Morfologia. Ćwiczenie z użyciem programu mmorph. Jan Daciuk. Katedra Inżynierii Wiedzy Wydział ETI, PG. mmorph. Jan Daciuk. Dane słownikowe.

Transkrypt

1 Morfologia Ćwiczenie z użyciem programu Katedra Inżynierii Wiedzy Wydział ETI, PG

2 i języka polskiego na ogół zawieraja tabele odmiany. Oprócz nich warto skorzystać z następujacych ksiażek: 1. Zygmunt Saloni, Włodzimierz Gruszczyński, Marcin Woliński, gramatyczny języka polskiego. Podstawy teoretyczne. Instrukcja użytkowania, Wiedza powszechna, Zygmunt Saloni, Czasownik polski. Odmiana., Wiedza Powszechna, Warszawa, Stanisław Mędak, form koniugacyjnych czasowników polskich, Universitas, Kraków, Stanisław Mędak, odmiany rzeczowników polskich, Universitas, Kraków, Mirosław Bańko, Wykłady z polskiej fleksji, Wydawnictwo naukowe PWN, Warszawa, 2002.

3 gramatyczny języka polskiego

6 Wymagana jest odmiana trzech zadanych słów, a następnie dodanie do każdego odmienionego słowa po dwa słowa, które odmieniaja się według tego samego wzoru. Zadane słowa to: rzeczownik przymiotnik czasownik

7 Rzeczownik posiada rodzaj. Jest to jego cecha jako leksemu. Rodzaj można określić na dwa sposoby: 1. tradycyjny rodzaj męski, żeński i nijaki oraz dla rodzaju męskiego podtypy osobowy/nieosobowy i ożywiony/nieożywiony, 2. rodzaje męskoosobowy, męskozwierzęcy, męskorzeczowy, żeński i nijaki. Rzeczownik odmienia się przez: liczbę: pojedyncza i mnoga (istnieja rzeczowniki posiadajace tylko liczbę pojedyncza lub tylko liczbę mnoga), przypadek: mianownik, dopełniacz, celownik, biernik, wołacz, narzędnik i miejscownik.

8 Przymiotnik odmienia się przez: liczbę: pojedyncza i mnoga, przypadek: jak dla rzeczownika; formy biernika rodzaju męskiego zależa od żywotności rodzaj: męski, żeński i nijaki dla liczby pojedynczej, męskoosobowy i niemęskoosobowy dla liczby mnogiej Stopniowanie przymiotnika to już słowotwórstwo. Jeżeli przymiotnik stopniuje się regularnie lub nieregularnie, to należy podać także stopień wyższy i najwyższy oraz wszystkie ich formy jak dla stopnia równego. Stopień jest cecha przymiotnika. Z przymiotnika można otrzymać przysłówek: nieodmienny, ale stopniowalny

9

10 Czasownik odmienia się na wiele różnych sposobów; powstaje z niego także wiele form pochodnych. Czasownik może mieć: aspekt: dokonany lub niedokonany jest to cecha czasownika (czasowniki dziela się na dokonane i niedokonane, przy czym tych drugich jest więcej), tryb: oznajmujacy, rozkazujacy, przypuszczajacy (czasowniki w bezokoliczniku i bezosobowe można potraktować jako posiadajace specjalny tryb), czas: teraźniejszy lub przyszły (zależy od aspektu) i przeszły, liczbę osobę rodzaj: męski, żeński, nijaki, męskoosobowy i niemęskoosobowy; rodzaj występuje tylko dla niektórych form i trybów.

11 W trybie oznajmujacym w czasie teraźniejszym lub przyszłym czasownik odmienia się przez liczbę i osobę. Temat w tym czasie powstaje z tematu czasownika przez dodanie (możliwie zerowego) morfemu na końcu, np dla czasownika kupować do tematu kup dodajemy uj. Temat dla czasu przeszłego w trybie oznajmujacym powstaje podobnie jak dla czasu teraźniejszego/przyszłego, np dla kupować do tematu kup dodajemy ow. Z tego tematu powstaja formy odmienione trzeciej osoby: liczby pojedynczej rodzaju męskiego, liczby mnogiej rodzaju męskosobowego i liczby mnogiej rodzaju niemęskoosobowego. Z tych form powstaja formy dla innych osób i innych (w liczbie pojedynczej) rodzajów.

12 Formy trybu przypuszczajacego powstaja przez dodanie morfemu by do form trzeciej osoby czasu przeszłego trybu oznajmujacego, a następnie dodaniu końcówek podobnie jak dla pozostałych form czasu przeszłego. Końcówki nie musza być dokładnie takie same, np: kupował+em i kupował+by+m. Druga osoba liczby pojedynczej trybu rozkazujacego powstaje z tematu czasownika i możliwie zerowego morfemu. Pierwsza i druga osoba liczby mnogiej powstaja z drugiej osoby liczby pojedynczej przez dodanie końcówek.

13 Bezokolicznik powstaje z tematu czasownika przez dołaczenie końcówki. Podobnie jest z forma bezosobowa czasu przeszłego. Formy odmienione rzeczownika odczasownikowego (odsłownik) tworzone sa przez dodawanie końcówek do tematu utworzonego w wyniku dodania morfemu do tematu czasownika. Warto zwrócić uwagę, że deklinacja takiego rzeczownika nie musi być taka sama, jak zadanego rzeczownika.

14 Imiesłowy współczesne (przymiotnikowy i przysłówkowy) istnieja tylko dla czasowników niedokonanych. Temat imiesłowu przymiotnikowego uzyskujemy przez dodanie morfemu do tematu czasownika, formy odmienione jak dla przymiotnika. Imiesłów przeszły przymiotnikowy i imiesłów uprzedni istnieja tylko dla czasowników dokonanych i tworzone sa w podobny sposób, jak imiesłowy współczesne. Temat imiesłówu biernego tworzony jest z tematu czasu przeszłego (czasami teraźniejszego). Istnieje tylko dla czasowników niedokonanych.

15 Dokumentacja: man jak wywołać program, man 5 jak przygotować plik z danymi. Przykłady: w systemach opartych o Debian katalog /usr/share/doc//examples, w innych systemach zależy od instalacji; najlepiej poszukać (polecenie locate) pliku lex.exp.v.gz.

16 @Lexicon

17 Sekcja zaczyna po czym deklarowane sa alfabet słownikowy (lexical) i powierzchniowy (surface). Alfabet powierzchniowy zawiera zestaw symboli (znaków) występujacych w słowach w tekście, a więc na ogół litery (czasami pomija się duże litery). Alfabet słownikowy może zawierać dodatkowe symbole, np 0 dla oznaczenia morfemu zerowego, s_prim lub softened_p dla oznaczenia zmiękczonego p itp. lexical: a a b c ć d e ę f g h i j k l ł m n ń o ó p q r s ś t u v w x y z ź ż ; i być może duże litery prim b_prim d_prim f_prim g_prim h_prim... w_prim 0 a_a e_e o_o o_u a_e 0_e... surface: a a b c ć d e ę f g h i j k l ł m n ń o ó p q r s ś t u v w x y z ź ż ; i być może duże litery

18 W sekcji zaczynajacej się deklaruje się możliwe wartości cech. Na przykład: ;; NUMber: SinGular and PLural ; none is specified to force to print all num: sg pl none form: stem stem_pres stem_past surface Mamy tylko dwie możliwe liczby: pojedyncza (sg) i mnoga (pl). Dodanie niewystępujacego w opisach none do listy możliwych wartości cechy num spowoduje wypisanie wartości num=sg pl, które w przeciwnym wypadku byłyby pomijane.

19 W sekcji zaczynajacej się zapisuje się możliwe cechy części mowy (gotowych słów) i morfemów. Przykład: ; adjective a: deg gen num case form par_a dega advs Przymiotnik ma cechy: stopień, rodzaj, liczba i przypadek. Takowe sa wypisywane. W regułach wykorzystuje się także inne cechy: formę, wzór odmiany, sposób tworzenia stopnia wyższego i sposób tworzenia przysłówka. Ponieważ cechy te maja znaczenie tylko przy tworzeniu form, a nie przy ich opisie, nie sa drukowane do tego służy kreska pionowa.

20 Sekcja zaczynajaca się zawiera trzy typy reguł: reguły celu, reguły dwójkowe i reguły afiksów. podaja, co zostanie potraktowane jako ostateczne, dobrze ukształtowane słowa. Na przykład: GoalA: a[form=surface] GoalP: p[] Prawidłowo ukształtowane przymiotniki (a od adjective) musza mieć cechę form o wartości równej surface. Prawidłowo ukształtowane przyimki (p od preposition) moga mieć dowolne cechy. Identyfikator przed dwukropkiem jest nazwa reguły i pomaga przy śledzeniu wykonywania programu.

21 podaja, co powstanie w wyniku połaczenia dwóch elementów, jednocześnie nakładajac warunki na cechy łaczonych elementów. Przykład: ;; Adverbs in positive degree adv_pos : adv[deg=pos advs=$advs form=surface] < a[deg=pos form=stem advs=$advs par_a!=no] advsuf[deg=pos advs=$advs] Przysłówek (adv od adverb) w stopniu równym (deg=pos) i formie powierzchniowej (form=surface) powstaje z połaczenia przymiotnika (a od adjective) w stopniu równym (deg=pos), odmiennego oraz końcówki przysłówka (advsuf od adjectival suffix) dla stopnia równego. Przymiotnik i końcówka przysłówka musza mieć ten sam ($advs) wzór tworzenia przysłówka (advs); taka sama wartość tej cechy będzie miał powstajacy przysłówek. Dolar przed nazwa cechy oznacza zmienna przyjmujac a dowolna wartość.

22 Istnieja szczególne formy reguł dwójkowych: Element docelowy powstaje z jednego, a nie dwóch elementów. Tekstowa reprezentacja na poziomie słownikowym jednego z morfemów jest podana bezpośrednio w regule. Jeśli jest podana dla pierwszego morfemu, to jest to reguła przedrostkowa, jeśli dla drugiego przyrostkowa. Reprezentacja tekstowa (w cudzysłowach) poprzedza nazwę elementu.

23 sa słownikami morfemów zwiazanych. Po nazwie reguły i dwukropku występuje reprezentacja tekstowa morfemu na poziomie słownikowym ujęta w cudzysłowy, po czym następuje nazwa nazwa morfemu występujaca w regułach i lista cech i ich wartości ujęta w nawiasy kwadratowe. Przykład: adv.pos1: o advsuf[deg=pos advs=o] adv.pos2: &prim;e advsuf[deg=pos advs=e] W przykładzie podano dwie końcówki przysłówka. W regule o nazwie adv.pos1 występuje końcówka o, natomiast w regule adv.pos2 końcówka zawiera zmiękczenie (prim deklarowane w alfabecie słownikowym), po którym następuje e. Pierwsza końcówka ma cechę advs=o, druga advs=e.

24 W sekcji zaczynajacej się definiowane sa klasy symboli wykorzystywanych w regułach ortograficznych: Vowel: a e i o ó u y a ę Vowel_not_i: a e o ó u y a ę Vowel_not_iy: a e o ó u a ę Vowel_eou: e o ó u Consonant: b c ć d f g h j k l ł m n ń p r s ś t v w x z ż ź Voiced_Consonant: b d g h l m n ń r w z ż ź primable: c n s z notprimable: b ć d f g h j k l ł m ń p r ś t v w x ź ż Objaśnienia: vowel samogłoska, consonant spółgłoska, voiced dźwięczna, primable (neologizm) do której można dopisać u góry kreseczkę-zmiękczenie.

25 W sekcji zaczynajacej się podaje się pary symboli lub ciagów symboli występujace w regułach ortograficznych. oddzielone sa ukośnikiem, po lewej stronie jest poziom powierzchniowy, po prawej słownikowy. Ciagi symboli (< 0, 1 > dla powierzchniowych, < 0, ) dla słownikowych) ujmuje się w symbole < i >. Przykłady: cnsz: c/c n/n s/s z/z palatalize_cnsz: ć/c ń/n ś/s ź/z depalatalize_cnsz: c/ć n/ń s/ś z/ź palatalized_cnsz: ć/ć ń/ń ś/ś ź/ź a_og_for_e_og: a/ę deprim_primed: b/b_prim d/d_prim... w/w_prim kg: k/k g/g insert_i: i/<> delete_k: <>/k unaltered: a/a_a e/e_e o/o_o a/ag_ag ę/eg_eg

26 W sekcji zaczynajacej się podawane sa reguły ortograficzne. W regule ortograficznej podaje się nazwę reguły, dwukropek, operator (=>, <= i <=>), lewy kontekst, znak -, część ulegajac a zamianie, znak - i prawy kontekst. Wszystkie części moga być ciagami par zarówno podanymi bezpośrednio w regule, jak i definiowany wcześniej w Granica słowa jest oznaczana za pomoca tyldy, granica morfemu za pomoca * lub +. ; ci&o_o;ć+0 > cioć x_x_to_x: <=> - unaltered - ; brzydk+e -> brzydkie insert_i_after_soft: <=> kg - insert_i - * e xprimi_to_xi: <=> - depalatalize_cnsz - i

27 W sekcji zaczynajacej się podaje się leksemy i ich cechy. Dla grupy leksemów podaje się ich typ elementu (najczęściej część mowy) z lista wartości cech ujęta w nawiasy kwadratowe. Następnie dla każdego leksemu następuja pary forma podstawowa = forma hasłowa, gdzie forma podstawowa to rdzeń lub temat, a forma hasłowa to forma będaca przedstawicielem całego leksemu, np. bezokolicznik dla czasownika. a[deg=pos form=stem par_a=y dega=no advs=e] blaszan = blaszany bezkonkurencyjn = bezkonkurencyjny bezkresn = bezkresny bezkrytyczn = bezkrytyczny bezkształtn = bezkształtny bezlitosn = bezlitosny bezludn = bezludny...

28 Tworzenie opisu: -c -m plik Wypisanie zawartości bazy danych: -q -m plik Śledzenie działania reguł konkatenacji: -t 9 -c -m plik Śledzenie działania reguł ortograficznych: -s 9 -c -m plik Ctrl-D kończy oczekiwanie programu na dane.

29 Kłopoty z polskimi znakami Z powodu używania programu lex/flex nie radzi sobie z unicode. Dlatego program należy wywoływać z LANG ustawionym na polski latin2, np. tak: LANG=pl_PL.ISO c -m plik Plik wejściowy musi też być kodowany w tym standardzie. Wyjście, aby mogło być pokazane na końcówce z locale i czcionkami w UTF8, także musi być przekodowane. Do przekodowania można użyć programu iconv. Programy terminal (końcówka w Gnomie) i konsole (końcówka w KDE) umożliwiaja zmianę locale, tak że przekodowanie wyjścia programu nie jest konieczne. Program xterm można wywołać tak: LANG=pl_PL.utf8 /usr/bin/uxterm -e /usr/bin/luit -encoding ISO (wszystko w jednym wierszu)