Jak se dělá GRAMATICKÝ KOREKTOR ČEŠTINY. Karel Oliva Ústav pro jazyk český Akademie věd ČR

Transkript

1 Jak se dělá GRAMATICKÝ KOREKTOR ČEŠTINY Karel Oliva Ústav pro jazyk český Akademie věd ČR

2 Předchůdce: korektor pravopisu Příklad: Psi štěkaly. OK Technologie: vyhledávání v (dlouhém) seznamu slov slovo ~ posloupnost znaků od mezery do mezery

3 Kontrola gramatiky je jiná Technologie: Segmentace textu na slova, čísla, interpunkci. a na věty Analýza (ne)gramatičnosti věty Vyhledání a ohlášení chyby Návrh opravy

4 První nápad aneb průkopnictví Naučíme počítač větný rozbor (4. třída): co se nepovede rozebrat, je špatně Problém: zatím nerozřešený úkol, přirozený jazyk se nedaří formalizovat NEBEZPEČÍ: BUDEME HLÁSIT CHYBY, KDE NEJSOU

5 Druhý nápad (prokopávání DALŠÍCH slepých uliček) Zaměříme se na nejčastější vytvoříme chybové vzorce Problém: nefunguje to Podst. jm., MŽ, MnČ. 1. p. + Sloveso, Ž, MnČ Psi Chlapci štěkaly. šly. Koupil jsem oběma dětem na pouti hodinky. Dívce už druhý den nešly. Chlapci šly.

6 Takže POŘÁDNĚ: s matematikou ~ jazyk jako množina řetězců slov... mžina slovních tvarů * mžina všech řetězců nad (nekonečná) *

7 J... jazyk, mžina správně tvořených řetězců * \ J mžina nesprávně tvořených řetězců * J Děvčata se smála. *\J Děvčata se smáli. Děvčata smála se. Děvčata smála. Děvčata se smála knihu.

8 Nevyslovený předpoklad: existence ostré hranice * * J hranice * \ J

9 Co s příklady budu se soustředit (slovesný vid a časování sloves) Marie je ještě krásnější než Valerie, než jsem si myslel. (větná stavba + význam)

10 Realističtější obrázek

11 Realističtější obrázek správné

12 Realističtější obrázek správné nesprávné

13 Realističtější obrázek správné nejasné nesprávné

14 Chyba, minimální chybová konfigurace Chyba ( definice ): porušení jazykového pravidla Minimální chybová konfigurace ( 2. slepá ulička ): Prší. Psi štěkaly. MŽ, MnČ, 1.pád & UŽ NIC JINÉHO Ž, MnČ, MinČas NEBO JINÝ TVAR SLOVESA & UŽ NIC JINÉHO

15 Problém 1: reálné konfigurace nejsou minimální Psi štěkaly. Psi včera štěkaly. Psi včera na dvoře štěkaly. Psi včera na dvoře dlouho štěkaly. Naši staří psi včera na dvoře dlouho štěkaly na kočku. Řešení: teorie minimálních nesprávných vět teorie rozšíření minimálních nesprávných vět

16 Rozšíření na konfigurace neomezené délky Podst.jm. + Sloveso MŽ, MnČ, 1.pád Ž, MnČ, MinČas Podst.jm. + Příslovce + Sloveso MŽ, MnČ, 1.pád Ž, MnČ, MinČas Podst.jm. + Příslovce + Příslovce + Sloveso MŽ, MnČ, Ž, MnČ, 1.Pád MinČas

17 Problém 2: některé neminimální konfigurace nejsou negramatické Úplně stejně jako naši staří psi včera dlouho do noci štěkaly na Měsíc hyeny. Při rozšiřování negramatické konstrukce nemůžu přidat cokoliv, co mě napadne Řešení: lingvistická teorie vždy nesprávných vět

18 Problém 3: lexikální a tvarová homonymie češtiny Jeho čelisti klapaly naprázdno. Jeho čelisti klapali naprázdno. Jeho čelisti vyšli po koncertě ze sálu.

21 Problém 3: lexikální a tvarová homonymie češtiny Jeho dásně klapaly naprázdno. Jeho dásně klapali naprázdno. Jeho dásně vyšly po koncertě ze sálu.

22 Problém 3: lexikální a tvarová homonymie češtiny Jeho dásně klapaly naprázdno. Jeho dásně klapali naprázdno. Jeho dásně vyšly po koncertě ze sálu. Hráli si tam nějaké hezké dívky? Hráli si tam nějaké hezké hry? (1./4. pád, MnČ, Ž) Řešení: Vytvoření přehledu homonymie v češtině Vytvoření metod pro odstraňování homonymie

23 Redukce homonymie užitím chybových konfigurací ZAČÁTEK_VĚTY + Podst.jm. - 1.p. + Sloveso v urč. tv. ( "být/bývat/slout ") + Podst.jm. - 1.p. + KONEC_VĚTY Ústava-1.p. zaručuje rovnost-1.p. / 4.p.

24 Redukce homonymie užitím chybových konfigurací ZAČÁTEK_VĚTY + Podst.jm. - 1.p. + Sloveso v urč. tv. ( "být/bývat/slout ") + Podst.jm. - 1.p. + KONEC_VĚTY Ústava-1.p. zaručuje rovnost-1.p. / 4.p.

25 NELZE použít vždy (!!!) ZAČÁTEK_VĚTY + Podst.jm. - 1.p. + Sloveso v urč. tv. ( "být/bývat/slout ") + Podst.jm. - 1.p. + KONEC_VĚTY Zákon-1.p. / 4.p zaručuje rovnost-1.p. / 4.p.

26 Kdy LZE? ZAČÁTEK_VĚTY - JISTOTA + Podst.jm. - 1.p. - JISTOTA + Sloveso ( "být/bývat/slout ") - JISTOTA + Podst.jm. - 1.p. MOŽNOST = REDUKCE + KONEC_VĚTY - JISTOTA Ústava-1.p. zaručuje rovnost-1.p. / 4.p. Zákon-1.p./4.p zaručuje rovnost-1.p. / 4.p.

27 Úkrok stranou do jazykovědy Každé slovo ve větě musí vykazovat určité kategorie: Ústava-1.p. zaručuje-3.os svobodu-4.p. někdy je lehké rozhodnout, o které kat. (ne)jde Milence vzdálenost nedělí-7.p.j.č. někdy je to těžší (ale ví to autor věty/výpovědi) Tento stroj-1.p. vyrábí uvedené zařízení-4.p. Tento stroj-4.p. vyrábí uvedené zařízení-1.p.

28 Úkrok stranou do jazykovědy Každé slovo ve větě musí vykazovat určité kategorie: někdy to přesně nejde (a neví to ani autor) Používáme postupu-2.p., který zaručuje Používáme postup-4.p., který zaručuje Používáme zařízení-2.p./4.p., které zaručuje

29 Úkrok stranou do jazykovědy Každé slovo ve větě musí vykazovat určité kategorie: VŽDY musí být možné nějakou kategorii přiřadit Úkrok zpět

30 Redukce homonymie ad absurdum FORMÁLNÍ nalezení chybovosti ZAČÁTEK_VĚTY - JISTOTA + Podst.jm. - 1.p. - JISTOTA + Sloveso ( "být/bývat/slout ") - JISTOTA + Podst.jm. - 1.p. MOŽNOST = REDUKCE + KONEC_VĚTY - JISTOTA Ústava-1.p. zaručuje svoboda-1.p.

31 Redukce homonymie ad absurdum FORMÁLNÍ nalezení chybovosti ZAČÁTEK_VĚTY - JISTOTA + Podst.jm. - 1.p. - JISTOTA + Sloveso ( "být/bývat/slout ") - JISTOTA + Podst.jm. - 1.p. MOŽNOST = REDUKCE + KONEC_VĚTY - JISTOTA Ústava-1.p. zaručuje svoboda-*nic*

32 Generalizace na konfigurace neomezené délky Základní postřeh: konfigurace pevné délky lze rozvolnit přidáním materiálu mezi členy konfigurace (při zachování negramatičnosti) Příklad: Předl + Sl. v u.t. Předl + Přísl + Sl. v u.t. Předl + Přísl + Přísl + Sl. v u.t. Předl + Přísl + Přísl + Přísl + Sl. v u.t....

33 Generalizace na konfigurace neomezené délky ZAČÁTEK_VĚTY + n x Přísl. + Podst.jm. - 1.p. + n x Přísl. + Sloveso v urč. tv. ( "být/bývat/slout ") + n x Přísl. + Podst.jm. - 1.p. + n x Přísl. + KONEC_VĚTY

34 Problém 4: konkrétní návrh opravy chyby Má se opravit na Psi pokousaly hyeny. Psi pokousali hyeny. (chyba ve slovesném tvaru) nebo na Psy pokousaly hyeny. (chyba ve tvaru podst. jména) Řešení (ale nic moc): váhy minimálních nesprávných vět

35 Vývoj systému přehled: Obecná lingvistická teorie nesprávných vět Popis rozsáhlé oblasti nesprávných vět češtiny ( ne-gramatika češtiny ) základních, všech konfigurací Obecná lingvistická teorie odstraňování homonymie Empirická studie frekvence chyb Efektivní softwarová podpora: Specializovaný programovací jazyk Implementace Serendipita

36 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání správné nejasné nesprávné

37 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání

38 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání popsáno generativním formalismem nepopsáno popsáno řetězcovým formalismem

39 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Schema skutečné situace

40 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Schema skutečné situace???

41 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Napětí mezi gramatikou a jejím užíváním: REKURSE Obecní úřad každému občanovi vyplatí 50 Kč. Obecní úřad každému občanovi, který toho tuláka udá, vyplatí 50 Kč. Obecní úřad každému občanovi, který toho tuláka, jenž onu sochu poškodil, udá, vyplatí 50 Kč. Obecní úřad každému občanovi, který toho tuláka, jenž onu sochu, která na sloupu, jenž na mostě, který na cestě, jež Horní a Dolní náměstí spojuje, leží, stojí, stojí, poškodil, udá, vyplatí 50 Kč.

42 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Napětí mezi gramatikou a jejím užíváním: REKURSE - pokr. narazíme na hotel... narazíme na v restituci vrácený hotel (ČNK) narazíme na v před deseti lety proběhnuvší restituci vrácený hotel narazíme na v před za turbulentní pokládanými deseti lety proběhnuvší restituci vrácený hotel narazíme na v před za podle kritiků turbulentní pokládanými deseti lety proběhnuvší restituci vrácený hotel...

43 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Napětí mezi gramatikou a jejím užíváním: REKURSE - pokr. narazíme na hotel... narazíme na v restituci vrácený hotel (ČNK) narazíme na v před deseti lety proběhnuvší restituci vrácený hotel... narazíme na v před za turbulentní pokládanými deseti lety proběhnuvší restituci vrácený hotel... narazíme na v před za podle kritiků turbulentní pokládanými deseti lety proběhnuvší restituci vrácený hotel......

47 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Negramatické konfigurace: Předl + Předl + Předl + Předl VztZáj + n x (ANY V-urč.tv.) + VztZáj + n x (ANY V- urč.tv.) + VztZáj + n x (ANY V- urč.tv.) + VztZáj + n x (ANY V- urč.tv.) + VztZáj

48 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání Schema skutečné situace!!!

49 Teoretický přínos: zjednodušení vztahu gramatiky a jejího užívání povedlo se vyřešit situaci, kdy se generativní slabost aparátu gramatiky standardně vyrovnává odkazem na její užívání stojí za podrobnější úvahy: *váhy* negramatických konfigurací (šest předložek je horší než tři apod.) zavedení negramatických *struktur* (popis zeugmat atd.)

50 Atraktivita projektu (a oboru) Kombinace inovativního výzkumu v klasické humanitní disciplíně s matematickou přesností Cutting edge research - špička vyhledávacího výzkumu Perspektiva vývoje oboru Užitečné aplikace