CHLT LemLat Un progetto di ricerca nel campo della Linguistica Computazionale. Marco Passarotti ILC - CNR Pisa

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "CHLT LemLat Un progetto di ricerca nel campo della Linguistica Computazionale. Marco Passarotti ILC - CNR Pisa"

Alessia Vecchio
6 anni fa
Visualizzazioni

1 CHLT LemLat Un progetto di ricerca nel campo della Linguistica Computazionale Marco Passarotti ILC - CNR Pisa 1

2 Linguistica Computazionale La lingua in pasto al computer Serve un nuovo tipo di input Nuova filologia (Matelda e l inventario topografico): aut omnia aut nihil! Conoscenza analitica a misura di computer del modo in cui organizziamo il nostro parlare Descrizione microanalitica elementare dei dati e delle nostre operazioni su di essi 2

3 Fini Velocità? In che senso? Sull output, non sull input Qualità dell output: ignoranza del computer Ricadute Ricerca di base: sapientis est ordinare Indagini quantitativo-statistiche (mappe linguistiche di testi, lessici, corpora ) Strumenti computazionali di analisi linguistica per lemmatizzazione sommarizzazione ed estrazione dei contenuti analisi della struttura sintattica disambiguazione semantica (traduzione automatica?) 3

4 Un progetto di ricerca europeo CHLT progetto della Comunità Europea, supportato esternamente dalla TUFTS University, Boston (Progetto Perseus) e dalla UCLA grande contenitore finalizzato molti partner: ognuno ha un compito (Workpackage) 4

5 Workpackage 5. Neo-Latin Morphological Analyser ILC - CNR Pisa Campo di ricerca: linguistica computazionale Fine: creazione di un analizzatore morfologico del latino Mezzo: sviluppo di un lemmatizzatore esistente (LemLat) 5

6 L analisi morfologica di LemLat 6

7 La struttura del dizionario di LemLat 1.1. LES A0014 ABALIENATION N31 A0015 V ABALIEN V1 A0015 ABALEN V1 A0016 ABALIUD I A0017 ABALTERUTRUM I A0018 ABAMBUL V1I A0019 ABAMIT N1 A0020 ABANTE I A0021 V ABARC V2 A0021 ABERC V2 LES diversi sono registrati con lo stesso ID Num., se hanno lemma comune (generato dal LES codificato con V): A0015 V ABALIEN V1 A0015 ABALEN V1 Lemma: abalieno 7

8 La struttura del dizionario di LemLat 1.2. LES particolari A0007 V ABADDIR N31 = A0007 ABIDIR N31 = A0007 ABADDIER FE A0155 V ABSCOND V3 -O/-OR B02 A0155 ABCOND V3 A0155 ACOND V3 A0155 ABSCOND V7 B02 A0155 ABSCONDID V7 B02 A0155 ABSCONDIT N41 N6 B02 A0155 ABSCONDITUR N6 B02 A0155 ABSCONS N41 N6 B02 A0155 ABSCONSUR N6 B02 8

9 La struttura del dizionario di LemLat 2. SM ant -v1 n7 ans -v1 blk and -v1 n6 n21 n2n ent -v2 v3 v6 n7 ens -v2 v3 v6 blk end -v2 v3 v6 n6 n21 n2n und -v3 v6 n6 n21 n2n ient -v4 v5 n7 iens -v4 v5 blk iend -v4 v5 n6 n21 n2n iund -v4 v5 n6 n21 n2n ior -n6 n7 n7c blk ius -n6 n7 n7c blk issim -n6 n7 n6 issum -n6 n7 n6 9

10 La struttura del dizionario di LemLat 3. SF a e i m o r s t u n1 n1e n2e n2n n3e n3n n3n1n6 n6p n7c v1sfv1if n1e n2 n2e n3 n31 n32 n3e n3n n3n1n3n2n5 n6 n6p n7 n7c v2ifv2sfv3ifv3sfv5ifv5sf n2 n21 n2e n2i n2n n2nin3 n31 n32 n3e n3n n3n1n3n2n6 n6i n6p n7 n7c v3dgv3igv4ifv4sfv5dgv5igv7sa v6iav6sa n2 n21 n2e n2n n6 n6p v1sav1iav3iav3sa v6da v6iav6sa v6iav6sa n4 n41 10

11 Cosa bisogna fare Aggiungere sull output Nuove informazioni morfologiche aquai LEMLAT: aqu-ai (forma segm.), aqua (lemma), n1 (COD LEM) CHLT LEMLAT: aqua (lemma) Common, Noun, I Decl., Gen., Sing., Fem. Nuove informazioni stilistiche e storico-linguistiche aquai CHLT LEMLAT: aqua (lemma) Common, Noun, I Decl., Gen., Sing., Fem., Poetic., Arch. 11

12 Come facciamo Segmentazione della parola Codifica degli elementi costitutivi della parola (LES, SM, SF) come portatori delle informazioni morfologiche Esempio Input: rosam Segmentazione: ros-am LES: ros n1, (femminile) SF: am N1 acc., sing. Output: rosa (lemma); nome comune, I decl., acc., sing., femm. 12

13 Posizioni dei codici e attributi ====== ================== Code P ATTRIBUTE ====== ================== 1 PoS 2 Type 3 Flexive Category 4 Mood 5 Tense 6 Case 7 Gender 8 Number 9 Person 10 Degree 13

14 Terza posizione: valori e codici = ===================== ===================== = P ATTRIBUTE VALUE C = ===================== ===================== = 3 Flexive Category I decl. A II decl. B III decl. C IV decl. D V decl. E I conjug. F II conjug. G III conjug. H IV conjug. L Conjug e/i M Exceptional Conjug. N No Flexive Category - 14

15 Esempi di codifica di SF a n1 NcA--bfs-- ros-a a n1 NcA--bms-- pirat-a a n1 NcA--nfs-- ros-a a n1 NcA--nms-- pirat-a a n1 NcA--vfs-- ros-a a n1 NcA--vms-- pirat-a a n1e NcA--bfs-- plastic-a a n1e NcA--bms-- poet-a a n1e NcA--nfs-- plastic-a a n1e NcA--nms-- poet-a a n1e NcA--vfs-- plastic-a a n1e NcA--vms-- poet-a abus n1e NcA--bfp-- de-abus abus n1e NcA--dfp-- de-abus 15

16 Perché tutta questa fatica? Pregi e difetti dell ignoranza del computer e utilità di LemLat 16

17 Ignoranza del computer Grande ostacolo per chi vuol far veloce Troppe cose da formalizzare Troppe eccezioni da individuare Si trova sempre qualcosa che non va Grande vantaggio per chi non vuole tutto subito Precisione dell output Nuove scoperte Utilità strumentale del proprio lavoro 17

18 L utilità di LemLat Trattamento e gestione computazionale del primo gradino dell analisi linguistica (morfologia) Strumento non fine a sé stesso, ma da usare come base per i prossimi due gradini: Sintassi: disambiguatore sintattico Semantica: sommarizzazione e traduzione Inoltre: Latin Lexical Database Analizzatore della struttura metrica Supporto per uso lessicografico 18

Documenti analoghi

Euporia. Un esperienza di Filologia Collaborativa a scuola, per promuovere il circolo virtuoso fra ricerca e didattica

Euporia. Un esperienza di Filologia Collaborativa a scuola, per promuovere il circolo virtuoso fra ricerca e didattica Euporia Un esperienza di Filologia Collaborativa a scuola, per promuovere il circolo virtuoso fra ricerca e didattica Federico Boschetti*, Laura Caruso^, Angelo Mario Del Grosso* * CoPhiLab-ILC-CNR, ^