W1: Lingwistyka Inżynieria Języka Nina Suszczańska, Politechnika Śląska, 2006
W1: Lingwistyka
Inżynieria JęzykaNina Suszczańska, Politechnika Śląska, 2006
25.03.2006 2 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Plan
W1: LingwistykaW2: GramatykiW3: Gramatyki, Statystyka W4: Zastosowania
25.03.2006 3 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Tematyka wykładów
czego dotyczą terminy: przetwarzanie języka naturalnego, lingwistyka komputerowa, inżynieria lingwistyczna, inżynieria języka
dziedziny NLP: fonetyka/ortografia, fonologia, morfologia, składnia, semantyka, pragmatyka
rodzaje danych lingwistycznych i możliwość ich wykorzystania (słowniki, korpusy)
tradycyjne (formalne) podejście do analizy i syntezy języka, statystyczne metody przetwarzania językazastosowania:
– wyszukiwanie informacji tekstowych,– organizacja danych tekstowych,– automatyczne streszczanie tekstów,– systemy pytań i odpowiedzi,– tłumaczenie, wspomaganie tłumaczenia.
25.03.2006 4 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Literatura
Zygmunt Vetulani, Komunikacja człowieka z maszyną. Komputerowe modelowanie kompetencji językowej. Warszawa 2004, Akademicka oficyna Wydawnicza EXIT
Jurafsky Daniel, Martin James H. Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Upper Saddle River 2000 Prentice Hall. http://www.cs.colorado.edu/~martin/slp.html
Inne, przykładowe: Hajič, Jan, materiały do wykładu Introduction to Natural Language
Processing CS Dept., Johns Hopkins Univ. http://www.cs.jhu.edu/~hajic Manning Christopher D., Schutze Hinrich. Foundations of Statistical
Natural Language Processing. Cambridge 1999 The MIT Press. Advances in Automatic Text Summarization. Eds. Inderjeet Mani, Mark
T. Maybury. Cambridge 1999 MIT Press. Jelinek Frederick. Statistical Methods for Speech Recognition.
Cambridge 1999 MIT Press.
25.03.2006 5 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Językoznawstwo
Językoznawstwo (lingwistyka) jest nauką o języku. – powstawanie, rozwój i funkcjonowanie języka– zależności między poszczególnymi językami
Trzy przeciwstawne pary kierunków badań językoznawczych : – synchroniczne – zajmuje się formą języka w danym momencie;
diachroniczne odkrywa historię języka (grupy języków) i zmiany jego struktury na przestrzeni czasu
– teoretyczne –modelowanie służące opisywaniu poszczególnych języków oraz teorie dotyczące uniwersalnych aspektów języka; stosowane – usiłuje wdrażać te teorie w praktyce
– Makrolingwistyka lub językoznawstwo kontekstualne bada dopasowanie języka do otaczającego świata,
• funkcje społeczne języka, proces nauki i wzbogacania języka, procesy wytwarzania i odbioru języka.
Mikrolingwistyka lub językoznawstwo niezależne rozważa język jako byt niezależny od otaczającego świata
• lingwistyka ogólna lub lingwistyka bez dodatkowych określeń, • należy rozumieć jako językoznawstwo synchroniczne, teoretyczne
i niezależne jednocześnie. Dziedzina ta jest uważana za jądro językoznawstwa
25.03.2006 6 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Działy językoznawstwa
Językoznawstwo zajmuje się wszelkimi aspektami języka i zawiera w sobie liczne działy. Należą do nich między innymi:
- fonetyka - fonologia - lingwistyka tekstu - morfologia - pragmatyka - semantyka - semiotyka - słowotwórstwo - syntaktyka
itd.
25.03.2006 7 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Interdyscyplinarne kierunki badań
lingwistycznych Na pograniczu lingwistyki i innych nauk wyodrębniły się
kilkadziesiąt dziedzin badań, w tym: – Geolingwistyka (geografia lingwistyczna, geografia języka) – Kryptografia– Krytyczna Analiza Dyskursu ( dyskurs) – Juryslingwistyka (ligwistyka prawnicza) – Lingwistyka matematyczna – Lingwistyka stosowana – Lingwistyka kognitywna – Lingwistyka komputerowa
• identyfikacja rozmówcy• przetwarzanie języka naturalnego• przetwarzanie mowy• rozpoznawanie mowy• synteza mowy
itd.
25.03.2006 8 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KAGdzie jest potrzebna wiedza lingwistyczna?
Dziedziny działalności człowieka, w których wiedza lingwistyczna jest potrzebna to:– translatoryka - teoria i praktyka przekładu, – dydaktyka, obejmująca także nauczanie języka
ojczystego dzieci i młodzieży, – komunikacja masowa, – problematyka grup społecznych posługujących się
własnymi językami, – informatyka, teoria i praktyka sztucznego
intelektu i in.
25.03.2006 9 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Elementy terminologii
NLP (Natural Language Processing) – przetwarzanie języka naturalnego
Kompetencja językowa (kompetencja komunikacyjna)Komputerowe modelowanie (emulowanie) kompetencji
językowej człowiekaSystem z emulowaną kompetencją człowieka = system
z kompetencją językową dorównującą ludzkiejRozumienie języka Inżynieria języka naturalnego (Natural Language
Engineering), technologie języka ludzkiego (Human Language Technologies), inżynieria lingwistyczna (Linguistic Engineering)
25.03.2006 10 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Przetwarzanie języka naturalnego -
różne aspekty lingwistyka formalna i komputerowa (Computational
Linguistics)przetwarzanie języka naturalnego (Natural Language
Processing) inżynieria lingwistyczna (Linguistic Engineering) psycholingwistyka komputerowa (Computational
Psycholinguistics) rozpoznawanie sygnału mowy (Speech Recognition)
25.03.2006 11 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Cele NLP
poznawcze (jak jest zbudowany język, na czym polega posługiwanie się językiem jego rozumienie nauka ...),
gromadzenie danych lingwistycznych (słowniki ogólne i specjalistyczne, korpusy tekstów, gramatyki, ...)
wykorzystywanie języka naturalnego w systemach komputerowych:– wyszukiwanie informacji, – automatyczne streszczanie tekstów, – systemy pytań i odpowiedzi, – organizacja danych tekstowych, – wspomaganie tłumaczenia– itd.
25.03.2006 12 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KADziedzina lingwistyki komputerowej
Wszystko, co jest powiązano z rozpoznawaniem mowy i przetwarzaniem danych powiązanych z tym zagadnieniem
Zadanie lingwistyki komputerowej polega w tym, żeby rozwijać oprogramowanie, które daje możliwość rozwiązać problemy powstające w związku z opracowaniem językowych danych
25.03.2006 13 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Gdzie jest potrzebna lingwistyka
komputerowa (1)Wspomaganie przy opracowaniu tekstów, w tym
poprawianie typowych błędów oraz błędów ortograficznych, sprawdzanie poprawności zdania, np. składniowej
Podział słów na sylaby w programach automatycznego przenoszenia słów
Pomoc przy napisaniu tekstów, np. poszukiwanie prawidłowej terminologii lub synonimów
Poszukiwanie kontekstów, w tym według reguł związków między poszukiwanymi wyrazami lub według ich znaczenia
Pomoc przy tłumaczeniu tekstów na obce języki
25.03.2006 14 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Gdzie jest potrzebna lingwistyka
komputerowa (2)Dialog z komputerem w języku naturalnym Przetwarzanie języka mówionego czy migowego
w pisany i na odwrót Opracowanie danych tekstowych, np. bibliografii
wykorzystanej przy napisaniu tekstu, automatyczne układanie konspektu lub streszczenia tekstu
Dostarczanie informacji na dużą skale — od poszukiwania odpowiedniej literatury w bazie danych biblioteki do odpowiedzi na zapytanie generowanej przez system ekspertowy bazujący się na dużych bazach wiedzy
Programy nauczania języka, multimedialne słowniki, np. słowniki z dostępem fonicznym („mówiące”), słowniki „migające” oraz inne programy ćwiczeniowe
25.03.2006 15 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Czym zajmuje się inżynieria lingwistyczna
Inżynieria lingwistyczna to opracowywanie metod i konstruowanie narzędzi umożliwiających automatyczne przetwarzanie języka naturalnego.
NLP to ciąg przekształceń:
wypowiedź
synteza mowy
tekst w języku naturalnym
reprezentacja semantyczna (np. logiczna)
reakcja (wykonanie operacji, sformułowanie odpowiedzi)
25.03.2006 16 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Zadania inżynierii lingwistycznej
rozpoznawanie mowy – rozpoznawanie sygnału mowy w otoczeniu szumu– korekcja błędów wymowy– czytanie z ust(?)
rozumienie językagenerowanie wypowiedzi w języku
naturalnymwyszukiwanie informacji (information
retrieval)selekcja informacji (information extraction)wnioskowanie
25.03.2006 17 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Inżynieria języka
Teoria i praktyka są równie ważne w lingwistyce komputerowej.
Rozwiązania teoretyczne powinny być sprawdzone w eksperymentach komputerowych.
Z tego powodu z lingwistyki komputerowej wyodrębniła się część nazywana inżynierią językową, której zadaniem jest konstruowanie modeli i ich implementacja.
Inżynieria językowa jest szczególną częścią lingwistyki komputerowej, i jej rola jest bardzo ważna.
25.03.2006 18 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA
Zrozumienie polecenia•analiza językowa (identyfikacja słów, ich form, związków między nimi)•odniesienie do rzeczywistości
Wiedza o języku a realizacja wyznaczonego celu
Wybór odpowiedzi
ew. odrzucenie polecenia mimo możliwości wykonania go
Sformułowanie odpowiedzi•wybór słów, ich form, porządku•pragmatyka: uprzejma odmowa, podziękowanie•odniesienie do poprzedniej części dialogu (np. ten, to, on)
25.03.2006 19 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Model lingwistyczny
Punkt wyjścia – teorie utworzone przez lingwistówAktualizacja modelu do konkretnego projektu:
– Uzupełnienie i sprecyzowanie wykorzystywanych teorii języka
– Rozszerzenie wyjściowego modelu o zjawiska do tej pory pomijane
– Ujednolicenie opisu teoretycznego uwzględnionych zjawisk w przypadku kompilacji kilku modeli teoretycznych
25.03.2006 20 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Zadania inżyniera języka (1)
Bardzo skomplikowane W wielu przypadkach inżynier językowy musi sam
zgromadzić dane z interesującej go dziedziny języka ludzkiego.
Zgromadzone dane służą do wyboru odpowiedniej teorii opracowanej przez lingwistów,
ale wymagają opracowania własnej teorii przetwarzania takiej, która pozwoliłaby w miarę łatwą implementację.
Innymi słowy, informatyk występujący w roli inżyniera języka opracowuje opis teoretyczny modelowanego fragmentu języka, czyli tworzy model lingwistyczny, jednocześnie występując w roli twórczej badaczy języka.
Wieloletnie doświadczenie pokazało, że niewiedza szczegółów budowy języka, rozwiązanie problemów ad-hoc nie może doprowadzić do sukcesu
25.03.2006 21 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Zadania inżyniera języka (2)
Użytkownik – uczy się obcować się z komputeremLingwista-teoretyk szlifuje opisy poszczególnych
zjawisk językowychInżynier języka (informatyk!) powinien
skonstruować algorytmy, które doprowadziłyby do pożądanych wyników.
Do też można przytoczyć miarkowania o tym, że zdarza się tak, że inżynierowi czasami także przychodzą do głowy genialne idee
25.03.2006 22 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Cele modelowania
Test Turinga: maszyna naśladuje człowieka w sposób nieodróżnialny dla słuchacza (czytelnika) (poza problemami czysto językowymi także np. psychologiczne, związane z indywidualnymi możliwościami człowieka)– „przepowiednia” Turinga - pod koniec XX w. maszyna
dysponująca pamięcią 10GB będzie miała 30% szans na „oszukanie”, że jest człowiekiem w ciągu 5-minutowej rozmowy (NIESTETY? NIE, ale np. zaskakująco sprawne są chatterboty służące do konwersacji z człowiekiem, pierwszy - ELIZA,Weizenbaum, 1966)
Ogromna przepaść między możliwościami człowieka, a możliwościami systemów komputerowych (w odróżnieniu od operowania na liczbach czy dużych zbiorach informacji strukturalnych gdzie widać dużą przewagę systemów komputerowych)
Rozumienie i prawidłowe reagowanie na wypowiedzi (teksty) w języku naturalnym wymaga udziału wiedzy spoza tekstu (z nieograniczonego praktycznie zakresu) i skomplikowanych (nie poznanych do końca, nieklasycznych) metod wnioskowania.
25.03.2006 23 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Eliza, wirtualny psychoanalityk
przykład rozmowy – użytkownik: „Mam zły dzień”– Eliza: „Czy przyszedłeś do mnie, bo masz zły dzień?”
przykład rozmowy – użytkownik: „Czuje się świetnie, dziękuję ci.”– Eliza: „Jak długo czujesz się świetnie, dziękuję mi?”
Elizę można obejrzeć pod adresem: http://ecceliza.cjb.net
25.03.2006 24 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Inne popularne boty
A.L.I.C.E Dostępna pod adresem: http://www.alicebot.org
Claude http://www.cs.cmu.edu/.../classics/racter/cld110.zip
Elvis http://www.catcom.net Nicole - wirtualny asystent firmy NativeMinds.
(niedostępna) Ramona - wirtualna artystka Wszystko na stronie
Autora dotyczącej sztucznej inteligencji: http://www.kurzweilai.net
Anna - Polski bot autorstwa Tomasza Kandefera.Julie1 - Wirtulana członkini i reprezentantka GovCon Fido - Pierwszy komercyjny chatterbot w Polsce
25.03.2006 25 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Zakres zastosowania wiedzy
Komputer jest maszyną, język należy do strefy uczuć. Jak daleko posunięte mogą być prowadzone obliczenia w języku?
Czy może komputer zademonstrować pewnego dnia ludzkie uczucie, i czy wtedy jest ten komputer narzędziem do opracowania symboli?
Gdzie są granicy symulacji komputerowej komunikowania się?
25.03.2006 26 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Trochę historii (1)
Podstawy (lata 40-te, 50-te)automaty; ( Turing, 1936; model obliczeń), „neurony”; McCulloch i Pitts, 1943automaty skończone, wyrażenia regularne; Kleene, 1951
i 1956zastosowanie modeli Markova do analizy języka; Shanon,
1948wykorzystanie automatów do opisu gramtyk, Chomsky (1956) formalny opis języka, gramatyki bezkontekstowe, Chomsky
1956 (niezależnie Backus i Naur, 1959 i 1960)zdefiniowanie entropii jako miary pojemności informacyjnej,
wyniki dla języka angielskiego, Shanon, spektrograf dźwiękowy (Koenig, 1946) i pierwszy system
analizy mowy (cyfry), Bell Labs, Davis, (1952)
25.03.2006 27 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Trochę historii (2)
Dwa obozy, 1957-1970 – przetwarzanie symboliczne (formalne),
• gramatyka generatywna, Chomsky – pierwszy system parsujący: TDAP (Transformations and
Discourse Analysis Project, Zelig Harris, 1962• sztuczna inteligencja (AI), McCarthy, Minsky …
– logiki nieklasycznem systemy automatycznego dowodzenia twierdzeń
– metody statystyczne• Bledsoe & Browning (1959) system rozpoznawania tekstu
w oparciu o metodę Bayesa– pierwsze prace korpusowe
• korpus Browna amerykańskiego angielskiego (1 mln słów z 400 tekstów)
25.03.2006 28 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Trochę historii (3)
Cztery podejścia, 1970-1983– metody statystyczne
• IBM Thomas J. Watson Research Center: Jelinek, Bahl, Mercer
• Carnegie Mellon Uniwersity: Baker• AT&T BellLaboratories (rozpoznawanie i analiza mowy)
– metody oparte o logiki formalne• Colmerauer, gramatyki metamorficzne, Prolog• Kay, gramatyki funkcyjne• Bresnan, Kaplan, LFG
– natural-language-understanding field, SHRUDLU, Winograd, 1972, Shank
– modelowanie dyskursu, Grosz, 1977, Allen
25.03.2006 29 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Trochę historii (4)
Ponowne „odkrycie”: metody empiryczne i automaty stanów skończonych, 1983-1993– wykorzystanie automatów do analizy morfologicznej
(Kaplan, Kay, 1981)– metody analizy statystycznej mowy (IBM Research
Centre)– ...
Połączenie wysiłków, 1994– włączenie metod statystycznych do wszystkich
dziedzin NLP
25.03.2006 30 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Systemy przetwarzania języka (1)
ScanSoft Inc., US: tradycyjna specjalność cyfryzacja obrazu/tekstu pisanego– RealSpeak (Text-To-Speach system, 19 języków, w tym polski)
• http:/www.scansoft.com/realspeak– Dragon NaturallySpeaking (rozpoznawanie mowy, zamiana na tekst,
wspomaganie tworzenia dokumentów biurowych)Nuance, USA http:/www.nuance.com
– Nuance: rozpoznawanie mowy (m.in. voice-driven systems)– synteza mowy Nuance Vocalizer (UK and US English; inne języki
w połączeniu z modułami np. ScanSoft)– Voice Authentication (rozpoznanie użytkownika po głosie)
Telisma, France– telco-grade speech modules– philsoft: rozpoznawanie mowy (ASR)
25.03.2006 31 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Systemy przetwarzania języka (2)
Lingtech A/S, Dania– PaTrans (efekt projektu EURORTA): tłumaczenie
w dziedzinie medycyny i farmacji Morphologics, Węgry
– korektory pisowni– analizatory morfologiczne (w tym bardzo dobry polski)
PROject MT Ltd, Rosja - PROMPT; system tłumaczący Temis, France http:/www.temis-group.com/temis/sx.htm
– InsightDiscover Extractor (ekstrakcja informacji ze swobodnego tekstu, 7 języków)
FlexAnswer - system dialogowy Linguamatic, UK; Eleka Linguistic Engeenering, Kraj
Basków; voiceINTERconnect, Niemcy; Systran, Francja....
25.03.2006 32 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Informatyczno-technologiczne
prace w Polsce (1)Nurt logiczny: Gramatyka współczesnego języka
polskiego– Stanisław Karolak– Zuzanna Topolińska i in.
Paradygmat zależnościowy– Zygmunt Saloni– Marek Świdziński– Tomasz Obrębski (parser, 2002)
Gramatyki generatywne– Kazimierz Polański (czasownik) (1980)– Katarzyna Węgrzynek (przymiotniki) (1995)– Grażyna Vetulani (rzeczownik) (2000)
25.03.2006 33 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Informatyczno-technologiczne
prace w Polsce (2)Formalizm HPSG (Head-driven Phrase Structure
Grammar)– Leonard Bolc– Adam Przepiorkowski i in.
Formalizm DRT (Discourse Representation Theory), modelowanie znaczenia polskiej frazy nominalnej– Maciej Piasecki (2003)
Formalizm DCG (Definite Clause Grammar)– Stanisław Szpakowicz (1983)– Janusz Bień i in.
Formalizm SSG (System of Syntactical Groups)– Wiaczysław Gładki (1975)– Nina Suszczańska (gramatyka 1981, parser 1998)
25.03.2006 34 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Lingwistyka a informatyka
Wielowątkowość przetwarzania języka– Różne techniki dla szczegółowych podzadań
• Analiza morfologiczna• Parsing• Analiza semantyczna• Analiza kontekstu i sytuacji itp.
Wzajemne oddziaływanie i inspiracje– Gramatyki formalne – podstawowy formalny informatyki
– bazują na pracach lingwistów• Kazimierz Ajdukiewicz (1890-1963) – gramatyki kategorialne• Noam Chomski – gramatyki generatywne
Formalizacja wymaga od lingwistów opisów szczegółowych, czasem badań dodatkowych
25.03.2006 35 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA Informacje w sieci
HLT Cenral (Human Language Technologies)– htp://www.hltcentral.org– „ HLTCentral web site was established as an online
information resource of human language technologies and related topics of interest to the HLT community at large. It covers news, R&D, technological and business developments in the field of speech, language, multilinguality, automatic translation, localisation and related areas. Its coverage of HLT news and developments is worldwide - with a unique European perspective.”
ELRA European Language Resources Associacion - organizacja zajmująca się zbieraniem i udostęnianiem danych językowych (członkostwo jest płatne) http://www.elra.info
25.03.2006 36 z 36
INŻY
NIE
RIA
JĘ
ZYK
AIN
ŻYN
IER
IA J
ĘZY
KA