vyzkum, ministerstvo zemedelstvi - zemedelstvi, ale anotovat ustavni soud CR - CR) **2)** musim presne vymezit typ PART - jako ze anotujeme pokoj - strop, Nemecko - Berlin, mesto - ulice, ale ne mesto - dum, mesto - muzeum. K tomu by se hodil nejaky dobry otazkovy test. **RO**: co třeba otázka "je to část území?" - to by zařadilo stát-město; stát-region; město-ulice; např. oblast-jezero apod., ne už město-dům. Ale možná to nestačí na vyloučení případu město-parkoviště, pokud to nechceme. **3)** zavedli jsme skupinu ANAF pro nekoreferencni anaforicky vztah **4)** //technicke pozadavkyA//: "predanotace stejnych lemmat v danem souboru" - jde o to, ze nechceme redanotovat vsechna stejna lemmata toho mazani sipek bude s velkou pravdepodobnosti vic, nez jejich zavedeni. Chceme ale toto: Pokud otevreme soubor a vidime, ze vsechny (valna vetsina) uzly s danym stejnym lemmatem jsou koreferencni, tak je muzeme propojit jednim krokem. Treba v jednom souboru spojit vsechny uzly s lemmatem "dite", nebo "Durych". **5)** //technicke pozadavkyB//: Dalsi vec se tyka zbarevneni bridgingu. Momentalne mame, ze se barene ukazuji uzly, ktere jsou spojene s oznacenym a dale retezove nahoru. Chteli bychom to trochu zmenit. U textove koreference by to zustalo jak to je. U bridging by se zmenilo to, ze by se neukazal cely retezec, ale jenom ten uzel, ktery je propojen bridgingem s danym uzlem. To je to zuzeni. Na druhou stranu chteli bychom k tomu taky neco pridat, a to aby se blede modre oznacovaly vsechny bridgingy napojene na dany textove koreferencni retezec (ale primo, ne retezove). **6)**  odkaz typu segm neni vzdy koreferencni. Napr. cely text a pak "podobne problemy resime..." jeste neco?| --> M|
 ^ AN 28.2. | casti pojmenovanych entit| jak na to ted koukam, asi mame zavst pravidlo, neanotovat casti pojmenovanych entit v samostatnych koreferencnich retezcich. Snad to usnadni praci. Jeste to upresnim a probereme to nekdy na schuzce.| --> M|

[ Back to the navigation ] [ Back to the content ]

Institute of Formal and Applied Linguistics Wiki

Differences