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 [2009/04/27 10:25] anotator |
projekt-anotace-diskurzu [2013/12/09 17:53] ufal |
||
---|---|---|---|
Line 16: | Line 16: | ||
- propojení přímé řeči o více větách (stromech) | - propojení přímé řeči o více větách (stromech) | ||
- spojení všech parcelací | - spojení všech parcelací | ||
+ | |||
+ | |||
Line 22: | Line 24: | ||
==== Na projektu se podílejí ==== | ==== Na projektu se podílejí ==== | ||
- | lingvisticky: | + | lingvisticky: |
- | technicky: | + | technicky: Jirka Mírovský |
- | ==== Zadané práce ==== | + | anotátoři: |
- | LM + ZB: disertace, (ZB na FF :-)) | + | |
+ | **PJ** Pavlína Jínová | ||
+ | **VP** Veronika Pavlíková | ||
+ | **MR** Magdaléna Rysová | ||
+ | **JZ** Jana Zdeňková | ||
+ | (dříve i **HF** Helena Filipová) | ||
- | ==== Podpora projekty ==== | ||
- | GAČR Evy Hajičové a Šárky Zikánové (od r. 2009) | ||
- | GAUKy (od r. 2009): | ||
- | 3letý GAUK LM na anotaci konektorů | ||
- | 2letý GAUK ZB na sémantiku synsémantik (na FF) | ||
- | Možnost mezinárodní spoluporáce v návaznosti na grant prof. Joshiho a Penn Discourse Treebank | ||
- | ==== 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|}} | ||
+ | ==== Průběh projektu ==== | ||
+ | [[projekt-anotace-diskurzu: | ||
+ | ==== VŠE K ANOTACI ==== | ||
- | ==== Další | + | [[: |
- | - Anotace diskurzu v PDT – {{anotace-diskurzu.ppt|prezentace}} pro pondělní seminář ÚFALu 26.11. 2007, ŠZ | + | |
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ==== Různé | ||
- Odkaz na [[http:// | - Odkaz na [[http:// | ||
+ | - [[instalace_PDTB|Instalace prohlížeče pro Penn Discourse Treebank]] | ||
- Odkaz na seminář R. Barzilay (MIT, Cambridge, MA) k diskurzu [[http:// | - Odkaz na seminář R. Barzilay (MIT, Cambridge, MA) k diskurzu [[http:// | ||
|http:// | |http:// | ||
- | - MANUÁL PDTB 2.0 ke stáhnutí {{pdtb-annotation-manual.pdf|manual_PDTB_2}} | + | - MANUÁL PDTB 2.0 ke stáhnutí {{internal: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: | - Seznamy konektorů od Zuzky: | ||
- | {{czech-connectives.xls|české konektory}} | + | {{internal:czech-connectives.xls|české konektory}} |
- | {{czech-connectives-ceske-poradi-sarka.xls|české konektory abecedně}} | + | {{internal:czech-connectives-ceske-poradi-sarka.xls|české konektory abecedně}} |
- | {{konektory-doplneno-zu.xls|doplněný seznam možných českých konektorů}} | + | {{internal: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 {{internal:poznamky-k-manualu-pdtb_changed.doc|}} |
- | - Zuzčiny poznámky k manuálu PDTB 2.0 {{poznamky-k-manualu-pdtb_changed.doc|}} | + | - Seznam diskurzních vztahů a jejich zkratek (SZ, 29.12.2008) {{internal:tahak-typy-vztahu.doc|}} |
- | - Seznam diskurzních vztahů a jejich zkratek (SZ, 29.12.2008) {{tahak-typy-vztahu.doc|}} | + | - Základní bibliografie k podklasifikaci textovych vztahů{{internal:bibliografie-k-podklasifikaci-textovych-vztahu.doc|}} |
- | - Základní bibliografie k podklasifikaci textovych vztahů{{bibliografie-k-podklasifikaci-textovych-vztahu.doc|}} | + | |
- | ==== Aktuálně | + | ==== Bylo ==== |
(LM, 2.3.2009) | (LM, 2.3.2009) | ||
- další úpravy tredu pro anotaci v kontextu discourse | - další úpravy tredu pro anotaci v kontextu discourse | ||
Line 85: | Line 96: | ||
- první verze tredího kontextu discourse se zabíhá a zkouší | - první verze tredího kontextu discourse se zabíhá a zkouší | ||
- konverze dat pro anotaci | - 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:**) | ||
- | | ||
Line 116: | Line 109: | ||
- 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 | - 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 | + | |
- | === 20081217 (JM): === | + | |
- | Prvotní podpora | + | |
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | ==== Rozšíření | ||
+ | === 20081217 | ||
+ | Podpora | ||
=== Jednoduchý návod k instalaci a použití: === | === Jednoduchý návod k instalaci a použití: === | ||
==Instalace: | ==Instalace: | ||
- | Tred instalujte ze stránky http:// | + | TrEd instalujte ze stránky http:// |
- | Nainstalujte rozšíření Discourse Annotation (Session | + | Nainstalujte rozšíření Discourse Annotation (Setup -> Manage Extensions) |
+ | |||
+ | Pro zobrazení skupin uzlů je potřeba nainstalovat perlovou knihovnu Graph:: | ||
+ | V **Linux**u se to provádí takto: | ||
+ | sudo -s | ||
+ | # cpan -i Graph:: | ||
+ | Prikaz cpan se při prvním spuštění vyptá na různé věci, většinou to stačí odentrovat. | ||
+ | Ve **Windows**ech se knihovna nainstaluje pomocí **ppm** - Perl Package Manager (dá se spustit např. z příkazové řádky) - v seznamu dostupných modulů je potřeba najít modul Graph:: | ||
+ | **Nová verze TrEdu (2.*) pro Windows** používá Strawberry Perl. Tam se moduly instalují podle návodu z webu takto: "You can still use ppm, but it is not recommended. Run "CPAN client" | ||
==Ovládání zobrazení: | ==Ovládání zobrazení: | ||
Pro zobrazení vět, stromů a diskurzních šipek existují tři přednastavené módy, které se přepínají těmito klávesovými zkratkami: | 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+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+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 | + | **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: | Zobrazení jednotlivých druhů šipek je možno ovládat nezávisle na přednastaveném módu takto: | ||
- | Ctrl+b: přepne zobrazení bridging anafory | + | **Ctrl+b** - přepne zobrazení bridging anafory |
- | Ctrl+g: přepne zobrazení gramatické koreference | + | **Ctrl+r** - přepne zobrazení gramatické koreference |
- | Ctrl+t: přepne zobrazení textové koreference | + | **Ctrl+t** - přepne zobrazení textové koreference |
- | Ctrl+d: přepne zobrazení čistě diskurzních šipek | + | **Ctrl+d** - přepne zobrazení čistě diskurzních šipek |
Zobrazení se týká nejen šipek, ale rovněž barevného zvýraznění slov v kontextových větách. | Zobrazení se týká nejen šipek, ale rovněž barevného zvýraznění slov v kontextových větách. | ||
- | ==Editace diskurzních šipek:== | + | **s** - vybere zdroj (anotátora), jehož šipky se mají zobrazovat |
- | Aktuální uzel se vybírá kliknutím na uzel ve stromech nebo kliknutím na slovo ve větách. | + | **S** (Shift+s) - schová/zobrazí |
- | mezera | + | |
- | f (forget) - ruční zapomenutí dříve označeného cílového uzlu (není nutné takto ručně zapomínat) | + | |
- | d (discourse) - vloží diskurzní | + | |
- | c (comment) - vložení komentáře k diskurzní šipce vedoucí z aktuálního uzlu; zobrazí | + | |
- | r (re-type) - změna | + | |
- | 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, | + | |
+ | ==Editace diskurzních šipek:== | ||
+ | Aktuální uzel se vybírá kliknutím na uzel ve stromech nebo kliknutím na slovo ve větách. Existující skupinu uzlů je rovněž možno vybrat kliknutím na ni. | ||
+ | **mezera** - přepne označení budoucího cílového uzlu/ | ||
+ | **Ctrl+levé tlačítko na uzlu** - podobně jako mezera, zapamatuje si/zapomene tekto-uzel; nemění aktuální uzel | ||
+ | **Ctrl+levé tlačítko na slově ve větách** - podobně jako mezera, zapamatuje si/zapomene příslušný tekto-uzel; nemění aktuální uzel | ||
+ | **Ctrl+mezera** - přepne označení u všech uzlů v podstromu aktuálního uzlu (včetně) | ||
+ | **Shift+levé tlačítko na slově ve větách** - zapamatuje si/zapomene jedno slovo pro následné nastavení konektoru (narozdíl od mezery, takto lze vybrat i samostatnou předložku či cokoliv, co nemá reprezentaci na tekto-rovině) | ||
+ | **f** (forget) - ruční zapomenutí všech označených uzlů a skupin | ||
+ | **d** (discourse) - vloží diskurzní šipku (šipky) z aktuální skupiny či aktuálního uzlu do zapamatovaného uzlu či skupiny (či zapamatovaných uzlů a skupin); zobrazí se dialogové okno pro vložení typu, který je v případě více cílů společný; u první vytvářené šipky po spuštění TrEdu se zobrazí okno pro vložení zdroje anotace (vkládáme iniciály anotátorky; | ||
+ | **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 | ||
+ | **o** - změna zdroje (atributu src) 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; naposledy vložená hodnota se použije u dalších vytvářených šipek | ||
+ | **a** - přepnutí vlastnosti šipky '' | ||
+ | **t** - přepnutí vlastnosti šipky '' | ||
+ | **w, e** - nastavení rozsahu výchozího a cílového argumentu | ||
+ | **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 | ||
+ | **n** - nastavení označených (pomocí mezery) uzlů jako konektorů diskurzní šipky vedoucí z aktuálního uzlu; pokud z akt. uzlu vede více šipek, uživatel je požádán o vybrání té správné; konektor (povrchové vyjádření) se pak zobrazí v bublině, když se myš na chvíli zastaví nad příslušnou šipkou | ||
+ | **m** - nastavení označených (pomocí mezery) uzlů jako rozšířené množiny konektorů diskurzní šipky vedoucí z aktuálního uzlu (rozšířený altlex); pokud z akt. uzlu vede více šipek, uživatel je požádán o vybrání té správné; rozšířený konektor (povrchové vyjádření) se pak zobrazí v bublině, když se myš na chvíli zastaví nad příslušnou šipkou | ||
+ | **v** - otočí šipku vedoucí z aktuálního uzlu (zamění výchozí a cílový uzel); v případě více šipek zobrazí seznam pro výběr | ||
+ | ==Práce se skupinami uzlů:== | ||
+ | Uzly i z různých stromů je možno seskupovat, diskurzní šipky je možno vést jak mezi jednotlivými uzly, tak mezi skupinami, či kombinovaně - to je reprezentováno diskurzní šipkou vedoucí z/do reprezentujícího uzlu skupiny. Reprezentující uzel skupiny se určí takto: | ||
+ | - v případě, že skupinu tvoří uzly z více stromů, reprezentující uzel skupiny je vždy v nejlevějším stromě | ||
+ | - při rozhodování mezi uzly z jednoho stromu je reprezentující uzel první v průchodu do hloubky | ||
+ | **g** (group) - vytvoří skupinu z označených uzlů | ||
+ | **Ctrl+g** - zruší vybranou skupinu | ||
+ | Šipky, které končí či začínají ve skupině uzlů, opticky i datově končí či začínají v reprezentujících uzlech skupin. | ||
+ | V datech je to reprezentováno atributy start_group_id a target_group_id u diskurzní šipky. | ||
- | ==== Interní poznámky ==== | + | ==Ostatní:== |
+ | **Ctrl+c** (comment) - vložení diskurzního komentáře k celému uzlu (bez ohledu na šipky) | ||
+ | **Ctrl+k** (' | ||
+ | **u** (' | ||
+ | **h** (is_' | ||
+ | **j** - nastaví typ vztahu, který jinak neznačíme, | ||
+ | **Ctrl+A** (Analytical) - zobrazí analytické stromy (zpět: **Ctrl+R** (Return)) | ||
+ | **z** - zobrazí seznam žánrů a umožní tak vybrat žánr dokumentu | ||
- | [[: | ||