Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
projekt-anotace-diskurzu [2008/05/09 15:55] anotator |
projekt-anotace-diskurzu [2009/03/26 11:32] ufal |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== Projekt anotace diskurzu ====== | + | ====== Projekt anotace diskurzu |
- | ==== Předběžné poznámky a materiály k projektu | + | Doplňující informace o tomto projektu |
- | Rovina anotace diskurzu se plánuje jako součást další, “vyšší” roviny v PDT, ve které bude podrobně zpracována koreference, | ||
- | ==== Kdo se v tom, alespoň částečně, | ||
- | prof. E. Hajičová, Šárka Zikánová, Lucie Mladová, Zdeněk Žabokrtský, | + | ==== Cíle projektu ==== |
+ | |||
+ | Anotace diskurzu je planována jako součást další, “vyšší” roviny v PDT, ve které bude podrobně zpracována koreference, | ||
+ | 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), | ||
+ | |||
+ | 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: | ||
+ | technicky: | ||
==== Zadané práce ==== | ==== Zadané práce ==== | ||
- | LM + ZB: disertace, ZB na FF :-) | + | LM + ZB: disertace, |
- | ==== Granty ==== | + | |
- | | + | |
- | Možnost mezinárodního grantu v návaznosti na prof. Joshiho a Penn Discourse Treebank | + | |
- | ==== Materiály ==== | ||
- | Poznámky + zápisy z “diskurzních sezení” | + | ==== Plánovaná podpora projekty ==== |
- | {{podklady_11-2-2008.pdf|podklady_schuzka 11-02-2008}} | + | Přijatý GAČR paní profesorky Hajičové a Šárky Zikánové |
- | {{zapis-18-02-2008.pdf|zapis_schuzka 18-02-2008}} | + | Možnost mezinárodního spoluporáce v návaznosti na grant prof. Joshiho a Penn Discourse Treebank |
- | Brzy přibudou též: | + | Zadané návrhy na granty (všechny nové): |
+ | GAUKy : | ||
+ | 3letý GAUK LM na anotaci konektorů | ||
+ | 2letý GAUK ZB na sémantiku synsémantik (na FF) | ||
+ | 1letý GAUK Pavla Češky na technickou podporu anotace diskurzu | ||
- | Anotace diskurzu v PDT – prezentace pro ÚFAL 26.11. 2007, Šárka Zikánová | ||
- | Článek o diskurzu na LREC 2008 | ||
- | Diplomka LM | ||
- | ==== Kooperace | + | |
- | - výrazná | + | |
+ | |||
+ | ==== Anotační poznámky ==== | ||
+ | **[[projekt-anotace-diskurzu: | ||
+ | nové poznámky píšeme vždy nahoru, staré nemažeme | ||
+ | |||
+ | ==== Zápisy ze schůzek ==== | ||
+ | podklady pro schůzku 11-02-2008{{podklady_11-2-2008.pdf|}} | ||
+ | zápis-18-02-2008{{zapis-18-02-2008.pdf|}} | ||
+ | aktuální plán postupu 20-10-2008{{diskurz-plan-1-.doc|}} | ||
+ | zápis 07-11-2008 {{zapis-07-11-2008.doc|}} | ||
+ | zápis 25-11-2008: výběr konektorů k preanotaci {{25-11-2008.doc|}} | ||
+ | zápis z 2-12-2008: technické řešení diskurzu {{technicke-reseni-diskurzu-2-.doc|}} | ||
+ | zápis z 15-12-2008: technické řešení meziprop.diskurzních vztahů II {{zapis-15-12-2008.doc|}} | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ==== Další materiály ==== | ||
+ | - Anotace diskurzu v PDT – {{anotace-diskurzu.ppt|prezentace}} pro pondělní seminář ÚFALu 26.11. 2007, ŠZ | ||
+ | - Odkaz na [[http:// | ||
+ | - MANUÁL PDTB 2.0 ke stáhnutí {{pdtb-annotation-manual.pdf|manual_PDTB_2}} | ||
+ | - {{mladova_zikanova_hajicova_lrec.pdf|Článek}} a {{lm_discourse.pdf|prezentace}} o diskurzu na konferenci LREC 2008, LM, ŠZ, EH | ||
+ | - Seznamy konektorů od Zuzky: | ||
+ | {{czech-connectives.xls|české konektory}} | ||
+ | {{czech-connectives-ceske-poradi-sarka.xls|české konektory abecedně}} | ||
+ | {{konektory-doplneno-zu.xls|doplněný seznam možných českých konektorů}} | ||
+ | - Šárcina prezentace pro mixer 26.11.2008 (na požádání u Šárky) | ||
+ | - Zuzčiny poznámky k manuálu PDTB 2.0 {{poznamky-k-manualu-pdtb_changed.doc|}} | ||
+ | - Seznam diskurzních vztahů a jejich zkratek (SZ, 29.12.2008) {{tahak-typy-vztahu.doc|}} | ||
+ | - Základní bibliografie k podklasifikaci textovych vztahů{{bibliografie-k-podklasifikaci-textovych-vztahu.doc|}} | ||
+ | |||
+ | ==== Aktuálně ==== | ||
+ | (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 | ||
+ | - oanotovat vybrané konektory: | ||
+ | **však, také, naopak, tedy, navíc, ovšem, přesto, jinak, totiž, | ||
+ | | ||
+ | |||
+ | - první zkoumaný konektor: **přesto** | ||
+ | - první zkoumaná skupina vztahů (z PDTB): **contingency** | ||
+ | |||
+ | ==== Anotační tabulka ==== | ||
+ | |||
+ | ** navržená tabulka vlastností vztahů a konektorů pro anotaci + anotační zkratky v tabulce: | ||
+ | |||
+ | **1. typ vztahu** (r: sarciny zkratky* //komentar bez diakritiky// | ||
+ | **2. rozsah argumentů** (1: PAR* //nespojita vsuvka s RHEM//) | ||
+ | **3. konektor** (pokud je v textu) | ||
+ | |||
+ | | ||
+ | vazba na pozici - větná, relativní (**pozice: | ||
+ | | ||
+ | | ||
+ | | ||
+ | odkaz do stejného stromu (**ss:**) | ||
+ | | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ==== Spolupráce | ||
+ | - výrazná | ||
- anotace dialogu pro Companions (Silvie) | - anotace dialogu pro Companions (Silvie) | ||
- | - technicky: vytvoření anotačního prostředí – kontext | + | - 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 |
+ | |||
+ | ukázka megastromu, stav z března 2008: | ||
+ | {{megastrom2.png|}} | ||
+ | |||
+ | |||
+ | ==== Rozšíření pro Tred pro anotaci diskurzu ==== | ||
+ | === 20081217 (JM): === | ||
+ | Prvotní podpora pro anotaci diskurzu vychází z rozšíření pro anotaci bridging anafory. Původní záměr byl, že se budou nadále vyvíjet jako jedno rozšíření, | ||
+ | === Jednoduchý návod k instalaci a použití: === | ||
+ | ==Instalace: | ||
+ | Tred instalujte ze stránky http:// | ||
+ | Nainstalujte rozšíření Discourse Annotation (Session -> Manage Extensions) | ||
+ | |||
+ | ==Ovládání zobrazení: | ||
+ | Pro zobrazení vět, stromů a diskurzních šipek existují tři přednastavené módy, které se přepínají těmito klávesovými zkratkami: | ||
+ | Alt+b: bridging mode - vidět je jeden strom, velké množství kontextových vět vpřed i vzad, šipky: koreference, | ||
+ | Alt+d: pure discourse mode - vidět jsou dva stromy vzad a jeden vpřed, deset vět vzad a pět vpřed, šipky: čistě diskurzní (čili ne koref. a bridging) | ||
+ | Alt+f: full discourse mode - vidět jsou dva stromy vzad a jeden vpřed, deset vět vzad a pět vpřed, šipky: všechny | ||
+ | |||
+ | Zobrazení jednotlivých druhů šipek je možno ovládat nezávisle na přednastaveném módu takto: | ||
+ | Ctrl+b: přepne zobrazení bridging anafory | ||
+ | Ctrl+g: přepne zobrazení gramatické koreference | ||
+ | Ctrl+t: přepne zobrazení textové koreference | ||
+ | Ctrl+d: přepne zobrazení čistě diskurzních šipek | ||
+ | |||
+ | Zobrazení se týká nejen šipek, ale rovněž barevného zvýraznění slov v kontextových větách. | ||
+ | |||
+ | ==Editace diskurzních šipek:== | ||
+ | Aktuální uzel se vybírá kliknutím na uzel ve stromech nebo kliknutím na slovo ve větách. | ||
+ | mezera - označí budoucí cílový uzel diskurzní šipky | ||
+ | f (forget) - ruční zapomenutí dříve označeného cílového uzlu (není nutné takto ručně zapomínat) | ||
+ | d (discourse) - vloží diskurzní šipku z aktuálního uzlu do zapamatovaného uzlu; zobrazí se dialogové okno pro vložení typu | ||
+ | c (comment) - vložení komentáře k diskurzní šipce vedoucí z aktuálního uzlu; zobrazí se dialogové okno pro jeho vložení; existuje-li více šipek vedoucích z aktuálního uzlu, nejprve se zobrazí okno s jejich seznamem, které umožní výběr té správné šipky | ||
+ | r (re-type) - změna typu šipky vedoucí z aktuálního uzlu; zobrazí se dialogové okno pro jeho vložení; existuje-li více šipek vedoucích z aktuálního uzlu, nejprve se zobrazí okno s jejich seznamem, které umožní výběr té správné šipky | ||
+ | x - smazání šipky vedoucí z aktuálního uzlu; existuje-li více šipek vedoucích z aktuálního uzlu, nejprve se zobrazí okno s jejich seznamem, které umožní výběr té správné šipky | ||
+ | Pro úplnost: t vloží textovou koreferenci, | ||
+ | |||
+ | |||
+ | |||
+ | ==== Interní poznámky ==== | ||
+ | |||
+ | [[: | ||
+ | |||
+ | |||
+ | ==== 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, | ||
+ | |||
+ | 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, | ||
+ | |||
+ | Hoffmannová, | ||
+ | |||
+ | Joshi, A. et al. (2006). Discourse Annotation: Discourse Connectives and Discourse Relations. Tutorial at the Association for Computational Linguistics, | ||
+ | |||
+ | 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, | ||
+ | |||
+ | 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:// | ||
+ | |||
+ | The Penn Discourse Treebank 2.0 Annotation Manual. (2007). http:// | ||
+ | |||
+ | The Prague Czech-English Dependency Treebank 1.0 http:// | ||
+ | |||
+ | Webber, B. (2004). D-LTAG: Extending Lexicalized TAG to Discourse. Cognitive Science, 28 (5), pp. 751-779. | ||
- | demo | + | 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, |