| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| manualy:treq [2017/04/06 15:02] – [Princip zarovnání] michalskrabal | manualy:treq [2022/12/30 17:39] (aktuální) – capka |
|---|
| ====== Treq ====== | ====== Treq ====== |
| |
| {{ :manualy:treq.png?direct&200|}} | {{ :manualy:treq.png?nolink&200|}} |
| |
| Aplikace [[http://treq.korpus.cz|Treq]] slouží k obousměrnému prohledávání česko-cizojazyčných a anglicko-cizojazyčných slovníků vytvořených automaticky na základě dat paralelního korpusu [[cnk:intercorp|InterCorp]]. Lze v ní snadno a pohodlně vyhledávat možné překladové ekvivalenty či se inspirovat při hledání synonym. | Aplikace [[http://treq.korpus.cz|Treq]] slouží k obousměrnému prohledávání česko-cizojazyčných, anglicko-cizojazyčných a španělsko-cizojazyčných slovníků vytvořených automaticky na základě dat paralelního korpusu [[cnk:intercorp|InterCorp]]. Lze v ní snadno a pohodlně vyhledávat možné překladové ekvivalenty či se inspirovat při hledání synonym. |
| |
| Treq je webová aplikace (k jejímu užívání stačí internetový prohlížeč) a je dostupná bez [[kurz:zaciname|registrace]] všem uživatelům na adrese **[[http://treq.korpus.cz|treq.korpus.cz]]**. | Treq je webová aplikace (k jejímu užívání stačí internetový prohlížeč) a je dostupná bez [[kurz:zaciname|registrace]] všem uživatelům na adrese **[[http://treq.korpus.cz|treq.korpus.cz]]**. Kromě toho je možné používat Treq i přes [[manualy:api|API]]. |
| |
| Nejdříve zvolíme výchozí jazyk, v němž je hledaný výraz, a cílový jazyk, do něhož jej chceme přeložit. Slovo můžeme zadat v konkrétním tvaru, v základním slovníkovém tvaru (//Lemmata//), lze vyhledávat i víceslovnou jednotku (//Víceslovné//), využít při hledání regulární výrazy (//Regulární//) nebo v dotazu nerozlišovat velikost písmen (//A = a//). Můžeme si také vybrat, zda má být výsledek založen na překladech beletristického jádra, jednotlivých kolekcí, nebo všech textů v InterCorpu (//Omezit na://). Pak slovo zadáme (//Dotaz://) a klikneme na //Hledej//. Výsledkem dotazu je seznam nalezených překladů zadaného slova, defaultně setříděných sestupně podle frekvence. Realizaci dané dvojice výrazů v kontextu si lze ověřit pomocí hypertextového odkazu, jimž jsou jednotlivé ekvivalenty opatřeny. Počet výskytů udávaný v rozhraní Treq a KonText se však může lišit -- paralelní dotaz najde i konkordance, v nichž potenciální ekvivalent odpovídá jinému slovu. | Nejdříve zvolíme výchozí jazyk, v němž je hledaný výraz, a cílový jazyk, do něhož jej chceme přeložit. Slovo můžeme zadat v konkrétním tvaru, v základním slovníkovém tvaru (//Lemmata//), lze vyhledávat i víceslovnou jednotku (//Víceslovné//), využít při hledání regulární výrazy (//Regulární//) nebo v dotazu nerozlišovat velikost písmen (//A = a//). Můžeme si také vybrat, zda má být výsledek založen na překladech beletristického jádra, jednotlivých kolekcí, nebo všech textů v InterCorpu (//Omezit na://). Pak slovo zadáme (//Dotaz://) a klikneme na //Hledej//. Výsledkem dotazu je seznam nalezených překladů zadaného slova, defaultně setříděných sestupně podle frekvence. Realizaci dané dvojice výrazů v kontextu si lze ověřit pomocí hypertextového odkazu, jimž jsou jednotlivé ekvivalenty opatřeny. Počet výskytů udávaný v rozhraní Treq a KonText se však může lišit -- paralelní dotaz najde i konkordance, v nichž potenciální ekvivalent odpovídá jinému slovu. |
| Následuje automatické zarovnání po slovech v rámci těchto vět pomocí programu GIZA++((viz [[http://dx.doi.org/10.1162/089120103321337421|Och–Ney 2003]])). Ve starších verzích Trequ se využívalo zarovnání pomocí metody //intersection//, které páruje jedno slovo s jedním ekvivalentem, např.: | Následuje automatické zarovnání po slovech v rámci těchto vět pomocí programu GIZA++((viz [[http://dx.doi.org/10.1162/089120103321337421|Och–Ney 2003]])). Ve starších verzích Trequ se využívalo zarovnání pomocí metody //intersection//, které páruje jedno slovo s jedním ekvivalentem, např.: |
| | |
| OBR. 1 | {{:manualy:carky_int.jpg?300|}} |
| |
| OBR. 2 | {{:manualy:carky_int_spoustu_lidi_to_nastvalo.jpg?450|}} |
| |
| Tzn. že v první větě první slovo ve zdrojovém jazyku (0) odpovídá prvnímu slovu v jazyku cílovém (0), druhé slovo (1) odpovídá třetímu slovu (2) atd. Počínaje verzí 2.0 byla navíc využita metoda //grow-diag-final-and//, která umožňuje vytvářet i komplikovanější zarovnání více slov na obou stranách překladu. Takové zarovnání pak může vypadat třeba takto: | Tzn. že v první větě první slovo ve zdrojovém jazyku (0) odpovídá prvnímu slovu v jazyku cílovém (0), druhé slovo (1) odpovídá třetímu slovu (2) atd. Počínaje verzí 2.0 byla navíc využita metoda //grow-diag-final-and//, která umožňuje vytvářet i komplikovanější zarovnání více slov na obou stranách překladu. Takové zarovnání pak může vypadat třeba takto: |
| |
| OBR. 3 | {{:manualy:carky_gdfa.jpg?300|}} |
| |
| OBR. 4 | {{:manualy:carky_gdfa_spoustu_lidi_to_nastvalo.jpg?450|}} |
| |
| Oproti případu výše tu druhé slovo ve zdrojovém jazyku (1) neodpovídá pouze třetímu (2), ale též druhému a čtvrtému (1, 3) slovu v jazyku cílovém atd. | Oproti případu výše tu druhé slovo ve zdrojovém jazyku (1) neodpovídá pouze třetímu (2), ale též druhému a čtvrtému (1, 3) slovu v jazyku cílovém atd. |
| Z takovéhoto zarovnání je následně vybráno co největší množství kombinací slov, které toto zarovnání umožňuje (viz též příklad extrahovaných ekvivalentů níže). | Z takovéhoto zarovnání je následně vybráno co největší množství kombinací slov, které toto zarovnání umožňuje (viz též příklad extrahovaných ekvivalentů níže). |
| V obou případech jsou zarovnané dvojice slov setříděny a sečteny, výsledky automatické extrakce však už nejsou nijak revidovány a uživateli jsou poskytnuty formou seznamu nalezených ekvivalentů zadaného výrazu, doplněných o absolutní a relativní frekvenci. | V obou případech jsou zarovnané dvojice slov setříděny a sečteny, výsledky automatické extrakce však už nejsou nijak revidovány a uživateli jsou poskytnuty formou seznamu nalezených ekvivalentů zadaného výrazu, doplněných o absolutní a relativní frekvenci. Tyto údaje jsou uživatelovým primárním vodítkem: čím častěji se ekvivalent hledaného výrazu vyskytl ve srovnání s ostatními ekvivalenty, tím vyšší je pravděpodobnost, že je funkční. |
| V jakém poměru jsou frekvence nalezené v KonTextu s těmi zobrazovanými Treqem, ukazuje přiložená tabulka. Ta vyčísluje různé typy dat v jednotlivých fázích jejich zpracování pro Treq z anglické složky IC v9 (víceslovná varianta). | V jakém poměru jsou frekvence nalezené v KonTextu s těmi zobrazovanými Treqem, ukazuje přiložená tabulka. Ta vyčísluje různé typy dat v jednotlivých fázích jejich zpracování pro Treq z anglické složky IC v9 (víceslovná varianta). |
| |
| OBR. 5 TAB | {{:manualy:treq-tabulka.jpg|}} |
| |
| Po dílčích krocích lze sledovat postupný úbytek dat, která jsou ve výsledném slovníku použita. V prvním kroku použijeme pouze zarovnání vět 1:1 – tím přijdeme o 20,7 % vět. Následně se vyberou na základě zarovnání z programu GIZA++ víceslovné ekvivalenty. Vztah mezi velikostí původního korpusu a počtem vyextrahovaných ekvivalentů však nelze jasně předvídat, zvláště pak u víceslovných ekvivalentů, kde vznikají nejrůznější kombinace stejných slov (viz tučně vysázené dvojice níže). Takto by např. vypadal abecedně řazený soupis česko-anglických párů extrahovaných z druhé příkladové věty: | Po dílčích krocích lze sledovat postupný úbytek dat, která jsou ve výsledném slovníku použita. V prvním kroku použijeme pouze zarovnání vět 1:1 – tím přijdeme o 20,7 % vět. Následně se vyberou na základě zarovnání z programu GIZA++ jedno- a víceslovné ekvivalenty. Vztah mezi velikostí původního korpusu a počtem vyextrahovaných ekvivalentů však nelze jasně předvídat, zvláště pak u víceslovných ekvivalentů, kde vznikají nejrůznější kombinace stejných slov (viz tučně vysázené dvojice níže). Takto by např. vypadal abecedně řazený soupis česko-anglických párů extrahovaných z druhé příkladové věty: |
| |
| //a – and// | //a – and// |
| ===== Obrázky aplikace ===== | ===== Obrázky aplikace ===== |
| |
| [{{:manualy:treq-form.png?direct&300|Zadávací formulář}}] | [{{:manualy:home.png?direct&300|Zadávací formulář}}] |
| [{{:manualy:treq-skorapka.png?direct&300|Hledání v česko-anglické části}}] | [{{:manualy:basic.png?direct&300|Jednoduché hledání v německo-české části}}] |
| [{{:manualy:treq-warum.png?direct&300|Hledání v česko-německé části}}] | [{{:manualy:regex.png?direct&300|Pokročilé hledání (pomocí regulárních výrazů) v anglicko-české části}}] |
| | |
| | ===== Jak citovat Treq ===== |
| | |
| | <WRAP round tip 80%> |
| | Vavřín, M. – Rosen, A.: Treq. FF UK. Praha 2015. Dostupný z WWW: <http://treq.korpus.cz>. |
| | |
| | Škrabal, M. – Vavřín, M. (2017): Databáze překladových ekvivalentů Treq. //Časopis pro moderní filologii// 99 (2), s. 245–260. |
| | </WRAP> |
| |
| ==== Související odkazy ==== | ==== Související odkazy ==== |
