Принципы построения морфологического парсера для разноструктурных языков (1101399), страница 4
Текст из файла (страница 4)
В этом разделе в качестве примера описания трансфиксаприведено описание арчинского трансфикса имперфектива r-r.5.Метатеза. На примере грузинского масдара показано, как с помощьюформата UniParser может быть описана регулярная метатеза, т. е. перестановкафонем в одном из алломорфов основы по сравнению с другим.6.Редупликация. В качестве примера на редупликацию рассматриваютсякатегории залога и фокуса тагальского глагола, где в глагольной форме20одновременно могут присутствовать редупликация и инфикс, вставляемыйпосле первого согласного основы. Сложность и необычность этого примера втом, что при комбинации этих двух явлений показатель фокуса инфигируетсяпосле первого согласного редуплицированного фрагмента основы.7.Продуктивное словообразование. На примере языка командорскихалеутов показано, как может быть использовано средство описанияпродуктивного словообразования в случае, когда в языке имеется большоеколичество деривационных моделей, которые могут применятьсяпоследовательно в длинной цепочке.
В языке командроских алеутов взаимноерасположение деривационных аффиксов может быть описано в терминахграмматики порядков: за основой следует 9 слотов, которые могут заполнятьсятеми или иными словообразовательными показателями. В примере приводитсяразбор этого случая, показывающий, какие из аффиксов следует описывать приразметке как продуктивные словообразовательные модели, и приводитсяописание наследования этих моделей с помощью свойства recurs-class.8.Инкорпорация.
В качестве примера инкорпорации приведенаинкорпорация актантов в алюторском языке.9.Тоновые морфемы. В этом разделе приведён пример описания«тоновых морфем», т. е. аффиксов тонового языка, присоединение которых коснове меняет все или некоторые из её тонов, или «морфем-операций»,действие которых состоит исключительно в изменении тонов основы. Вкачестве примера такого языка рассматривается один из диалектов языка шона(группа банту). Варианты основы с разным набором тонов записываются какразные алломорфы, при этом показывается, как одну из форм можноавтоматически получить из другой с помощью правил, описанных в форматеUniParser.10.
Аналитическая парадигма. В некоторых случаях имеетсянеобходимость размечать не только морфологически выражаемые категории, нои категории, выражаемы аналитически. В данном разделе рассмотрен крайний21пример этого типа — «аналитическая парадигма» полинезийского языкапилени, в котором нет морфологически выражаемых глагольных категорий, ноесть ряд тесно связанных с глаголом проклитик, которые выражают TAMзначени, почти во всех случаях взаимоисключительны и фактически находятсяв парадигматических отношениях друг с другом. В примере разбираются всеэти проклитики, указывается, какие из них можно было бы считатьвыражающими словоизменительные значения, и показывается, как это можносделать в формате UniParser с помощью средства для описания аналитическихконструкций.В главе 4 приводится краткий обзор технических деталей реализациипарсера, работающего с форматом UniParser, и характеристика корпусов,созданных в 2011 г.
в рамках программы фундаментальных исследованийПрезидиума РАН «Корпусная лингвистика», а также перспективы дальнейшейработы.В ходе работы автором был создан парсер, работающий с большей частьюсредств формата UniParser. Основная часть парсера написана на C++ ииспользует хэш-таблицы в качестве основной структуры данных для анализасловоформ. Перед анализом файлы с описанием языка проходятпредварительную обработку, в ходе которой собираются полные парадигмы,вычисляются все варианты основ и вся информация записывается вспециальный файл в формате csv.
При разборе парсер получает на вход этотcsv-файл с данными о языке и множество чистых неразмеченных текстов вкодировке UTF-8. На выходе размеченные тексты представляют собой XMLфайлы, формат которых похож на используемый в Национальном корпусерусского языка. Ниже приводится пример размеченной словоформы с двумяальтернативными разборами из албанского корпуса:<w><ana lex="sy" gr="S,m,inanim,def,pl,acc"22transl_en="eye"></ana><ana lex="sy"gr="S,m,inanim,def,pl,nom"transl_en="eye"></ana>sytë</w>В 2011 г. были созданы грамматические описания и словари (илифрагменты словарей) албанского, калмыцкого, лезгинского и осетинскогоязыков.
Эти файлы и созданный автором парсер были использованы длясоздания соответствующих корпусов; в 2012 г. продолжилась работа над этимикорпусами, а также началась работа над корпусами новогреческого и бурятскогоязыков (в работе над составлением словарей и грамматического описанияновогреческого языка в формате UniParser автор принимает личное участие).В заключении приведены основные итоги работы:1.Были изучены типичные проблемы и задачи, связанные с обработкойбольшого количества текстов для создания корпусов с морфологическойразметкой.2.Был выработан ряд критериев, которым должны удовлетворятьморфологический парсер и формат описания языка, используемые для созданиятаких корпусов.3.Был разработан формат описания языка UniParser, который порелевантным в исследуемой ситуации параметрам превосходит существующиеаналоги; на ряде конкретно-языковых примеров было продемонстрировано, чтоданный формат подходит для описания широкого спектра морфологическихявлений из разноструктурных языков.4.Был создан пилотный вариант парсера, работающий с большей частьюэлементов формата UniParser.5.С помощью разработанных формата и парсера были созданы корпусаалбанского, калмыцкого, лезгинского и осетинского языков и создаются внастоящее время корпуса новогреческого и бурятского языков.23Содержание диссертационной работы отражено в следующихпубликациях:1.
Архангельский Т. А. Электронные корпуса албанского, калмыцкого,лезгинского и осетинского языков // Научно-техническая информация.Серия 2: Информационные процессы и системы, 2012. № 4. C. 24—292. Архангельский Т. А., Панов В. А. Аспект в греческом языке:проблемные зоны и типология // Acta linguistica Petropolitana. ТрудыИнститута лингвистических исследований РАН, том VIII, часть 2.Исследования по теории грамматики. Вып. 6: Типология аспектуальныхсистем и категорий. СПб: Наука, 2012. C. 122—1483.
T. Arkhangelskiy, O. Belyaev. A Comparison of Eastern Armenian and IronOssetic Spatial Systems // Languages and Cultures in the Caucasus. Papers from theInternational Conference “Current Advances in Caucasian Studies”, Macerata,January 21–23, 2010. München – Berlin: Verlag Otto Sagner, 2011, pp. 285—2994. Т. Архангельский, М. Даниэль, М. Морозова, А Русаков.
Korpusi i gjuhësshqipe: drejtimet kryesore të punës [Корпус албанского языка: основныенаправления работы] // Shqipja dhe gjuhët e Ballkanit — Albanian and BalkanLanguages. Konferencë e mbajtur në 10-11 dhjetor 2011, Prishtinë [Албанский языки балканские языки. Конференция, состоявшаяся 10-11 ноября 2011 года вПриштине].
Приштина: ASHAK (Академия наук и искусств Косово), 2012.С. 635—6425. Сичинава Д. В., Архангельский Т. А. Параллельные белорусско-русскийи русско-белорусский корпусы: совместный проект национального корпусарусского языка // Труды Казанской школы по компьютерной и когнитивнойлингвитике TEL-2012.
Казань: Изд-во «Фэн» Академии наук РТ, 2012.С. 54—60.24.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
