Sal

Front 1

ACL

Back 1

The Association for Computational Linguistics

Front 2

COLING

Back 2

Conference on Computational Linguistics

Front 3

HLT

Back 3

Human Language Technologies

Front 4

MT

Back 4

machine translation

Front 5

NLP

Back 5

Natural language processing

Front 6

POS

Back 6

Part of speech

Front 7

WSD

Back 7

Word-sense disambiguation

Front 8

Arvutuslingvistika mõiste

Back 8

interdistsiplinaarne teadusala lingvistika (e. keeleteaduse) ja informaatika (e. arvutiteaduse) vahepeal, mille eesmärgiks on keele automaattöötluseks vajalike keele

* kirjeldus-,
* analüüsi- ja
* sünteesimeetodite

väljatöötamine ja arvutitel realiseerimine.

Front 9

Arvutuslingvistika teoreetiline komponent

Back 9

teooriate püstitamine inimese keeleliste võimete kohta ja nende kontrollimine

Front 10

Arvutuslingvistika rakenduslik komponent

Back 10

teooriate püstitamine inimese keeleliste võimete kohta ja nende kontrollimine
+ näiteks:
- masintõlge
- keelelise info säilitamine ja automaatne otsimine (sh tekstiandmebaasidest, sellega tegeleb arvutileksikoloogia)
- suhtlus arvutiga loomulikus keeles (ekspertsüsteemidega, andmebaasidega)
- kõnetuvastus ja kõnesüntees, kõnelejatuvastus

Front 11

Arvutuslingvistika 1950-ndatel

Back 11

Masintõlge - rakenduslik
* 1949 Warren Weaver "Translation"
* 1954 1. MT eksperiment Georgetowni ülikoolis USA-s: arvuti IBM tõlkis 200-sõnalise teksti vene keelest inglise keelde
* 1966 ALPAC (Loomulike keelte automaattöötluse konsultatiivkomitee USA rahvusliku TA juures) aruanne: pessimism MT võimalikkuse suhtes

Front 12

Arvutuslingvistika 1960-ndatel

Back 12

Noam Chomsky generatiivsed grammatikad

* 1956 "Three models for the description of language"
* 1957 "Syntactic structures"
* 1965 Transformatsioonigrammatika mõiste
* Regulaarsed üritused: COLING alates 1965
* Organisatsioonid: ACL 1968

Front 13

Arvutuslingvistika 1970-ndatel

Back 13

* 1972: T. Winograd SHRDLU (modelleeris roboti kätt "kuubikute maailmas", suhtlus inglise keeles);
* W. Woods LUNAR (Kuu kivimiproovide identifitseerimine, suhtlus inglise keeles)
* Ekspertsüsteemid DENDRAL 1965, MYCIN 1976
* Andmebaasid loomuliku keele liidesega, infootsisüsteemid
* Tihe seos tehisintellektiga!

Front 14

Arvutuslingvistika 1980-ndatel

Back 14

* FUG (Functional Unification Grammar) M. Kay 1979
* GPSG (Generalized Phrase Structure Grammar)
+ G. Gazdar 1970ndate II pool;
+ G. Gazdar & E. Klein & G. Pullum& I. Sag 1985
* LFG (Lexical Functional Grammar)
+R. Kaplan & J. Bresnan 1982
* HPSG (Head driven Phrase Structure Grammar)
+ <= GPSG, LFG
+ C. Pollard 1984; C. Pollard & I. Sag 1987

Front 15

Arvutuslingvistika alates 1990

Back 15

Keeletehnoloogia on arvutilingvistika praktiline pool.
Kasutab arvutilingvistikas väljatöötatud teooriaid, et luua rakendusi (arvutiprogramme), mis võimaldavad inimkeelt arvuti abil töödela ja mõista.
Tänapäeval on keeletehnoloogia tuntumateks valdkondadeks

* masintõlge
* arvutileksikoloogia
* dialoogisüsteemid
* kõnetuvastus ja kõnesüntees.

Front 16

Keeletehnoloogia

Back 16

Keeletehnoloogia on arvutilingvistika praktiline pool.
Kasutab arvutilingvistikas väljatöötatud teooriaid, et luua rakendusi (arvutiprogramme), mis võimaldavad inimkeelt arvuti abil töödelda ja mõista.
Tänapäeval on keeletehnoloogia tuntumateks valdkondadeks masintõlge, arvutileksikoloogia, dialoogisüsteemid, kõnetuvastus ja kõnesüntees.

Front 17

foneetika

Back 17

Häälikuid uuriv teadus on häälikuõpetus ehk foneetika. Foneetika on piiriteadus, millel on kokkupuutepunkte anatoomiaga (artikulatoorne foneetika), füüsikaga (akustiline foneetika) ja psühholoogiaga (psühhofoneetika).

Front 18

fonoloogia

Back 18

Foneem - lähedaste häälikuliste variantide abstraktsioon.
Seda osa keeleteadusest, mis tegeleb foneemidega, nimetatakse fonoloogiaks. Fonoloogia uurib, missugused foneemid ühes või teises keeles on ja kuidas ning mis tingimustel nad omavahel kombineeruvad

Front 19

morfoloogia

Back 19

Vormiõpetuse ehk morfoloogia valdkonda kuulub see osa keelesüsteemist, mis puudutab morfeemidest sõnavormide moodustamist: pois-te-le, aken-de-le, akna-i-le.

Front 20

süntaks

Back 20

Seda keeleteaduse osa, mis tegeleb sõnadest ja sõnavormidest kõrgemale jäävate keelesüsteemi tasanditega, nimetatakse lauseõpetuseks ehk süntaksiks

Front 21

semantika

Back 21

Semantika ehk tähendusõpetus uurib keeleüksuste tähendusi ning nende muutumist, keele ja reaalsete objektide suhteid ning keele ja mõtlemise suhteid.

Front 22

grammatika

Back 22

Fonoloogiat, morfoloogiat ning süntaksit kokku nimetatakse grammatikaks

Front 23

Loomuliku keele mõistmiseks vajalike teadmiste liigid.

Back 23

Foneetiline ja fonoloogiline teadmus (kuidas sõnad on moodustatud häälikutest). Oluline kõnepõhistes süsteemides (/e/ + /l/ + /u/ = elu).

Morfoloogiline (kuidas sõnad on moodustatud väiksematest tähendusühikutest - morfeemidest: raamatu+te+le)

Süntaktiline (kuidas moodustada sõnadest korrektne lause, millist rolli mängib iga sõna, millised fraasid on milliste osad: poiss loeb raamatut: poiss - nimisõnafraas, loeb raamatut - tegusõnafraas, raamatut - tegusõnafraasi koosseisu kuuluv nimisõnafraas)

Semantiline (mida sõnad tähendavad ja kuidas need tähendused kombineeruvad lause tähenduseks) - kontekstist sõltumatu tähendus

Tee on tuline.

Pragmaatiline (kuidas lauseid kasutatakse erinevates situatsioonides ja kuidas see kasutus mõjutab lause interpretatsiooni)

Anna mulle teed!

Diskursuse teadmus (kuidas vahetult eelnevad laused mõjutavad järgmise lause interpreteerimist) Mees luges kirja. Ta lükkas selle eemale.

Maailmateadmus (üldine teadmus maailma struktuuri kohta, mida keel

Front 24

Loomuliku keele mõistmiseks vajalike teadmiste liigid. (lühidalt!)

Back 24

Foneetiline ja fonoloogiline
Morfoloogiline
Süntaktiline
Semantiline
Pragmaatiline
Diskursuse teadmus
Maailmateadmus

Front 25

Generatiivse grammatika mõiste.

Back 25

Formaalselt: keel - lausete hulk.
Lause - järjend, mis koosneb ühest või mitmest sõnast (mis on keele sõnastikus).
Grammatika - lausete hulga formaalne kirjeldus.

Generatiivne grammatika (N. Chomsky):
G = (T,N,P,S)

T - terminaalne sõnastik (tähestik)
N- mitteterminaalne sõnastik (tähestik)
P - produktsioonide hulk kujul a->b, kus a kuulub hulka V+ ja b kuulub hulka
V*
(siin V on N ja T ühend, V+ on V sõnade järjend pikkusega 1 või rohkem; V* on V sõnade järjend pikkusega 0 või rohkem)

S - lähtesümbol (hulgast N)

Baasoperatsioon - ühe sümbolijärjendi ümberkirjutamine (rewriting) teiseks.

Front 26

Chomsky hierarhia

Back 26

piiramata e. 0-tüüpi
kontekstisidusad (context-sensitive) e. 1. tüüpi
kontekstivabad (context-free) e. 2. tüüpi
regulaarsed (regular) e. 3. tüüpi

Front 27

kontekstisidusad e. 1. tüüpi grammatikad

Back 27

x -> y, kus x,y kuuluvad hulka V+ ja y pikkus ei ole väiksem kui x pikkus.

Front 28

kontekstivabad grammatikad

Back 28

reeglid kujul A -> x, kus A kuulub hulka N, x kuulub hulka V*

Front 29

regulaarsed grammatikad

Back 29

* Vasak-lineaarsed (left-linear): reeglid kujul A -> Bt, A -> t
* ja parem-lineaarsed (right-linear): A -> tB, A -> t
* (A,B kuuluvad hulka N, t kuulub hulka T).

Front 30

Regulaaravaldis

Back 30

erilises keeles üleskirjutatud valem, mis kirjeldab teatavat sõnede klassi.

Regulaaravaldise otsing eeldab malli(pattern), mida me soovime otsida, ja tekstikorpust(või tekstidokumenti või sõnet), millest otsing teostatakse.

Front 31

Lõplik automaat

Back 31

abstraktne masin, mis saab sisendile sümbolite stringi (sõne), loeb selle sõne vasakult paremale, ühe sümboli korraga, peatub pärast viimase sümboli lugemist ning kas aktsepteerib sisendsõne või lükkab selle tagasi.

Front 32

lõplik muundur

Back 32

lõplik muundur tuvastab kahe sõne vahelise seose - loeb ühe sõne ja genereerib teise

1. tunneb ära, kas sõna on antud keeles olemas.
2. genereerib sõnede paare.
3. tõlgib ühe sõne teiseks sõneks
4. suhestab sõnekomplektid ja määrab ära erinevate sõnekomplektide omavahelised seosed

Front 33

Morfoloogiline analüüs

Back 33

sõna koostisosadeks olevate morfeemide leidmine ja määramine

Front 34

Eesti keele arvutimorfoloogia

Back 34

Morfoloogilise analüsaatori (morphological parser) valmistamiseks on vaja vähemalt:
1) leksikoni - tüvede ja afiksite (liidete) loendit, millele on lisatud baasinformatsioon (kas tüvi on noomeni või verbi tüvi jne)
2) morfotaktika reegleid (määravad ära sõnavormi sisemise struktuuri: millised üksused millises järjestuses ja mis tingimustel võivad ühes sõnavormis koos esineda, nt noomenil TÜVI + ARV + KÄÄNE.)
3) õigekirjareegleid, mis määravad ära sõna kirjapildi muutused mitme morfeemi kombineerumisel (city : cities)

Morfoloogiline analüsaator
on programm, mis sõna vormist lähtudes määrab selle sõna struktuuri (nt.tüvi, järelliide, lõpp), sõnaliigi ja käände või pöörde.
Eesti keele morfoloogilised analüsaatorid:
•
ESTMORF (Filosoft), kasutab leksikoni, aluseks eesti keele spelleritele (MS Office jt)
•
Reeglipõhine mudel (EKI), kasutab reegleid + erandite leksikoni
•
Kahetasandiline mudel (TÜ, Heli Uibo), kasutab lõplikku muundurit

Front 35

Süntaksianalüüs

Back 35

lause süntaktilise struktuuri leidmine

Front 36

Süntaksianalüüs - lause süntaktilise struktuuri leidmine.

Back 36

Selleks on vaja
grammatikat, mis kirjeldab formaalselt selles keeles lubatavaid struktuure;
analüüsitehnikat (parsing technique) - meetodit lause analüüsiks, määramaks tema struktuuri vastavalt grammatikale.

Front 37

WordNet

Back 37

a large lexical database of English.
Nouns, verbs, adjectives and adverbs are grouped into sets of cognitive synonyms (synsets), each expressing a distinct concept.
Synsets are interlinked by means of conceptual-semantic and lexical relations.

Front 38

EuroWordNet

Back 38

EuroWordNet is a system of semantic networks for European languages, based on WordNet.
Each language develops its own wordnet but they are interconnected with interlingual links stored in the Interlingual Index (ILI).

Front 39

Eesti WordNet

Back 39

1998. aastast alates on Tartu Ülikooli arvutilingvistika uurimisrühmas koostatud eesti üldkeele tesaurust,
mis koos viidetega ingliskeelsele WordNetile moodustab Eesti Wordnet'i (EstWN) ja on üks kaheksast EuroWordNet-2 projekti tulemusena saadud ja ELRA kaudu levitatavast wordnet-tüüpi tesaurusest.

Front 40

Eesti suulise keele korpus

Back 40

Eesti kõnekeele korpust
haldab
Tartu ülikooli suulise kõne uurimisrühm
, mis tegutseb TÜüldkeeleteaduse õppetooli juures alates 1997. aastast. Rühm tegeleb eesti suulise kõne lindistamise,litereerimise ja uurimisega. Üheks eesmärgiks on koostada suulise kõne korpus, mis oleks piisavaltmahukas ning sisaldaks erinevat tüüpi suulisi tekste.Suuliste tekstide kirjapanekul kasutatakse
Jeffersoni transkriptsiooni.

Samuti kuulub iga teksti juurdetaustakirjeldus, mis sisaldab tähtsamaid andmeid lindistussituatsiooni ja kõnelejate kohta.
Korpus koosneb hetkel umbes 800 000 sõnast.

Front 41

Riikliku programmi “Eesti keele keeletehnoloogia” (2011-2017) põhiküsimused

Back 41

lisaks tarkvaraprototüüpide ja keeleressursside arendamisele pööratakse eriliselt tähelepanu just keeletehnoloogia rakenduste loomisele. Olemasolevad ning programmi käigus loodavad ressurssid ning tarkvara tehakse kättesaadavaks Eesti Keeleressursside Keskuse kaudu.

Front 42

kõneandmebaasid (TTÜ küberneetika instituudi foneetika ja kõnetehnoloogia labor)

Back 42

Eestikeelse kõnetuvastuse andmebaasi (SpeechDat) haldab Tallinna Tehnikaülikooli foneetika ja kõnetehnoloogia labor. Antud andmebaasi eesmärk on suuremahulise telefonisalvestuste andmebaasiloomine kõne- ja kõnelejatuvastuse uuringuteks ning süsteemide treenimiseks-testimiseks. Projektikestus 24 kuud. Kõnelejaid min 1000 (500 meest, 500 naist)

Front 43

Eesti keele arvutisemantika

Back 43

Tesaurus
on liik mõistelist sõnaraamatut. See kujutab endast sõnakogu, kus sõnad (väljendid) on organiseeritud mitte tähestikuliselt, vaid sisuseoseid (semantilisi seoseid) pidi. Arvutiversioonis tähendab see seda, et tesaurus eksisteerib andmebaasina, kus sisaldub info nii märksõnade tähendustekui nendevaheliste seoste kohta.
Eesti üldkeele tesaurus (TEKsaurus)
on alates 1998. aastast Tartu Ülikooli arvutilingvistikauurimisrühma poolt koostatud tesaurus. Koos viidetega ingliskeelsele WordNetile moodustab see eestiwordnet'i (EstWN) ja on üks kaheksast EuroWordNet-2 projekti tulemusena saadud ja ELRA kaudu levitatavast wordnet-tüüpi tesaurusest. Eesti wordneti tegemisel on järgitud Princetoni WordNeti ja EuroWordNeti põhimõtteid.
TEKsauruse elementaarosake on
sünonüümirida e
sünohulk
(ingl. synonym set, synset), mille moodustavad ühte mõistet (concept, meaning) väljendavad sünonüümsed (sama tähendusega) sõnad ja sõnaühendid. Termin sünohulk on loodud sellepärast, et erinevalt sünonüümisõnastiku sünonü