Textkorpora in angewandter Slawistik Fünf Beispiele.

Präsentation zum Thema: "Textkorpora in angewandter Slawistik Fünf Beispiele."—  Präsentation transkript:

1 Textkorpora in angewandter Slawistik Danko.Sipka@asu.edu http://www.public.asu.edu/~dsipka Fünf Beispiele

2 Einleitung 1.NeuroTran(R), ein MT System zwischen Englisch und mehreren anderen (hauptsächlich slawischen) Sprachen, das in der Firma Translation Experts Ltd., aus London, GB entwickelt wurde. Mehr über diese Firma findet man unter: http://www.tranexp.com.http://www.tranexp.com 2. Rapid Deployment Morphology Lemmatisator der serbokroatischen Morphologie von New Mexico State University Computing Research Laboratory, Las Cruces, USA. Mehr über diese Institution ist unter: http://www.crl.nmsu.edu zu erfahren. http://www.crl.nmsu.edu 3. Serbokroatisch-Englisches Wörterbuch der Umgangssprache (Slang und Kolloquialismen), an dem ich für die Firma Multilingual Research and Management aus Washington, DC, USA arbeite. Mehr über diese Firma findet man unter: http://www.erols.com/hdqthttp://www.erols.com/hdqt 4. Serbokroatisch-Polnische kontrastive Untersuchungen an der Adam Mickiewicz Universität in Posen, Polen. Die Informationen zur diesen Projekten sind unter: http://main.amu.edu.pl/~sipkadan/ erhältlich.http://main.amu.edu.pl/~sipkadan/ 5. Slavisch-Englische Text Taggers, erhältlich unter http://www.asusilc.net/lctli.http://www.asusilc.net/lctli

3 Die Hauptkonzepte

4 a.Die Forderung der Minimalität, die verlangt, daß Informationen aus Textkorpora mit der möglichst kleinsten Anstrengung, gewonnen werden, b. Die Forderung der Wiederverwendbarkeit, die verlangt, daß ein und dasselbe Material für viele Anwendungen geeignet ist.

5 NeuroTran FormRegelBeispiel =>ENGSCR GRM N[ADJECTIVE|PRONOUN] NOUN => my houses -> moj kuće kuće ‘Häuser’ ist Feminin and Plural und moj ‘mein’ ist Maskulin and Singular ;COPY(2>1:NUMBER,GENDER)moj kuće -> moje kuće Geschlecht und Zahl ist von kuće auf moj kopiert ;....

6 NeuroTran...

7 NeuroTran a.Kanonische Liste für die Quellsprache, b. Gebrauchsanweisungen für die Quell- und Zielsprache, c. Frequenzangaben für die Quell- und Zielsprache, d. Lexikalische Valenz für die Zielsprache, e. Grammatische Valenz für die Zielsprache, f. Wort-Reihenfolge für die Zielsprache

8 NeuroTran

9 Jestem w pracy. ->*I am in work. w L;[...]/in A;[...]/at A;[...] UNI GRM PREDICATE * PREPOSITION * NOUN => COLLOCATION(13->2) work [to, at] *I am in work -> I am at work. ENGPOL GRM ADJECTIVE NOUN => COLLOCATION(1 2|2 1). descriptive grammar -> *opisowa gramatyka -> gramatyka opisowa boring grammar -> nudna gramatyka -> nudna gramatyka

10 RDM „ The model is motivated by engineering concerns: the considerations of economy and efficiency led to the use of non-traditional definitions of morphemes. The model has been implemented in the RDM system in the framework of the Corelli project at CRL. It was initially done on the material of Russian and then successfully applied for Serbo-Croatian”.

11 RDM [1483, 1486, 'vođe', 'vođa', NOUN(N;N1;C2;G2), ] [1483, 1486, 'vođe', 'vođa', NOUN(N;N2;C1;G2), ] [1483, 1486, 'vođe', 'vođa', NOUN(N;N2;C4;G2), ] [1483, 1486, 'vođe', 'vođ', NOUN(N;N1;C7;G1), ] [1483, 1486, 'vođe', 'vođ', NOUN(N;N2;C4;G1), ] [1483, 1486, 'vođe', 'vođa', NOUN(N;N1;C2;G1), ] [1483, 1486, 'vođe', 'vođa', NOUN(N;N2;C1;G1), ] [1483, 1486, 'vođe', 'vođa', NOUN(N;N2;C4;G1), ] // the leaders [1483, 1486, 'vođe', 'vođa', NOUN(N;N2;C7;G1), ] [1487, 1487, ' ', ' ', SPACE(), ] [1488, 1497, 'opozicione', 'opozicioni', ADJ(A;N2;C4;G1), ] [1488, 1497, 'opozicione', 'opozicioni', ADJ(A;N1;C2;G2), ] // of the opposition [1488, 1497, 'opozicione', 'opozicioni', ADJ(A;N2;C1;G2), ] [1488, 1497, 'opozicione', 'opozicioni', ADJ(A;N2;C4;G2), ] [1488, 1497, 'opozicione', 'opozicioni', ADJ(A;N2;C7;G2), ] [1498, 1498, ' ', ' ', SPACE(), ] [1499, 1507, 'koalicije', 'koalicija', NOUN(N;N1;C2;G2), ] // coalition [1499, 1507, 'koalicije', 'koalicija', NOUN(N;N2;C1;G2), ] [1499, 1507, 'koalicije', 'koalicija', NOUN(N;N2;C4;G2), ]

12 Inxight sentence = 46-167 BOB Prop JOHNSON Prop, Punct-Comma trenér Nn-Sg-Case amerických Adj hokejistů Nn-Pl-Gen koučoval V-PaPart své Pron-Refl svěřence Nn-Sg-Case na Prep Kanadském Adj poháru Nn-Sg-Case z Prep nemocnice Nn-Sg-Gen ; Punct naši Pron-Poss porážejí V-Ind SSSR Prop 5:2 Num-Card ! Punct-Sent

13 Serbokroatisch-Englisches Wörterbuch der Umgangssprache a.als eine der Quellen für das Hauptverzeichnis der serbokroatischen Einträge, b. als eine der Quellen für Gebrauchsanweisungen, c. als eines der Mittel des Mikrostrukturbaus des Wörterbuchs.

14 Serbokroatisch-Englisches Wörterbuch der Umgangssprache 631od tebe, meni iz rukemazne 1 svesku, tri kruga optrči oko pećine, pocepa i odnese sve što sam napis'o, uskoči u kovčeg, a ti još 2825radi. MIĆA: Ma,mazne 1 Dragutinu stranu-dve iz sveske i to je to. IVA: To je to? MIĆA: Ma, da. IVA: I koliko to traje 87551motre da neko nemazne 1 materijal. (razgovor preko radio stanice) B: (promenjenim glasom) Imal zime Marinko? F: Zima 87546E pripremaju, ovaj, damaznu 1 materijal sa Zetre. D: Eki? A znači to je ta operacija Laufer. C: Saznavši šta je operacija Laufer 74157noć su Pišonja i Žugamaznuli 1 kasetaš iz doma invalida A malo zatim i autobus Autoprevoza sa Hrida. Pišonja ubaci u brzinu, to 75449A sve je puklo kada jemaznuo 1 lovu od ekskurzije Pošao je pjevat u kafani Bilo je gadno, bilo je degeneka Ko onda kad je pjevo 87478tema. Ljepi Sabe jemaznuo 2 koku Soku onu najljepšu, od onog pingvina Šefika, sina od onog sladoledžije i oženio se s njom 75576Mile ko fol žuri,Maznuo 3 ga speed Amajlije mu zveckaju Na nozi šal od svile Korake mu ne čujem Jer nosaju ga vile Stigoh 87574se neko, saću ga jamaznut. 1 C: Stražar Marinko je primjetio kradljivca materijala. F: Stan druže, stani. (osoba B opet 28635svašta, ja to znam.Maznuću 1 mlin, na brzaka maknuti ga, na kvarnjaka, vaša mala Kalevala, biće zemlja sva propala. Veštica 1 maznuti ‘klauen’; 2 maznuti ‘anfangen mit einer Freundin zu gehen’; 3 maznuti ‘Rauschgiftwirkung fühlen’

15 Serbokroatisch-Englisches Wörterbuch der Umgangssprache a. Wenn man anfängt, mit einer Freundin zu gehen, es ist wie sie zu klauen, b. Wenn man die Wirkung von Rauschgift fühlt, ist es wie von Rauschgift geklaut zu sein. maznuti | 1 ‘klauen’; /\ a. ‘anfangen zu gehen mit jemandem’ b. ‘Rauschgiftwirkung fühlen’

16 Kontrastive Untersuchungen Polnisch Serbokroatisch AutorDawid WarszawskiMilan Božić InhaltBerichte aus dem Krieg in der ehemaligen Jugoslawien Kommentare zum Krieg in der ehemaligen Jugoslawien QuelleTageszeitung Gazeta WyborczaRadio B 92 FormDatei Zeitraum9/21/93 - 12/7/956/3/93 - 2/4/95 Umfang979981 Zeichnen 165566 tokens 42914 types 994043 Zeichnen 193890 tokens 52502 types SprachePolnisch, StandardSerbokroatisch, Standard (Serbisch) SerbokroatischPolnisch na televizijiw telewizji na radijuw radiu na referendumuw referendum na izborimaw wyborach

17 Taggers Taggers: http://www.asusilc.net/cgi-bin/newtepajgu.pl Examples http://www.asusilc.net/exbcs.htmhttp://www.asusilc.net/exbcs.htm OfflineOffline http://www.asusilc.net/expol.htmhttp://www.asusilc.net/expol.htm OfflineOffline http://www.asusilc.net/exbcs.htmhttp://www.asusilc.net/exbcs.htm OfflineOffline

18 Language Selection

19 Pasting the Text

20 Tagged Text

21 Inflections

22 Zusammenfassung a.Alle Informationen soll man erstmals aus Textkorpora zu gewinnen versuchen, b. Es ist sehr wichtig robuste Werkzeuge dafür zu entwickeln, c. Die Korpusangaben sollten ständig mit Informationen aus anderen Quellen konfrontiert werden.