20.8.07

Słownik walencyjny a korekta gramatyczna

Jedną z trudności w pisaniu reguł korektora LT jest to, że wiele przyimków i form gramatycznych wynika w zdaniu z walencyjności czasowników. Spróbujmy na przykład odróżnić użycie "nazbyt" od "na zbyt":

  • Ten idiota awansował na zbyt eksponowane stanowisko.
  • Objął nazbyt eksponowane stanowisko.
Chodzi więc o to, żeby wykrywać niepoprawne wersje tych zdań. Jest to jednak niesłychanie trudne bez zgrubnego choćby słownika walencyjnego - potrzebnego zresztą do wielu zadań lingwistyki komputerowej. Problem w tym, że takich wolnodostępnych zasobów nie ma. Najmniejszy (stosunkowo) kłopot jest z obmyśleniem nowych znaczników do anotowania takich form (choć w obecnych teoriach panuje tu ogromny rozgardiasz). Większy jest z ich anotowaniem - czyli pozyskaniem takich informacji.
Do korekty gramatycznej, przynajmniej w LT, przydatne najbardziej obecnie byłyby informacje o przyimkach i przypadkach wymaganych przez czasowniki.LinkNieco mniejsze znaczenie mają informacje o kategorii semantycznej argumentów (np. osoba, rzecz, proces...), gdyż anotacja za pomocą polskiej sieci semantycznej, choćby rozwijanej w ramach projektu słownika synonimów, jest dopiero w fazie marzeń. Na dodatek nie wszyscy zgadzają się, jak faktycznie należałoby wykrywać walencyjność semantyczną (tzw. teorie kognitywne zwykle są - niestety - nawrotem do topornego mentalizmu i introspekcjonizmu). Zajmijmy się więc morfosyntaktyczną walencyjnością.

Istnieją oczywiście rozmaite słowniki wydane drukiem, choćby siedmiotomowy Słownik syntaktyczno-generatywny czasowników polskich, t. 1-7, red. K. Polański, Kraków 1980-1993. Prawa autorskie i brak czasu (skanowanie!) powodują, że wykorzystanie ich jest kłopotliwe. Szczęście, że w wersji przeglądrki Poliqarp z rozszerzeniami statystycznymi stosunkowo łatwo wyłapać informacje morfosyntaktyczne: wystarczy odpowiednio zadać zapytanie i filtrować wedle częstości. Oczywiście, ogólne zapytanie spowoduje zastój (za dużo pamięci potrzeba do jego wykonania), lecz można pytać po kolei o różne przypadki, przyimki i czasowniki zaczynające się od kolejnych liter alfabetu. Projektuję obecnie serię prostych skryptów; trzeba będzie parę dni to generować. Oczywiście, przełomem to w polskiej lingwistyce nigdy nie będzie, ale pozwoli wyeliminować część fałszywych alarmów.

2 komentarze:

AdamP pisze...

W IPI PAN trwa projekt, którego celem jest automatyczne wydobycie informacji walencyjnych z Korpusu IPI PAN. Planujemy udostępnić wyniki tego projektu bezpłatnie, ale zapewne ich jakość nie będzie najwyższa...

Informacje walencyjne są jeszcze obecne w "Innym słowniku" Mirosława Bańko. (Natomiast Polański to chyba "tylko" 5 tomów, które ukazywały się w latach 1980-1992.)

Podobne szybkie i zgrubne generowanie ram walencyjnych na podstawie zapytań morfosyntaktycznych podobnych do proponowanych zapytań poliqarpowych można znaleźć w komercyjnym systemie Word Sketch.

Pozdrawiam,

Adam P.

Marcin Miłkowski pisze...

To znakomita wiadomość, że takie dane będą dostępne bezpłatnie! W takim razie zapewne nie zapuszczę moich prostych zapytań, tylko poczekam na wyniki ;) I tak mam mnóstwo dłubania w bazie danych tworzącej słownik morfologiczny.

A co do samych słowników, to chyba jeszcze jest stosunkowo niedawno wydany w Universitasie Praktyczny słownik łączliwości... Stanisława Mędaka.