ВНЕСЕНИЕ АКЦЕНТУАЦИОННОЙ ИНФОРМАЦИИ В РУССКИЙ МОРФОЛОГИЧЕСКИЙ СЛОВАРЬ ЛИНГВИСТИЧЕСКОГО ПРОЦЕССОРА ЭТАП-3 В. Сизов О. Подлесская. - презентация

1 ВНЕСЕНИЕ АКЦЕНТУАЦИОННОЙ ИНФОРМАЦИИ В РУССКИЙ МОРФОЛОГИЧЕСКИЙ СЛОВАРЬ ЛИНГВИСТИЧЕСКОГО ПРОЦЕССОРА ЭТАП-3 В. Сизов О. Подлесская

2 Краткое описание морфологического словаря ЭТАП-3: Структура статьи: неизменяемая основа – морфема, общая для всех словоформ словоизменительные морфемы: приставка, тема(1-й суффикс), суффикс, окончание, частица (-ся/сь) Стандартные объекты (СТО), описывающие повторяющиеся последовательности словоизменительных морфем По данным, приведенным в статье, транслятор генерирует все возможные словоформы с характеристиками. В настоящее время русский морфологический словарь ЭТАП-3 содержит около 130 тыс. статей и около 1000 стандартных объектов.

3 Пример статьи КС и сгенерированной по ней парадигмы ENTRY:ТРАКТОР осн:тра`ктор ф:1,ок:'а'им,мн,'а'вин,мн т:6 trs:tractor т:6 - ф1,ок:6 ф:1 - хар:S,муж,неод ок:6 - '#'ед,им,'а'ед,род,'у'ед,дат,'#'ед,вин,'ом'ед,твор,'е'ед,пр, 'ы'мн,им,'ов'мн,род,'ам'мн,дат,'ы'мн,вин,'а`ми'мн,твор,'ах'мн,пр,'о'сл трактор – S,ЕД,МУЖ,ИМ,НЕОД трактор|ы – S,МН,МУЖ,ИМ,НЕОД трактор|а – S,ЕД,МУЖ,РОД,НЕОД трактор|а – S,МН,МУЖ,ИМ,НЕОД трактор|у – S,ЕД,МУЖ,ДАТ,НЕОД трактор|ов – S,МН,МУЖ,РОД,НЕОД трактор – S,ЕД,МУЖ,ВИН,НЕОД трактор|ам – S,МН,МУЖ,ДАТ,НЕОД трактор|ом – S,ЕД,МУЖ,ТВОР,НЕОД трактор|ы – S,МН,МУЖ,ВИН,НЕОД трактор|е – S,ЕД,МУЖ,ПР,НЕОД трактор|а – S,МН,МУЖ,ВИН,НЕОД трактор|о – S,МУЖ,НЕОД,СЛ трактор|а`ми– S,МН,МУЖ,ТВОР,НЕОД трактор|ах – S,МН,МУЖ,ПР,НЕОД

4 Чередование ударений в русском языке Чередование ударения в рамках сходных парадигм: (мопе`д)-ами / (стол)-а`ми (т:6); (умн)- е`йш-(ий) /разу`мн)-ейш-(ий) (т:211) Чередование ударений в рамках парадигмы одной лексемы: кра`сн-ый / красн-е`йш-ий / красн-а`. Чередование ударения в рамках ударной морфемы (редко): дворяни`н / дворя`н-е, риск-ова`-ть/риск-о`ва-нн-ый

5 Простейшее решение: Добавить знаки ударения в существующий морфологический словарь. Недостатки: Чтобы отразить чередование ударений, потребуется дробление существующих СТО и введение новых чередований (разновидностей СТО) для основ слов. Это приведет к переписыванию почти всех статей словаря

6 Решение: использование специальных акцентуационных правил для реализации чередований ударений. Правила ставят ударение на нужную морфему в зависимости от сформулированных в них условий (которые могут быть взяты из описания схем ударений словаря А.А.Зализняка); Правила применяются после генерации парадигмы статьи к полученным в результате словоформам, не зависят от блочной структуры статьи и могут быть вставлены в любое место статьи

7 Формат правила Правило содержит: логические выражения, проверяющие истинность сформулированных в них условий. Логические выражения состоят из предикатов, объединенных в конъюнкции, дизъюнкции и скобочные выражения. инструкции, которые выполняются, если проверка условий дала истину.

8 Предикаты Проверяют наличие/отсутствие морфологических характеристик. Совпадают с именем проверяемой характеристики (напр. ЕД+(ИМ|ВИН+ОД) ). Проверяют буквенные цепочки в морфемах, входящих в словоформу. Имеют вид: search(строка_поиска, имя_морфемы). В строке поиска допустимы регулярные выражения.

9 Инструкция: имя, позиция ударения, приоритет. Имя инструкции (преф:, осн:, тм:, сф:, ок:,.и чс:) совпадает с именем морфемы, на которую на которую должно падать ударение. Если указанной морфемы в словоформе нет или в ней нет гласных, ударение ставится на последний слог предшествующей морфемы Если указана позиция ударения (порядковый номер слога в морфеме) – ударение ставится в указанной позиции. Если нет - остается проставленное ранее ударение по умолчанию. Если словоформа удовлетворяет условиям нескольких правил, то применяется инструкция с наивысшим приоритетом. Если таких инструкций несколько, то словоформа дублируется по числу инструкций, и каждая инструкция применяется к своей копии.

10 Типы правил Общие – применяются к словоформам всех статей. Записаны в специальном файле описания языково- специфичных свойств. Трафаретные – размещаются в файле стандартных объектов внутри специальных СТО acct. Применяются к статьям, в которых есть ссылки на эти СТО. СТО получают имена, соответствующие схемам ударения из словаря Зализняка. Словарные – размещаются в статье внутри специальных блоков acct. Применяются к словоформам статьи, внутри которой они размещены.

11 Алгоритм трансляции статьи Правила расстановки ударений из СТО и блоков в статье собираются в один набор Если в набор не попало ни одно правило, предварительно расставленные ударения стираются. В противном случае после генерации словоформ правила из набора и общие правила применяются к каждой полученной словоформе. Сперва проверяется истинность логических выражений правил. Из правил, получивших истинность, отбираются те, чьи инструкции имеют наивысший приоритет, эти инструкции применяются к словоформе.

12 Пример применения правила: ENTRY:ТРАКТОР acct:c_a осн:тра`ктор ф:1,ок:'а'им,мн,'а'вин,мн т:6 trs:tractor Трафаретное правило: acct:c_a end:=МН+^(ИМ|ВИН); end:{2}=МН+(ИМ|ВИН)+search("[а|я]",end:); end:=МН+ВИН+ОД; bas:=S; Общее правило: осн:(0,"*~")=СЛ+^V; [Ударение в форме СЛ всегда слабое и падает на основу] Парадигма: тра`ктор – S,ЕД,МУЖ,ИМ,НЕОД тра`ктор|ы – S,МН,МУЖ,ИМ,НЕОД тра`ктор|а – S,ЕД,МУЖ,РОД,НЕОД тра`тор|а – S,МН,МУЖ,ИМ,НЕОД тра`ктор|у – S,ЕД,МУЖ,ДАТ,НЕОД тра`ктор|ов – S,МН,МУЖ,РОД,НЕОД тра`ктор – S,ЕД,МУЖ,ВИН,НЕОД тра`ктор|ам – S,МН,МУЖ,ДАТ,НЕОД тра`ктор|ом – S,ЕД,МУЖ,ТВОР,НЕОД тра`ктор|ы – S,МН,МУЖ,ВИН,НЕОД трактор|е – S,ЕД,МУЖ,ПР,НЕОД тра`ктор|а – S,МН,МУЖ,ВИН,НЕОД трактор|о – S,МУЖ,НЕОД,СЛ тра`ктор|а`ми– S,МН,МУЖ,ТВОР,НЕОД тра`ктор|ах – S,МН,МУЖ,ПР,НЕОД

13 Морфологический анализ и синтез с учетом акцентуационной информации Внесение в морфологический словарь ЭТАП-3 акцентуационной информации позволяет реализовать: распознавание морфологическим анализатором словоформ из входного текста как при наличии в них символов ударения и буквы ё, так и при их отсутствии; строгий режим разрешения омонимии е/ё для текстов с последовательно проставленной буквой ё. В этом режиме недопустимо распознавание буквы е как ё: (он осел он осёл); возможность генерации выходного текста как с акцентуацией и ё, так и без нее; при генерации словоформ с альтернативными ударениями (напр. профе`ссорам / профессора`м) - возможность вывода наиболее употребительной словоформы по умолчанию и явного выбора конкретной словоформы.