Korpusová lingvistika - Historie editací

Michal Klajban: 11 revizí: IMPORT J-K: import stránek z hlavního jmenného prostoru z KiskWiki (http://kisk.phil.muni.cz/)

2012-02-20T11:37:05Z

11 revizí: IMPORT J-K: import stránek z hlavního jmenného prostoru z KiskWiki (http://kisk.phil.muni.cz/)

72897 v 3. 12. 2011, 18:14

2011-12-03T18:14:29Z

72897 v 3. 12. 2011, 18:13

2011-12-03T18:13:37Z

72897 v 3. 12. 2011, 18:11

2011-12-03T18:11:16Z

72897 v 3. 12. 2011, 18:10

2011-12-03T18:10:29Z

72897 v 3. 12. 2011, 18:07

2011-12-03T18:07:50Z

72897 v 3. 12. 2011, 18:05

2011-12-03T18:05:54Z

72897 v 3. 12. 2011, 18:03

2011-12-03T18:03:26Z

72897 v 3. 12. 2011, 18:02

2011-12-03T18:02:13Z

72897 v 3. 12. 2011, 18:01

2011-12-03T18:01:16Z

@@ Řádek 11: / Řádek 11: @@
 	<blockquote>
 ''podřazené'' - ---</blockquote>
@@ Řádek 33: / Řádek 32: @@
 Plný rozkvět korpusové lingvistiky nastává na přelomu tisíciletí, a to právě díky prudkému vývoji v oblasti informatiky, informačních technologií a hardwaru.[[#Použitá literatura|[3]]]
 == Současný stav ==
@@ Řádek 39: / Řádek 37: @@
 Závěrem uveďme základní informace o tom, jak vypadá situace pro češtinu. Na podzim roku 1994 byl na FF UK založen <i>Ústav českého národního korpusu</i>, v němž se nyní buduje <i>Český národní korpus</i>. Během roku 1995 byl vytvořen jeho základ, v němž je uloženo cca 20 000 000 slovních tvarů (už na konci roku 1996 obsahoval téměř 100 mil. českých slovních tvarů). Vedle <i>ÚČNK</i> se na této práci podílejí další pracoviště UK, jako <i>Ústav teoretické a komputační lingvistiky FF UK</i>, <i>Ústav formální a aplikované lingvistiky MFF UK</i>, dále <i>Ústav pro jazyk český AV ČR</i> a v neposlední řadě <i>Ústav českého jazyka FF MU</i> i <i>Fakulta informatiky MU</i>. Struktura textů ukládaných do korpusu se vyznačuje analyzátorem SGML. Pro gramatické značkování používá analyzátor (tagger) LEMMA vytvořený v Brně.[[#Použitá literatura|[4]]]
 == Odkazy ==
@@ Řádek 45: / Řádek 42: @@
 [http://nlp.fi.muni.cz/cs/nlpc Centrum zpracování přirozeného jazyka FI MU]
 == Použitá literatura ==

@@ Řádek 50: / Řádek 50: @@
 # ČERMÁK, František; BLATNÁ, Renata. ''Korpusová lingvistika : stav a modelové přístupy.'' Vyd. 1. Praha : NLN, Nakladatelství Lidové noviny, 2006. 358 s. ISBN 80-7106-865-9.
 # PALA, Karel. ''Počítačové zpracování přirozeného jazyka'' [online]. Brno : Fakulta Informatiky Masarykovy university, 2000 [cit. 2011-12-03]. Dostupné z WWW: &lt;[http://nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf]&gt;.
+# PALA, Karel. ''Informační technologie a korpusová lingvistika (1).'' Zpravodaj ÚVT MU [online]. 1996, roč. VI, č. 3, [cit. 2011-12-03]. Dostupný z WWW: &lt;[http://www.ics.muni.cz/bulletin/articles/58.html http://www.ics.muni.cz/bulletin/articles/58.html]&gt;. ISSN 1212-0901.
+# PALA, Karel. ''Informační technologie a korpusová lingvistika (2).'' Zpravodaj ÚVT MU [online]. 1996, roč. VI, č. 4, [cit. 2011-12-03]. Dostupný z WWW: &lt;[http://www.ics.muni.cz/bulletin/articles/67.html http://www.ics.muni.cz/bulletin/articles/67.html]&gt;. ISSN 1212-0901.

@@ Řádek 49: / Řádek 49: @@
 == Použitá literatura ==
 # ČERMÁK, František; BLATNÁ, Renata. ''Korpusová lingvistika : stav a modelové přístupy.'' Vyd. 1. Praha : NLN, Nakladatelství Lidové noviny, 2006. 358 s. ISBN 80-7106-865-9.
-# PALA, Karel. ''Počítačové zpracování přirozeného jazyka'' [online]. Brno : Fakulta Informatiky Masarykovy university, 2000 [cit. 2011-12-03]. Dostupné z WWW: lt;[nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf]gt;.
+# PALA, Karel. ''Počítačové zpracování přirozeného jazyka'' [online]. Brno : Fakulta Informatiky Masarykovy university, 2000 [cit. 2011-12-03]. Dostupné z WWW: &lt;[http://nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf nlp.fi.muni.cz/poc_lingv/pala_zprac.pdf]&gt;.
+#
+#

@@ Řádek 43: / Řádek 43: @@
 == Odkazy ==
 [http://www.ff.cuni.cz/FF-7407.html Ústav českého národního korpusu]
 [http://nlp.fi.muni.cz/cs/nlpc Centrum zpracování přirozeného jazyka FI MU]
 == Použitá literatura ==

← Starší verze		Verze z 3. 12. 2011, 18:07
Řádek 39:		Řádek 39:

	Závěrem uveďme základní informace o tom, jak vypadá situace pro češtinu. Na podzim roku 1994 byl na FF UK založen <i>Ústav českého národního korpusu</i>, v němž se nyní buduje <i>Český národní korpus</i>. Během roku 1995 byl vytvořen jeho základ, v němž je uloženo cca 20 000 000 slovních tvarů (už na konci roku 1996 obsahoval téměř 100 mil. českých slovních tvarů). Vedle <i>ÚČNK</i> se na této práci podílejí další pracoviště UK, jako <i>Ústav teoretické a komputační lingvistiky FF UK</i>, <i>Ústav formální a aplikované lingvistiky MFF UK</i>, dále <i>Ústav pro jazyk český AV ČR</i> a v neposlední řadě <i>Ústav českého jazyka FF MU</i> i <i>Fakulta informatiky MU</i>. Struktura textů ukládaných do korpusu se vyznačuje analyzátorem SGML. Pro gramatické značkování používá analyzátor (tagger) LEMMA vytvořený v Brně.[[#Použitá literatura\|[4]]]		Závěrem uveďme základní informace o tom, jak vypadá situace pro češtinu. Na podzim roku 1994 byl na FF UK založen <i>Ústav českého národního korpusu</i>, v němž se nyní buduje <i>Český národní korpus</i>. Během roku 1995 byl vytvořen jeho základ, v němž je uloženo cca 20 000 000 slovních tvarů (už na konci roku 1996 obsahoval téměř 100 mil. českých slovních tvarů). Vedle <i>ÚČNK</i> se na této práci podílejí další pracoviště UK, jako <i>Ústav teoretické a komputační lingvistiky FF UK</i>, <i>Ústav formální a aplikované lingvistiky MFF UK</i>, dále <i>Ústav pro jazyk český AV ČR</i> a v neposlední řadě <i>Ústav českého jazyka FF MU</i> i <i>Fakulta informatiky MU</i>. Struktura textů ukládaných do korpusu se vyznačuje analyzátorem SGML. Pro gramatické značkování používá analyzátor (tagger) LEMMA vytvořený v Brně.[[#Použitá literatura\|[4]]]
		+
		+
		+	== Odkazy ==
		+	[http://www.ff.cuni.cz/FF-7407.html Ústav českého národního korpusu]
		+	[http://nlp.fi.muni.cz/cs/nlpc Centrum zpracování přirozeného jazyka FI MU]
		+
		+
		+	== Použitá literatura ==

← Starší verze	Verze z 20. 2. 2012, 11:37
(Žádný rozdíl)

@@ Řádek 17: / Řádek 17: @@
 Obecná lingvistika neboli jazykověda je disciplína, která studuje přirozený jazyk. Zkoumá vlastní strukturu jazyka, např. prvky, z nichž se skládají slova, jak se slova kombinují do vět, proč některé věty mají určitý význam a jiné nikoli atd.
-<b>Korpusová lingvistika</b> je ta část a podoba lingvistiky, která studuje jazyk prostřednictvím korpusů a od nich odvozené metodologie. Je novým odvětvím lingvistiky, které se objevilo relativně nedávno až díky počítačům a informačním technologiím. Teprve bouřlivý rozvoj osobních počítačů, pracovních stanic a počítačových sítí umožnil ukládat do počítačových pamětí rozsáhlé textové soubory, zpracovávat je a manipulovat s nimi podle zadaných kritérií. Existující softwarové nástroje umožňují třídit a klasifikovat, analyzovat a vyhodnocovat jazyková data v rozsahu, který by nebyl manuálně nikdy uchopitelný. [[#Použitá literatura|[3]]]
+<b>Korpusová lingvistika</b> je ta část a podoba lingvistiky, která studuje jazyk prostřednictvím korpusů a od nich odvozené metodologie. Je novým odvětvím lingvistiky, které se objevilo relativně nedávno až díky počítačům a informačním technologiím. Teprve bouřlivý rozvoj osobních počítačů, pracovních stanic a počítačových sítí umožnil ukládat do počítačových pamětí rozsáhlé textové soubory, zpracovávat je a manipulovat s nimi podle zadaných kritérií. Existující softwarové nástroje umožňují třídit a klasifikovat, analyzovat a vyhodnocovat jazyková data v rozsahu, který by nebyl manuálně nikdy uchopitelný.[[#Použitá literatura|[3]]]
 Jako poměrně mladá disciplína závisí jak na rozvoji korpusů, tak na metodologii jejich výstavby a vytěžování. Je nutně spjatá s reálnými texty, ať už psanými či mluvenými. Vyhýbá se tedy jakýmkoliv experimentům a introspekci, která na datech není založena. Povaha poznání jazyka založeného na korpusovém výzkumu a analýze se mimo jakoukoliv pochybnost přitom ukazuje jako bezprecedentně hlubší a přesvědčivější než cokoliv, co bylo k dispozici ještě nedávno, v době předkorpusové.
-Korpusová lingvistika se částečně překrývá s počítačovou lingvistikou, z níž čerpá řadu postupů a technik, nicméně svou orientací na korpusy a jejich vyčerpávající a systematické zpracování se od ní dnes už významně liší. [[#Použitá literatura|[1]]][[#Použitá literatura|[2]]]
+Korpusová lingvistika se částečně překrývá s počítačovou lingvistikou, z níž čerpá řadu postupů a technik, nicméně svou orientací na korpusy a jejich vyčerpávající a systematické zpracování se od ní dnes už významně liší.[[#Použitá literatura|[1]]][[#Použitá literatura|[2]]]
 == Historie ==
@@ Řádek 36: / Řádek 36: @@
 == Současný stav ==
-Korpusová lingvistika nepředstavuje dnes jen etapu vývoje, kdy lingvistika poprvé v historii má dat konečně relativní dostatek, ale kdy je schopná se s plnou vahou dostupného jazyka a jeho kontextů začít reorientovat a zvracet nepříznivou a jednostrannou rovnováhu při jeho popisu od paradigmatického pohledu a k pohledu syntagmatickému. Vyvíjí metody a rozvíjí poznání o souvislostech a textových souvztažnostech, zlepšuje a přehodnocuje poznání paradigmatického (třídového) a kombinatorického pohledu. Zároveň objevuje staré neřešené problémy, především o rozdílu a hranicích mezi lexikonem a gramatikou. [[#Použitá literatura|[1]]]
+Korpusová lingvistika nepředstavuje dnes jen etapu vývoje, kdy lingvistika poprvé v historii má dat konečně relativní dostatek, ale kdy je schopná se s plnou vahou dostupného jazyka a jeho kontextů začít reorientovat a zvracet nepříznivou a jednostrannou rovnováhu při jeho popisu od paradigmatického pohledu a k pohledu syntagmatickému. Vyvíjí metody a rozvíjí poznání o souvislostech a textových souvztažnostech, zlepšuje a přehodnocuje poznání paradigmatického (třídového) a kombinatorického pohledu. Zároveň objevuje staré neřešené problémy, především o rozdílu a hranicích mezi lexikonem a gramatikou.[[#Použitá literatura|[1]]]

← Starší verze		Verze z 3. 12. 2011, 18:03
Řádek 33:		Řádek 33:

	Plný rozkvět korpusové lingvistiky nastává na přelomu tisíciletí, a to právě díky prudkému vývoji v oblasti informatiky, informačních technologií a hardwaru.[[#Použitá literatura\|[3]]]		Plný rozkvět korpusové lingvistiky nastává na přelomu tisíciletí, a to právě díky prudkému vývoji v oblasti informatiky, informačních technologií a hardwaru.[[#Použitá literatura\|[3]]]
		+
		+
		+	== Současný stav ==
		+	Korpusová lingvistika nepředstavuje dnes jen etapu vývoje, kdy lingvistika poprvé v historii má dat konečně relativní dostatek, ale kdy je schopná se s plnou vahou dostupného jazyka a jeho kontextů začít reorientovat a zvracet nepříznivou a jednostrannou rovnováhu při jeho popisu od paradigmatického pohledu a k pohledu syntagmatickému. Vyvíjí metody a rozvíjí poznání o souvislostech a textových souvztažnostech, zlepšuje a přehodnocuje poznání paradigmatického (třídového) a kombinatorického pohledu. Zároveň objevuje staré neřešené problémy, především o rozdílu a hranicích mezi lexikonem a gramatikou. [[#Použitá literatura\|[1]]]

← Starší verze		Verze z 3. 12. 2011, 18:01
Řádek 11:		Řádek 11:
	<blockquote>		<blockquote>
	''podřazené'' - ---</blockquote>		''podřazené'' - ---</blockquote>
		+
		+
		+
		+	== Charakteristika ==
		+	Obecná lingvistika neboli jazykověda je disciplína, která studuje přirozený jazyk. Zkoumá vlastní strukturu jazyka, např. prvky, z nichž se skládají slova, jak se slova kombinují do vět, proč některé věty mají určitý význam a jiné nikoli atd.
		+
		+	<b>Korpusová lingvistika</b> je ta část a podoba lingvistiky, která studuje jazyk prostřednictvím korpusů a od nich odvozené metodologie. Je novým odvětvím lingvistiky, které se objevilo relativně nedávno až díky počítačům a informačním technologiím. Teprve bouřlivý rozvoj osobních počítačů, pracovních stanic a počítačových sítí umožnil ukládat do počítačových pamětí rozsáhlé textové soubory, zpracovávat je a manipulovat s nimi podle zadaných kritérií. Existující softwarové nástroje umožňují třídit a klasifikovat, analyzovat a vyhodnocovat jazyková data v rozsahu, který by nebyl manuálně nikdy uchopitelný. [[#Použitá literatura\|[3]]]
		+
		+	Jako poměrně mladá disciplína závisí jak na rozvoji korpusů, tak na metodologii jejich výstavby a vytěžování. Je nutně spjatá s reálnými texty, ať už psanými či mluvenými. Vyhýbá se tedy jakýmkoliv experimentům a introspekci, která na datech není založena. Povaha poznání jazyka založeného na korpusovém výzkumu a analýze se mimo jakoukoliv pochybnost přitom ukazuje jako bezprecedentně hlubší a přesvědčivější než cokoliv, co bylo k dispozici ještě nedávno, v době předkorpusové.
		+	Korpusová lingvistika se částečně překrývá s počítačovou lingvistikou, z níž čerpá řadu postupů a technik, nicméně svou orientací na korpusy a jejich vyčerpávající a systematické zpracování se od ní dnes už významně liší. [[#Použitá literatura\|[1]]][[#Použitá literatura\|[2]]]
		+
		+	== Historie ==
		+	Vznik korpusové lingvistiky (alespoň v teoretické rovině) se datuje do 50. let 20. století, kdy někteří američtí lingvisté (Harris, Hill) dospěli k názoru, že <i>korpus – dostatečně velký soubor přirozeně se vyskytujících jazykových dat</i> – je nutným a dostačujícím empirickým základem pro vytvoření popisu daného přirozeného jazyka (jeho gramatiky); přitom intuitivní evidence a introspekce byla odsunuta až na druhé místo, ne-li vůbec na poslední.
		+	Pak přišel Noam Chomsky s názorem, že korpusy jsou neadekvátní a vlastně nepotřebné, a naopak právě lingvistova intuice a introspekce je hlavním východiskem při tvoření gramatik, což se stalo ortodoxním stanoviskem následující lingvistické generace.
		+	Korpusová lingvistika v novém pojetí začala vznikat nenápadně počátkem 60. let (Quirk, 1960, Kučera a Francis, 1967). Quirk začal pracovat na <i>Survey of English Usage, SEU</i>. V rámci SEU se počítalo i se zpracováním mluvené angličtiny, nebyl však orientován počítačově. O něco později začal pod vedením Čecha H. Kučery a Američana N. Francise na Brown University v USA vznikat počítačový korpus současné americké angličtiny – <i>Computational Analysis of Present-Day American English</i>, obsahující jen psané texty.
		+	Dnes je již korpusů v jednotlivých jazycích celá řada a jejich rozsah i počet roste - jen u angličtiny to začíná klasickým miliónovým <i>Brown Corpusem</i> až po nedávný <i>British National Corpus</i> - BNC obsahující 100 miliónů slov (Consortium Oxford University Press, Lancaster and Birmingham University) a v rámci COBUILDu v Birminghamu vytvořený korpus <i>Bank of English</i> (J. Sinclair) čítající nyní 220 miliónů slovních forem a připravený k rozšíření na 500 miliónů.
		+	Plný rozkvět korpusové lingvistiky nastává na přelomu tisíciletí, a to právě díky prudkému vývoji v oblasti informatiky, informačních technologií a hardwaru.[[#Použitá literatura\|[3]]]