Что такое Nooj?

Русские ресурсы для
программного обеспечения
NOOJ
Составление словарей, помет и
грамматик
Digital Humanities
В.Ш.Э. Нижний-Новгород
18/10/2013
Корпусы русского языка «он лайн»
«готовые» русские ресурсы
• Национальный корпус русского языка
http://ruscorpora.ru
• Машинный фонд русского языка http://cfrl.ru
• Корпус русского литературного языка
http://www.narusco.ru
Что такое Nooj?
Многоязычная система для
обработки текстов
Nooj http://www.nooj4nlp.net/pages/nooj.html,
работа с «собственными» текстами и ресурсами
Принцины работы с программой NOOJ
 Скачать программу и ресурсы
 Установить программу ( распаковка)
 Выбрать параметры для русского языка
 Открыть ( Импортировать) текст
 Составить лексику
 Провести морфосинтаксический анализ
 Снять случаи омонимии
 Искать слова и составить конкордансы
Использовать и написать «грамматики»
Скачать NOOJ
• NOOJ
http://www.nooj4nlp.net/pages/download.html
Скачать ресурсы
23 языка (7 славянских языков)
Русский язык
Установить программу
 Автоматическая
распаковка в папках
C:\NooJApp\_App
C:\ NooJApp\_Misc
C:\ NooJApp\FR
C:\ NooJApp\EN
C:\ NooJApp\RU
Работа в папке C:\My Documents
Содержание папки «ru»
Как построены лингвистические
ресусрсы?
Основные файлы с русскими ресурсами
•
•
•
•
•
Файл :Properties.def
Файл(ы) : словари.dic / .nod
Файл(ы) : парадигмы.nof
Файлы : грамматики.nog
Файлы : тексты.txt / .not
Как построены
лингвистические ресусрсы?
Основной файл с характеристиками :
• Properties.def
A_Forme = fc | fl | adv;
A_Genre = m | f | n ;
A_SGenr = an | inan ;
A_Nombre = s | p;
A_Cas = Im | Vi | Ro | Da | Tv | Pr | Zv;
A_Deg = Comp | Sup ;
A_Sem = App | Color | Body;
ADV_Deg = Comp;
ADV_Sem = Time | Topo | Modal;
N_Genre = m | f | n ;
N_SGenr = an | inan ;
N_Nombre = s | p;
N_Cas = Im | Vi | Ro | R2 | Da | Tv | Pr | P2
| Zv ;
N_Sem = Hum | Forename | Prof | Parent |
Body |Animal | Bird | Food | Arts | Lit |
Music | Sports | Topo | Country | River |
City | Mount| Lake | Posit | Time | Color ;
Как построены лингвистические ресусрсы?
Словари с лексикой и образцы:
• 3 словаря : oбщий, личные имена, суб. прилагательные
• 3516346 word forms / 95603 different analyses
•
•
•
•
•
•
•
•
•
красивый,A+FLX=новый
машина,N+f+inan+FLX=карта
судьба,N+f+inan+FLX=судьба
альтист,N+m+an+Prof+Music+FLX=артист
стол,N+m+inan+FLX=стол
шестьдесят,NUM+card+FLX=пятьдесят
ковать,V+ipf+FLX=жевать
водить,V+ipf+FLX=ходить
лгать,V+ipf+FLX=лгать
Как построены лингвистические ресусрсы?
Семантические пометы :
• Около 5000 слов с семантической разметкой
•
•
•
•
•
•
береза,N+f+inan+Plant+Tree+FLX=карта
альтист,N+m+an+Hum+Music+Prof+FLX=артист
белый,A+Color+FLX=новый
морковь,N+f+inan+Food+Vegetable+FLX=смесь
глаз,N+m+inan+Body+FLX=глаз
водить,V+Mvt+Indet+ipf+FLX=водить
Как построены лингвистические ресусрсы?
Парадигмы:
Около 700 разных парадигмов
•
новый = <E>/fl+Im+m+s | <E>/fl+Vi+m+s | <B2>ого/fl+Vi+m+an+s |
<B2>ого/fl+Ro+m+s | <B2>ому/fl+Da+m+s | <B2>ым/fl+Tv+m+s |
<B2>ом/fl+Pr+m+s | <B2>ое/fl+Im+n+s | <B2>ое/fl+Vi+n+s |
<B2>ого/fl+Ro+n+s | <B2>ому/fl+Da+n+s | <B2>ым/fl+Tv+n+s |
<B2>ом/fl+Pr+n+s | <B2>ая/fl+Im+f+s | <B2>ую/fl+Vi+f+s |
<B2>ой/fl+Ro+f+s | <B2>ой/fl+Da+f+s | <B2>ой/fl+Tv+f+s |
<B2>ою/fl+Tv+f+s | <B2>ой/fl+Pr+f+s | <B2>ые/fl+Im+m+f+n+p |
<B2>ые/fl+Vi+m+f+n+p | <B2>ых/fl+Vi+p | <B2>ых/fl+Ro+p |
<B2>ым/fl+Da+p | <B2>ыми/fl+Tv+p | <B2>ых/fl+Pr+p ;
•
судьба = <E>/Im+s | <B>у/Vi+s | <B>ы/Ro+s | <B>е/Da+s | <B>ой/Tv+s |
<B>ою/Tv+s | <B>е/Pr+s | <B>ы/Im+p | <B>ы/Vi+p | <B><L><B>е/Ro+p |
<B>ам/Da+p | <B>ами/Tv+p | <B>ах/Pr+p ;
Работа с программой «Nooj»
Выбор словарей и «грамматик»
Работа с программой «Nooj»
Открыть (Импортировать) текст
Работа с программой «Nooj»
Работа с текстом ( список словоформ и составление конкордансов)
Работа с программой «Nooj»
Список слов с леммами и список словоформ
Работа с программой «Nooj»
Работа с текстом ( лингвистический анализ и снятие омонимии)
Работа с программой «Nooj»
Использование «грамматик»
Работа с программой «Nooj»
Как написать «грамматику» ? Зовут ? Называется ?
Работа с программой «Nooj»
Как написать «грамматику» ? Надо PREP мной – Надо ADV , чтобы
Digital Humanities
В.Ш.Э. Нижний-Новгород
18/10/2013
Русские ресурсы для программного
обеспечения NOOJ
Merci de votre attention
Спасибо за внимание
Винцент Бенет
vincent.benet@inalco.fr