Ruční anotace morfologické segmentace češtiny

Bc. Květa Mrštíková

Bachelor's thesis

Manual annotation of morphological segmentation of Czech

Abstract:

Při postupném členění slova na stále menší bezprostřední složky dospějeme k nejmenším útvarům majícím povahu znakovou (jsou charakterizovány po stránce významové i výrazové). Takové nejmenší části mající svůj výraz a význam, vyčlenitelné na základě jejich opakování v jiných slovních tvarech, nazýváme morfy. Právě segmentace na morfy a zbylé části tzv. submorfy (nesoucí výraz, nikoli význam) je do jisté míry věcí individuální, záležející na jazykovém citu každého jedince. Bakalářská práce se zabývá segmentací vhodně vybraných slov a jejich analýzou napříč skupinami rozřazenými dle různých kritérií. Dotýká se tématu mezianotátorské shody, která je demonstrována na vybraných slovech. Součástí práce je databáze všech vybraných slov s frekvencí výskytu ve vybraných korpusech a výslednou pravděpodobnostní množinou slov.

Abstract:

When gradually breaking down words into smaller and still smaller components, we come to the smallest forms having the nature of character (they are characterized by both the meaning and expression). Such smallest parts having their expression and meaning, selectable according to their occurrence in different word forms, are called morphs. Segmentation into morphs and remaining parts, the so-called submorphs (carrying expression but not meaning), is to some extent a matter of individual approach, depending on each individual's language sense. This thesis deals with segmentation of appropriately chosen words and their analysis across groups set up according to various criteria. It also touches on the topic of inter-annotator accord which is demonstrated on selected words. Part of the work is a database of all the selected words occurring in the selected corpora and the resulting stochastic set of words.

Keywords

anotace, annotation, morfologická segmentace, morphological segmentation, morfologie, morphology, mezianotátorská shoda, inter rater reliability, slovotvorba, word formation

Language used: Czech

Date on which the thesis was submitted / produced: 22. 8. 2013

Thesis defence

• Date of defence: 30. 1. 2014
• Supervisor: Mgr. et Mgr. Vít Baisa, Ph.D.

Masaryk University

Faculty of Arts

Bachelor programme / field:
Philology / Czech Language with Orientation on Computational Linguistics