# Úvod do počítačové lingvistiky

## Morfologie

- indický lingvista Pānini ve 4. století př.n.l. formuloval pravidla morfologie sanskrtu
	- jeden ze zakladatelů moderní lingvisitky, Ferdinand de Saussure, byl profesorem sanskrtu
- předmětem morfologie je studium vnitřní struktury slov
- lexikologie – slova se studují jako jednotky slovní zásoby
- lexikografie – sestavování slovníků
- morfém – nejmenší znaková jednotka jazyka nesoucí význam
	- lexikální morfém – nese význam slova jako takového
	- gramatický morfém – určuje gramatickou roli slovního tvaru
- další pojmy
	- morfologie studuje skloňování a časování
	- tvaroslovné dublety – odlišné slovní tvary mající stejnou gramatickou funkci (na hradě / o hradu, o balíčcích/balíčkách apod.)
	- homonymní tvary – stejné slovní tvary odvozené od různých slovních základů (žena, tři, hnát, stát, už apod.)
	- alternace – změna hlásek uvnitř kmene (vůz – vozu, švec – ševce, prkno – prken)
	- autosémantická (plnovýznamová) slova
	- synsémantická (pomocná) slova
- morfologická typologie jazyků
	- přílkad: vyjádření množného čísla – nulový rozdíl, funkční slovo, afixace, zvukový rozdíl, reduplikace
	- jazyky
		- analytické – slovo = morfém
			- izolační jazyky
		- syntetické – slovo > morfém
			- flektivní jazyky (skloňování, časování, hodně tvarů ke každému základu)
				- introflexe – změny probíhají v kořeni
			- aglutinační jazyky (lepí se k sobě morfémy)
		- polysyntetické – slovo = věta
- přístupy ke zpracování morfologie
	- morfologie založená na morfémech – vidí slovo jako řetízek morfémů, jako korálky na niti
	- morfologie založená na lexémech – vidí slovo jako výsledek aplikace pravidel, která slovo mění a tím vytváří nový slovní tvar
	- morfologie založená na slovech – centrální roli mají vzory
		- ze základního tvaru a vzoru (k němuž slovo patří) umíme vygenerovat všechny tvary slova
- Two-Level Morphology
	- první obecný model zpracování morfologie přirozeného jazyka
	- založen na konečných automatech
	- tradiční počítačové zpracování morfologie se orientovalo na generování tvarů slov ze základního tvaru – nebralo v úvahu, že opačný směr (analýza) může být víceznačný
	- 2 úrovně – lexikální a povrchová
	- základní myšlenky
		- pravidla se aplikují paralelně, ne sekvenčně
		- podmínky se mohou vztahovat k jedné nebo oběma úrovním
		- lexikální vyhledávání (trie) a morfologická analýza probíhají současně
- česká morfologie
	- vyvíjena od roku 1989 zejména profesorem Hajičem
	- využívá poziční značky, každá pozice má svůj jednoznačný význam
	- značky jsou 15místné, rozeznává se pouze 13 kategorií
	- lemma – jednoznačný identifikátor slova
- činnosti využívající morfologii
	- morfologická analýza – na vstupu slovní tvar, na výstupu seznam všech lemmat a značek, které jsou pravděpodobné
	- morfologické značkování (tagging) – proces výběru správné značky v daném kontextu (statistické metody)
	- částečná morfologická desambiguace založená na pravidlech (Olive, Petkevič) – pomocí spolehlivých pravidel redukuje počet značek
	- lemmatizace – na vstupu slovní tvar, na výstupu lemma
	- stemming – odříznutí koncovky (na vstupu slovní tvar, na výstupu kmen slova)
	- generování – výběr správného slovního tvaru na základě lemmatu a kombinace gramatických kategorií