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 [2008/12/10 11:07] anotator |
projekt-anotace-diskurzu [2008/12/17 18:35] ufal |
||
---|---|---|---|
Line 1: | Line 1: | ||
- | ====== Projekt anotace diskurzu ====== | + | ====== Projekt anotace diskurzu |
- | Doplňující | + | Doplňující informace o tomto projektu na stránce Návrhy pro PDT 2.5, tj. zde: https:// |
- | ==== Předběžné poznámky a materiály k projektu ==== | ||
- | Anotace diskurzu se plánuje jako součást další, “vyšší” roviny v PDT, ve které bude podrobně zpracována koreference, | ||
+ | ==== Cíle projektu ==== | ||
- | ==== Kdo se v tom angažuje | + | 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), 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 | ||
lingvisticky: | lingvisticky: | ||
Line 16: | Line 27: | ||
LM + ZB: disertace, (ZB na FF :-)) | LM + ZB: disertace, (ZB na FF :-)) | ||
- | ==== Granty | + | |
+ | ==== Plánovaná podpora projekty | ||
Přijatý GAČR paní profesorky Hajičové a Šárky Zikánové | Přijatý GAČR paní profesorky Hajičové a Šárky Zikánové | ||
Možnost mezinárodního spoluporáce v návaznosti na grant prof. Joshiho a Penn Discourse Treebank | Možnost mezinárodního spoluporáce v návaznosti na grant prof. Joshiho a Penn Discourse Treebank | ||
- | Zadané | + | Zadané |
- | GAUK Lucie Mladové (3r) | + | GAUKy : |
- | GAUK Zuzanny Bedřichové | + | 3letý |
- | GAUK Pavla Češky | + | 2letý |
+ | 1letý | ||
==== Zápisy ze schůzek ==== | ==== Zápisy ze schůzek ==== | ||
- | {{podklady_11-2-2008.pdf|podklady_schuzka 11-02-2008}} | + | podklady pro schůzku 11-02-2008{{podklady_11-2-2008.pdf|}} |
- | {{zapis-18-02-2008.pdf|zapis_schuzka 18-02-2008}} | + | zápis-18-02-2008{{zapis-18-02-2008.pdf|}} |
- | Aktuální | + | aktuální |
zápis 07-11-2008 {{zapis-07-11-2008.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 ==== | ==== 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|}} | ||
+ | ==== Aktuálně ==== | ||
+ | - domyslet technické řešení anotace diskurzu | ||
+ | - převést to do TrEdu | ||
+ | - oanotovat vybrané konektory: | ||
+ | **však, také, naopak, tedy, navíc, ovšem, přesto, jinak, totiž, | ||
+ | | ||
+ | |||
+ | - první zkoumaný konektor: **přesto** | ||
+ | - první zkoumaná skupina vztahů (z PDTB): **contingency** | ||
+ | |||
+ | **- navržená tabulka vlastností konektorů pro anotaci:** | ||
+ | | ||
+ | - typ vztahu (r: sarciny zkratky# komentar bez diakritiky) | ||
+ | - rozsah argumentů (1: PAR# nespojita vsuvka s RHEM) | ||
+ | - konektor (pokud je v textu) | ||
+ | |||
+ | - nahraditelnost (nahr: jakým slovem, s diakritikou!) | ||
+ | - vazba na pozici - větná, relativní (pozice:) | ||
+ | - souvýskyt (s možnými konektory, jiný souvýskyt)(souv: | ||
+ | - negace (neg:) | ||
+ | - morfologické zvláštnosti okolí (morfg:) | ||
+ | - odkaz do stejného stromu (ss:) | ||
+ | - ostatní (etc:) | ||
- | 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 | ||
==== Spolupráce ==== | ==== Spolupráce ==== | ||
- | - výrazná | + | - 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, |
- | ukázka megastromu: | + | ukázka megastromu, stav z března 2008: |
{{megastrom2.png|}} | {{megastrom2.png|}} | ||
+ | ==== Rozšíření pro Tred pro anotaci diskurzu ==== | ||
+ | === 20081217 (JM): === | ||
+ | Prvotní podpora pro anotaci diskurzu vychází z rozšíření pro anotaci bridging anafory. Zachovává funkčnost původního rozšíření, | ||
+ | že se dále budou možná vyvíjet jako rozšíření jedno. | ||
+ | === 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, | ||
==== Bibliografie k diskurzu ==== | ==== Bibliografie k diskurzu ==== |