pojmy:morfologicka_analyza - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.
====== Morfologická analýza ======

V rámci procesu automatického zpracovávání korpusu se morfologickou analýzou rozumí ta část, při níž se každému slovnímu tvaru v (korpusovém) textu přiřadí všechna jeho [[pojmy:lemma|lemmata]] a všechny morfologické údaje včetně slovního druhu v podobě značky ([[pojmy:tag|tagu]]). Je-li tvar slovnědruhově a/nebo morfologicky homonymní, přiřadí mu morfologická analýza takových údajů více než jeden. 

Například morfologická analýza věty //Sním je místo něho.// přiřadí jednotlivým slovním tvarům tyto údaje (v prvním sloupci je analyzovaný tvar, ve druhém lemma, ve třetím značka):

|Sním	|	**sníst**	|	**''<nowiki>VB-S---1----P--</nowiki>''** |
|:::	|	snít	|	''<nowiki>VB-S---1----I--</nowiki>'' |
|je	|	být	|	''<nowiki>VB-S---3----I--</nowiki>'' |
|:::	|	on	|	''<nowiki>PPNS4----------</nowiki>'' |
|:::	|	oni	|	''<nowiki>PPMP4----------</nowiki>'' |
|:::	|	**oni**	|	**''<nowiki>PPIP4----------</nowiki>''** |
|:::	|	oni	|	''<nowiki>PPFP4----------</nowiki>'' |
|:::	|	oni	|	''<nowiki>PPNP4----------</nowiki>'' |
|místo	|	místo	|	''<nowiki>Db-------------</nowiki>'' |
|:::	|	místo	|	''<nowiki>NNNS1----------</nowiki>'' |
|:::	|	místo	|	''<nowiki>NNNS4----------</nowiki>'' |
|:::	|	místo	|	''<nowiki>NNNS5----------</nowiki>'' |
|:::	|	**místo**	|	**''<nowiki>RR--2----------</nowiki>''** |
|něho	|	něha	|	''<nowiki>NNFS5----------</nowiki>'' |	
|:::	|	**on**	|	**''<nowiki>P5MS2--3-------</nowiki>''** |
|:::	|	on	|	''<nowiki>P5MS4--3-------</nowiki>'' |
|:::	|	on	|	''<nowiki>P5IS2--3-------</nowiki>'' |
|:::	|	on	|	''<nowiki>P5NS2--3-------</nowiki>'' |
|.	|	.	|	''<nowiki>Z:-------------</nowiki>'' |

Symboly ve značce mají tento význam:\\
 1. pozice: **slovní druh**: V – sloveso, P – zájmeno, N – substantivum, D – příslovce, R – předložka, Z – interpunkce\\
 2. pozice: **poddruh slovního druhu**: B – prézens, P – osobní zájmeno, N – apelativum, 5 - tvar os. zájmena po předložce, : - interpunkce, b - příslovce (nestupňovatelné)\\
 3. pozice: **jmenný rod**: M – maskulinum životné, I – maskulinum neživotné. F – femininum, N – neutrum\\
 4. pozice: **číslo**: S – singulár, P – plurál\\
 5. pozice: **pád**: 1 – nominativ, 2 – genitiv, 4 – akuzativ, 5 – vokativ\\
 6.-7. pozice: zde nevyužito\\
 8. pozice: **osoba**: 1 – první, 3 – třetí\\
 9.-12. pozice: zde nevyužito (hodnoty nahrazeny "-")\\
 13. pozice: **vid**: P – dokonavý, I – nedokonavý\\
 14.-15. pozice: zde nevyužito\\

Morfologická analýza se provádí počítačovým programem, zvaným //morfologický analyzátor//, a je součástí morfologické anotace; na morfologickou analýzu obvykle navazuje lemmatizace a morfologická [[pojmy:desambiguace|desambiguace]]. Výsledkem správné [[pojmy:lemma#lemmatizace|lemmatizace]] a morfologické desambiguace následující po morfologické analýze uvedené věty jsou interpretace označené **tučně**. 

V korpusech ČNK se pro české texty používá tzv. "pražská" morfologická analýza navržená na ÚFAL MFF UK pro Pražský závislostní korpus, s některými odlišnostmi specifickými pro ČNK. Verze [[cnk:intercorp:verze13ud|13ud]] paralelního korpusu [[cnk:intercorp|InterCorp]] je morfologicky (a syntakticky) anotována alternativním způsobem podle zásad mezinárodního projektu [[pojmy:ud|Universal Dependencies]].

Podrobný postup celého procesu automatické anotace včetně údajů o míře úspěšnosti je popsán na příkladu korpusu [[cnk:SYN2020|SYN2020]] na stránce [[cnk:SYN2020:automaticka_anotace|automatická anotace korpusu SYN2020]].

 --- //V. Petkevič, V. Cvrček, T. Jelínek, J. Křivan//

==== Související odkazy ====

<WRAP round box 49%>
[[pojmy:desambiguace|Desambiguace]] • [[pojmy:lemma|Lemmatizace]] • [[pojmy:tag|Tagování]] • [[pojmy:anotace|Anotace]] • [[cnk:SYN2020:automaticka_anotace|Automatická anotace SYN2020]]
</WRAP>
Historie: • monokolokabilita • zaciname • mluveny • verzovany • hledani_frazemy • morfologicka_analyza • regularni_vyrazy • desambiguace • txtype_group • verze10