Niemieckie rzeczowniki złożone i ich polskie odpowiedniki

Wielkość: px

Rozpocząć pokaz od strony:

Download "Niemieckie rzeczowniki złożone i ich polskie odpowiedniki"

Łukasz Bednarek
8 lat temu
Przeglądów:

1 Niemieckie rzeczowniki złożone i ich polskie odpowiedniki Automatyczna ekstrakcja, analiza i weryfikacja na podstawie korpusów równoległych Marcin Junczys-Dowmunt junczys@amu.edu.pl Promotor: prof. dr hab. Jerzy Pogonowski 1/18 Cele rozprawy Stworzenie narzędzi służacych do automatycznej identyfikacji niemieckich rzeczowników złożonych; automatycznej ekstrakcji polskich odpowiedników złożeń z korpusu; wygodnej ręcznej weryfikacji automatycznie zebranego materiału. Wykorzystanie tych narzędzi do zebrania zestawu danych o rozmiarze dużego słownika bilingwalnego; uzupełnienia wyników ze wcześniejszych prac o dane liczbowe; empirycznego sprawdzenia kilku twierdzeń z wcześniejszych prac; udostępnienia ręcznie sprawdzonego zestawu referencyjnego. 2/18

Jerzy Pogonowski 1/18 Cele rozprawy Stworzenie narzędzi służacych do automatycznej identyfikacji niemieckich rzeczowników złożonych; automatycznej ekstrakcji polskich odpowiedników złożeń

2 Metody zbierania danych Ręczne metody Bardzo czasochłonne i pracochłonne Małe zestawy danych Wysoka jakość uzyskanych danych Automatyczne metody Szybkie, odbywające się bez ingerencji człowieka Duże zestawy danych(o ile mamy źródła elektroniczne) Słaba lub średnia jakość danych Jakość danych można poprawić rezygnując z części danych (precision/recall trade-off) 3/18 Źródło danych: korpus równoległy JRC-Acquis( Podzbiór Acquis Communautaire, dorobku prawnego UE Zawiera równoległe teksty w 22 językach z okresu Wszystkie teksty zostały już uzgodnione na poziomie zdań Dostęp do korpusu jest bezpłatny i pełny Podstawowe dane dot. części niemiecko-polskiej Składa się z tekstów prawniczych Zawiera równoległych zdań lub fragmentów Niemieckaczęśćzawiera tokenówi272038typów 1 Polskaczęśćzawiera tokenów183529typów 1 Pousunięciutokenówitypówskładaj acychsięzliczb. 4/18

równoległy JRC-Acquis(http://langtech.jrc.it/JRC-Acquis.

3 Wyrazy złożone w JRC-Acquis Udało się zidentyfikować: tokenów złożeń(8,1%) różnych typów(53,0%) 5/18 Wyniki ekstrakcji automatycznej Metoda filtracji Liczba złożeń Liczba tokenów P. nieznorm. P. znorm. bez filtracji ,9% ,7% FSYN ,7% ,0% FSYN+FCONT ,9% ,0% FSYN+FMORF ,4% ,7% wszystkie filtry ,6% ,1% /18

696 96,9% 2.049.130 94,7% 591.143 FSYN 114.941 79,7% 1.556.928 72,0% 394.639 291.332 FSYN+FCONT 103.633 71,9% 1.450.

4 7/18 Wyniki ręcznej weryfikacji Fsyn+Fcont (2) Fsyn+Fcont+Fmorf (2) B A1 A2 Zestawy danych Liczba złożeń Liczba tokenów Liczba par FSYN+FCONT(2) FSYN+FCONT+FMORF(2) Zestaw A = A1 A Zestaw A Zestaw A Zestaw B /18

388 FSYN+FCONT+FMORF(2) 53.796 763.247 117.663 Zestaw A = A1 A2 4.902 673.868 11.

5 Typ parafrazy: gen(1818) Anotacja plytka Liczba Przykłady Odpowiedniki N! N-gen ,0% Systemverkäufer sprzedawca systemu Einfuhrprogrammen program importu Frauenverband federacja kobiet N! A ,5% Exekutivbeamte urzędnik wykonawczy Konkursmasse masa upadłościowa Züchtungszwecken działalność hodowlana N! ,5% Bestandsaufnahmen inwentaryzacja Tierhalter hodowca Verwendungszweck zastosowanie A N! 40 2,2% EU-Maßnahmen unijne działanie Verdienstausfalls utracone wynagrodzenie Wabenform naturalny plaster N! prep N 35 1,9% Einkommensbesteuerung podatek od dochodów Innovationsbremse hamulec dla innowacji Marktstörungen zakłócenie na rynku N! N-gen A-gen 24 1,3% Bürgerbeauftragten rzecznik praw obywatelskich Handelsbedingungen warunek wymiany handlowej Markenfamilie rodzina znaków towarowych N! N-gen N-gen 24 1,3% Antragsmodalitäten procedura składania wniosków Rodungsregelung system karczowania winorośli Sortenschutzes ochrona odmian roślin N! N 21 1,1% Finanzverwaltung zarządzanie finansami Konfliktverhinderung zapobieganie konfliktom Mittelverwaltung zarządzanie funduszami N! A prep N 8 0,4% Absatzschwierigkeiten problem związany ze sprzedażą Haushaltsparität kurs przyjęty w budżecie Migrationsbelangen kwestia zawiązana z migracją A N! A 5 0,2% Kapazitätsangebot oferowana zdolność przewozowa Jahresabschluß roczne sprawozdanie finansowe Verkehrssteigerung duży ruch lotniczy pozostałe 22 1,2% 9/18 Eksperyment I O interfiksach i wykładnikach liczby mnogiej Problem Wciąż trwa żywa dyskusja na temat funkcji interfiksów (Fugenelemente) w złożeniach niemieckich Jedna z możliwych funkcji(na ogól odrzucana): zaznaczenie liczby mnogej przez interfiksy homonimiczne z końcówkami fleksyjnymi Założenia eksperymentu Semantyka niemieckich złożeń pokrywa się z semantyką ich polskich odpowiedników. Gdy złożenie oraz jego odpowiednik są semantycznie przeźroczyste, to możemy na podstawie semantyki składników polskiego odpowiednika wnioskować o semantyce składników złożenia. Zdecydowana większość zebranych niemieckich złożeń i ich polskich odpowiedników jest przeźroczysta. 10/18

209 11,5% Bestandsaufnahmen inwentaryzacja Tierhalter hodowca Verwendungszweck zastosowanie A N!

6 Eksperyment I Materiał Złożenie Interfiks Struktura Marktorganisation R!:<_-_>[2] R:<dop-sg>[1] Wirtschaftszweig +s R!:<_-_>[2] R:<dop-sg>[1] Beihilferegelung R!:<_-_>[2] R:<dop-sg>[1] Gerichtshof +s R!:<_-_>[2] R:<dop-sg>[1] Einfuhrwerte R!:<_-_>[2] w R:<miejsc-sg>[1] Aktenzeichen +n R!:<_-_>[2] R:<dop-pl>[1] Dumpingspanne R!:<_-_>[2] R:<dop-sg>[1] Marktanteil R!:<_-_>[2] w R:<miejsc-sg>[1] Einfuhrlizenzen C-ODS!:<_-_>[2] na R:<bier-sg>[1] Tiergesundheit R!:<_-_>[2] R:<dop-pl>[1] Begriffsbestimmungen +s R!:<_-_>[2] R:<dop-pl>[1] Ausfuhrlizenzen R!:<_-_>[2] na R:<bier-sg>[1] Geltungsdauer +s R!:<_-_>[2] R:<dop-sg>[1] Wirtschaftssektoren +s R!:<_-_>[2] R:<dop-sg>[1] Briefwechsels R!:<_-_>[2] R:<dop-pl>[1] Wykorzystujemy polskie odpowiedniki jako sposób na uwidocznienie intuicji dotyczącej znaczeń niemieckich złożeń. 11/18 Eksperyment I Wyniki Interfiks Liczba MI k =2 MI + e pl 1,8036 3,4910 -um+a pl 1,6882 3,2225 -o+en pl 1,6696 3, er pl 1,6475 3,1330 -um+en pl 1,6012 3,0340 -a+en pl 1,2939 2,4519 +en pl 1,2799 2,4282 +e pl 1,2585 2,3924 +n pl 1,1799 2,2655 +er pl 0,7981 1,7388 -en sg 0,4210 1,3389 -e+s sg 0,2835 1,2172 +es sg 0,2175 1,1627 +s sg 0,2020 1,1503 Interfiks Liczba MI k =2 MI pl 0,1978 1,1469 -e sg 0,0628 1,0445 -us+en sg -0,0644 0,9563 sg -0,0813 0,9452 -e pl -0,1433 0,9054 +er sg -0,4746 0,7196 +s pl -0,7757 0,5841 +es pl -0,8779 0,5441 +n sg -0,8805 0,5432 +en sg -0,9972 0,5010 +e sg -0,9989 0,5004 -a+en sg -1,1025 0,4657 -um+en sg -1,7114 0, er sg -2,1639 0,2231 Zaskakująca regularność na pierwszych miejscach tabeli dla interfiksów homonimicznych z wykładnikami liczby mnogiej. 12/18

:<_-_>[2] R:<dop-sg>[1] Marktanteil R!:<_-_>[2] w R:<miejsc-sg>[1] Einfuhrlizenzen C-ODS!:<_-_>[2] na R:<bier-sg>[1] Tiergesundheit R!:<_-_>[2] R:<dop-pl>[1] Begriffsbestimmungen +s R!

7 Eksperyment II O pełnej równoważności według Jana Jeziorskiego volle Äquivalenz czyli pełna równoważność to pełna równoważność między strukturą głęboką niemieckiego złożenia a strukturą powierzchniową polskiego odpowiednika. Wynikaztego,że: złożenia nominalne oraz grupy nominalne będące ich parafrazami są synonimiczne; parafrazy złożeń pokrywają się semantycznie i strukturalnie z polskimi ekwiwalentami parafrazowanych złożeń. Według Jeziorskiego pełna równoważność jest zjawiskiem częstym, zachodzącym dla większości niezidiomatyzowanych złożeń. Sprawdziliśmy to na podstawie naszego materiału. 13/18 Eksperyment II Materiał Parafraza Struktura P(y x) P(y) MI k =2 MI gen(1818) AN!/N!A 28,7% 41,2% -0,5216 0,6966 N! N-gen 52,0% 34,1% 0,6087 1,5249 N! prep N 1,9% 4,6% -1,2756 0,4130 prep(1315) AN!/N!A 46,4% 41,2% 0,1715 1,1262 N! N-gen 26,0% 34,1% -0,3913 0,7625 N!prepN 10,2% 4,6% 1,1489 2,2174 adj(260) AN!/N!A 76,5% 41,2% 0,8928 1,8568 N! N-gen 6,5% 34,1% -2,3913 0,1906 N! prep N 1,1% 4,6% -2,0641 0, /18

Wynikaztego,że: złożenia nominalne oraz grupy nominalne będące ich parafrazami są synonimiczne; parafrazy złożeń pokrywają się semantycznie i strukturalnie z polskimi ekwiwalentami parafrazowanych

8 Eksperyment II Wyniki t = f(gen) N + f(prep) N + f(adj) N = = 0,377 P(N! N-gen gen) P(N! prep N prep) P(N! A / A N! adj) 0, , ,765 Trafność dla pełnej równoważność wynosi w korpusie tylko 37,7%. Trafność dla każdorazowego wyboru N! N-gen: 38,4% Trafność dla każdorazowego wyboru N! A / A N!: 39,2% Trafność dla wyboru klas większościowych: 51,7% 15/18 Eksperyment III O nietypowych stosunkach funkcjonalnych między członami złożeń W niemieckiej literaturze słowotwórczej dotyczącej wyrazów współrzędnie złożonych często czytamy, że: znaczenie złożenia współrzędnie złożonego nie ulegnie zmianie, jeśli zamienimy kolejność jego członów; zazwyczaj kolejność jest ustalona konwencjonalnie i zmiany są postrzegane jako niezgodne z normą językową. Założenia Wydaje się, że w przypadku złożeń niezleksykalizowanych zamiana pozycji członów może być jeszcze możliwa. Dwa złożenia mają to samo znaczenie, gdy mają co najmniej jeden wspólny polski odpowiednik. Szukamy par złożeń, które składają sie z tych samych członów w odwrotnej kolejności i które mają wspólne odpowiedniki. 16/18

9 Eksperyment III Wyniki Złożenie 1 Złożenie 2 Wspólne odpowiedniki Abfallholz Holzabfall odpad drzewny Aktionsprogramm Programmaktion działanie, działanie do programu, działanie programu, działanie w programie, program działań Alltagsleben Lebensalltag życie codzienne Angebotspreis Preisangebot cena, cena oferowana, cena ofert, cena oferty, cena w ofercie przetargowej, oferta cenowa Ausfuhrware Warenausfuhr produkt do wywozu, towar, wywóz towarów Bescheinigungsmuster Musterbescheinigung świadectwo, wzorcowe świadectwo, wzór, wzór świadectw, wzór świadectwa Bestimmungszweck Zweckbestimmung cel, cel przeznaczenia, miejsce przeznaczenia, przeznaczenie, wykorzystanie, zastosowanie Bruchreis Reisbruch ryż łamany Bußgeld Geldbuße grzywna, kara, kwota grzywny Dokumentenmuster Musterdokument wzór dokumentów Durchschnittsertrag Ertragsdurchschnitt średnia plonów Entwurfstext Textentwurf projekt tekstu Fahrzeugteil Teilfahrzeug część, część pojazdu Faserflachs Flachsfaser len, włókno lniane Hybridmais Maishybride hybryda kukurydzy Koalitionsregierung Regierungskoalition rząd koalicyjny Medienträger Trägermedium nośnik Rohrzucker Zuckerrohr cukier, cukier trzcinowy, cukier z trzciny, trzcina, trzcina cukrowa 17/18 Wnioski z eksperymentów Metody kwantytatywne mogą wnieść istotny wkład do tradycyjnych badań językoznawczych, w tym do lingwistyki kontrastywnej. Metody z lingwistyki komputerowej mogą wnieść istoty wkład do tradycyjnych badań językoznawczych, w tym do lingwistyki kontrastywnej. Duże zasoby bilingwalne mogą być wykorzystane w celu uwidocznienia wiedzy o języku, do której inaczej mielibyśmy dostęp jedynie poprzez introspekcję. 18/18

Warenausfuhr produkt do wywozu, towar, wywóz towarów Bescheinigungsmuster Musterbescheinigung świadectwo, wzorcowe świadectwo, wzór, wzór świadectw, wzór świadectwa Bestimmungszweck Zweckbestimmung

Podobne dokumenty

Lokalizacja Oprogramowania

mgr inż. Anton Smoliński anton.smolinski@zut.edu.pl Lokalizacja Oprogramowania 16/12/2016 Wykład 6 Internacjonalizacja, Testowanie, Tłumaczenie Maszynowe Agenda Internacjonalizacja Testowanie lokalizacji