Lingvistiska grundbegrepp
Short Description
Download Lingvistiska grundbegrepp...
Description
729G09 Språkvetenskaplig databehandling (2016)
Lingvistiska grundbegrepp Marco Kuhlmann Institutionen för datavetenskap
Vad är korpuslingvistik? • Korpuslingvistik handlar om att undersöka språkvetenskapliga frågor utifrån korpusdata. • Utgångspunkt: Språkvetenskapliga undersökningar bör baseras på texter från fältet, i deras naturliga kontexter.
Vad är språkteknologi? • Språkteknologi är all teknologi som skapas för att förstå eller generera naturligt språk. • Språkteknologi är ett tvärvetenskapligt forskningsområde med inslag av datalogi, lingvistik och kognitionsvetenskap. annat namn: datorlingvistik; engelska: natural language processing
Tokenisering
Rå text
Tokeniserad text
Den liknar andra arter inom familjen med böjd näbb, mönstrad brun ovansida, vitaktig undersida och långa styva stjärtpennor som den använder för att kunna balansera upprätt på trädstammar och grenar.
Den liknar andra arter inom familjen med böjd näbb , mönstrad brun ovansida , vitaktig undersida och långa styva stjärtpennor som den använder för att kunna balansera upprätt på trädstammar och grenar .
Denna föreläsning Lingvistiska grundbegrepp Presentation av UPG2
Lingvistiska grundbegrepp
Från form till betydelse
pragmatik
semantik generering
analys syntax
morfologi
Morfologi
pragmatik
semantik generering
analys syntax
morfologi
‘Rose is a rose is a rose is a rose.’ Gertrude Stein (1913)
Många olika typer av ord • Begreppet ord kan syfta på en ordförekomst eller en ordtyp. Rose is a rose is a rose is a rose.
• Två ord kan ha samma form, men vara olika lexem. Jag föredrar slips framför fluga. Det satt en fluga på väggen.
• Två ord kan ha olika former, men ha samma lemma. tanke, tanken, tankar
Skolans nio ordklasser
tagg
kategori
exempel
VB
verb
kasta
NN
substantiv
pudding
PN
pronomen
hon
JJ
adjektiv
glad
AB
adverb
inte
KN
konjunktion
och
PP
preposition
över
RG
räkneord
tre
IN
interjektion
aj
Morfem • Morfem är de minsta betydelsebärande enheterna i ett språk. de minst+a betyd+else+bär+a+nde enhet+er+na
• Ett ord består av ett rotmorfem och noll eller flera affix. rit+a, rit+ar, rit+ning, rit+bart, o+rit+bart
• Morfem är inte alltid sammanhängande. Hebreiska k-t-b ”skriva”: ( כתבkatav) ”skrev”, ( מכתבmixtav) ”ett brev”
• Morfem består inte alltid av ljud. ett hus vs. flera hus+∅
Varför behöver vi morfologi? • I svenskan böjs de flesta adjektiv efter substantivet. en lång arm – ett lång+t ben, lång+a arm+ar, den lång+a arm+en
• I andra språk böjs även andra typer av ord. Tyska: Ich gehe in das Haus. Wir gehen in die Häuser.
• Genom att detektera böjningar kan vi se vilka ord som hör ihop.
Tre problem med morfologisk analys • Regularitet Hur kan vi representera regularitet i morfologisk variation?
• Flertydighet Time flies like an arrow; fruit flies like a banana.
• Dynamik manspreading, weak sauce, cupcakery
Finita automater som morfologiska lexikon
a 𝑞0
a
𝑞1
a-övergång
p
𝑞2
n
𝑞3
s
𝑞5
s 𝑞4
o 𝑞6
a
s r
n 𝑞7
𝑞8
sluttillstånd
Syntax
pragmatik
semantik generering
analys syntax
morfologi
Fraser Ord i meningar bildar fraser. • nominalfraser (NP) hon. Fredrik Reinfeldt och de nya Moderaterna.
ett sådant klassiskt ställe som Operakällaren.
• verbfraser (VP) rodnade. bad henne att öppna fönstret.
levde lyckliga i alla sina dagar.
Satser Fraser bildar satser. • deklarativa satser De köpte en hund. Igår köpte de en hund.
• interrogativa satser Köpte de en hund? När köpte de en hund?
• imperativa satser Köp en hund!
Frasstrukturträd S NP
VP
Pro
Verb
I
prefer
NP Det a
Nom Nom
Noun
Noun
flight
morning
Syntaktiska dependensträd
nsubj cpd
xcomp aux
nmod case
mark
1
2
3
4
5
6
7
8
Cray
Computer
has
applied
to
trade
on
Nasdaq
PTB section 00, document 18, item 026; Stanford dependencies (basic)
Semantik
pragmatik
semantik generering
analys syntax
morfologi
Syntax och semantik • Kompositionalitetsprincipen Betydelsen hos ett komplext uttryck avgörs av betydelserna hos dess deluttryck och hur dessa deluttryck har kombinerats. utmaningar: idiomatiska uttryck, kontextualitet
• Syntax har en avgörande roll för en menings betydelse. The brown dog on the mat saw the striped cat through the window. The brown cat saw the striped dog through the window on the mat.
WordNet standard, criterion, measure, touchstone
medium of exchange, monetary system
currency
money
coinage, mintage, specie, metal money
fund, monetary fund
coin
budget
nickel
dime
scale, graduated table, ordered series
Richter scale
‘You shall know a word
by the company it keeps.’ John Rupert Firth (1890–1960)
Matris med samförekomster m
ko n ålo
te xt
kung
tron
regerar
Sverige
match
mål
spelar
drottning
4
1
1
2
0
0
0
kung
3
2
1
3
1
0
0
fotboll
1
0
0
4
3
4
2
hockey
0
1
0
1
2
1
1
rd
Ordvektorer m
ko n ålo
te xt
kung
tron
regerar
Sverige
match
mål
spelar
drottning
4
1
1
2
0
0
0
kung
3
2
1
3
1
0
0
fotboll
1
0
0
4
3
4
2
hockey
0
1
0
1
2
1
1
rd
Ord som vektorer krona drottning kung
fotboll
Sverige
Att räkna med ordvektorer
kvinna drottning man
kung
Semantiska dependensgrafer
ARG1 cpd
ARG2
ARG1
ARG2
ARG1
1
2
3
4
5
6
7
8
Cray
Computer
has
applied
to
trade
on
Nasdaq
PTB section 00, document 18, item 026; SDP/DM
Denna föreläsning Lingvistiska grundbegrepp Presentation av UPG2
View more...
Comments