Language Data Resources II - NPFL076

• Title: Zdroje lingvistických dat II
• Guaranteed by: Institute of Formal and Applied Linguistics (32-UFAL)
• Faculty: Faculty of Mathematics and Physics
• Actual: from 2010
• Semester: summer
• E-Credits: 3
• Hours per week, examination: summer s.:0/2, MC [HT]
• Capacity: unlimited
• Min. number of students: unlimited
• 4EU+: no
• Virtual mobility / capacity: no
• State of the course: cancelled
• Language: Czech
• Teaching methods: full-time
• Teaching methods: full-time
• Guarantor: doc. Ing. Zdeněk Žabokrtský, Ph.D.
• Class: Informatika Mgr. - Matematická lingvistika
• Classification: Informatics > Computer and Formal Linguistics
• Co-requisite : NPFL070

Annotation

English

Last update: T_UFAL (10.05.2006)

The seminar is aimed at obtaining practical experience in application of knowledge from Language Resouces I in the Linux/Perl environment.

Czech

Last update: T_UFAL (10.05.2006)

Seminář je zaměřen na praktické procvičení znalostí z předmětu Zdroje lingvistických dat I v prostředí Linux/Perl.

Literature

Last update: T_UFAL (10.05.2006)

Vybrané články z konferencí (LREC, ACL atd.), technické zprávy ÚFAL/CKL.

(Selected conference papers (LREC, ACL etc.), UFAL/CKL technical reports.)

Syllabus

English

Last update: T_UFAL (10.05.2006)

1) Short introduction into programming language Perl

• data structures

• basic processing of textual data

• Perl Best Practices

2) Language resources in XML

• declaration (DTD, schemata)

• XSL transformations

• XPath queries

• docbook

3) PDT 2.0 data processing

• data formats used in PDT

• btred/ntred batch processing of PDT 2.0 data

4) Processing of other languages resources

• conversion from other formats/formalisms/languages (including the typologically distant languages)

• mutual conversion of dependency and constituency structures

• rapid development of syntactically tagged data for languages with scarce resources

5) Experiment evaluation

• precision/recall in morphological and syntactical tagging

• 10-fold cross evaluation, significance tests

• BLEU score

Czech

Last update: T_UFAL (22.05.2006)

1) Stručný úvod do programovacího jazyka Perl

• datové struktury v Perlu

• základní techniky zpracování textových dat

• Perl Best Practices

2) Lingvistická data ve formátu XML

• deklarace (DTD,schemata)

• transformace v jazyku XSL

• dotazování v jazyku XPath

• docbook

3) Zpracování dat z PDT 2.0

• datové formáty použité v PDT

• dávkové zpracování souborů z PDT 2.0 v prostředí btred/ntred

4) Zpracování dat z dalších jazyků

• konverze lingvistických zdrojů z jiných formátů/formalismů/jazyků (včetně jazyků typologicky vzdálených)

• vzájemný převod složkové a závislostní orientovaných struktur

• extrémní vývoj syntakticky značkovaných dat pro jazyky bez existujících treebanků

5) Vyhodnocování experimentů

• precision/recall v morfologickém a syntaktickém značkování

• 10-fold cross evaluation, testy signifikance

• BLEU score