Zoeken in een Afrikaans corpus: baie maklik! Liesbeth Augustinus Ineke Schuurman Vincent Vandeghinste Peter Dirix Frank Van Eynde

Transcriptie

1 Zoeken in een Afrikaans corpus: baie maklik! Liesbeth Augustinus Ineke Schuurman Vincent Vandeghinste Peter Dirix Frank Van Eynde Colloquium Afrikaans - 23 oktober 2015

2 AFRIBOOMS PROJECT Syntactisch geannoteerd corpus (treebank) voor Afrikaans Parser voor Afrikaans Doorzoekbaar maken van de treebank (voor taalkundig onderzoek) NWU (CTexT) & KU Leuven (CCL)

3 GrETEL 4 AFRIKAANS Greedy Extraction of Trees for Empirical Linguistics Zoekmachine voor treebanks

4 GrETEL Greedy Extraction of Trees for Empirical Linguistics Zoekmachine voor treebanks Treebank = syntactisch geannoteerd corpus o o o Penn Treebank (Engels) TüBa (Duits) LASSY, CGN, SoNaR (Nederlands)

5 AFRIKAANSE TREEBANK NCHLT treebank Geschreven Afrikaans Afrikaans deel van NCHLT Annotated Tekst Corpora (National Centre for Human Language Technologies) woorden zinnen Manueel gecorrigeerd

6 GrETEL Greedy Extraction of Trees for Empirical Linguistics Zoekmachine voor treebanks Treebank = syntactisch geannoteerd corpus o o o Parser Penn Treebank (Engels) TüBa (Duits) LASSY, CGN, SoNaR (Nederlands) o Bv. Alpino (Van Noord 2006)

7 PARSER Ek het die boek gelees. >> parser >>

8 >> parser >> PARSER

9 PARSER >> parser >> XML-boomstructuur Zoektaal: XPath

10 XPATH and and and and

11 XPATH and and and and

12 XPATH and and and and

13 XPATH

14 GrETEL 2 zoekmodi: o Voorbeeld-gebaseerd zoeken o Zoeken met XPath

15 GrETEL 2 zoekmodi: o Voorbeeld-gebaseerd zoeken voordeel: geen of beperkte kennis van de data en/of formele zoektalen (zoals XPath) vereist o Zoeken met XPath

16 de gebruiker 1. Geef een voorbeeld 2. Bekijk parse 3. Geef de relevante items aan in de zin 4. Selecteer treebank 5. (Bewerk XPath) 6. Bekijk de resultaten GrETEL Parst de zin (met Alpino) Genereert automatisch een XPath instructie Presenteert resultaten

17 OVERZICHT GrETEL in een notendop GrETEL demo o o Case study Zoekopties Conclusies

18 CASE STUDY Constructies met het + object met een bepaald lidwoord (die) + werkwoord Bv. Ek het die boek gelees.

19 GrETEL ONLINE

20 INPUT

21 INPUT PARSE

22 SELECTIE MATRIX

23 LEIDRAAD VOOR SELECTIE

24 TREEBANK SELECTIE

25 QUERY OVERZICHT

26 RESULTATEN Constructies met het + object met een bepaald lidwoord (die) + werkwoord Bv. Ek het die boek gelees. 79 hits, verdeeld over 73 zinnen

27 RESULTATEN

28 RESULTATEN: data

29 RESULTATEN: data greedy search

30 RESULTATEN: bomen

31 MEER RESULTATEN Optie 1: Gebruik verschillende query s Constructies met het + object met een bepaald lidwoord (die) + werkwoord Constructies met het + object met een onbepaald lidwoord ( n) + werkwoord Bv. Ek het die boek gelees. 79 hits Bv. Ek het n boek gelees. 42 hits TOTAAL: 121 hits

32 MEER RESULTATEN Optie 2: Pas de XPath query aan (via XPath Search ) //node[node[@rel="aux" and node[@rel="obj" and node[@rel="det" and (@lemma="die" and node[@rel="hd" and node[@rel="hd"

33 MEER RESULTATEN

34 MEER RESULTATEN Optie 2: Pas de XPath query aan (via XPath Search )

35 OVERZICHT GrETEL in een notendop GrETEL demo o o Case study Zoekopties Conclusies

36 GEAVANCEERD ZOEKEN

37 GEAVANCEERD ZOEKEN

38 GEAVANCEERD ZOEKEN

39 GEAVANCEERD ZOEKEN

40 ZOEKOPTIES

41 WOORDVOLGORDE PP-over-V o V + PP o Hy sal die man help met sy werk. o o PP + V Hy sal die man met sy werk help.

42 PP-over-V o o WOORDVOLGORDE V + PP Hy sal die man help met sy werk hits in zinnen Maar: resultaten bevatten ook PP + V!

43 PP-over-V o o WOORDVOLGORDE V + PP + woordvolgorde optie Hy sal die man help met sy werk hits in 847 zinnen Resultaten bevatten enkel V + PP

44 OVERZICHT GrETEL in een notendop GrETEL demo o o Case study Zoekopties Conclusies

45 CONCLUSIES GrETEL: zoekmachine voor treebanks, nu ook voor Afrikaans! Input = natuurlijke taal Output = sample van gelijkaardige zinnen Syntactic concordancer Online beschikbaar (via Mozilla Firefox) Geen installatie nodig

46 TOEKOMSTMUZIEK Meer data toevoegen: Taalkommissiekorpus Parser verbeteren

47 Probeer het zelf uit!