Inżynieria Języka Nina Suszczańska, Politechnika Śląska, 2006 W1: Lingwistyka Inżynieria Języka Nina Suszczańska, Politechnika Śląska, 2006

Plan W1: Lingwistyka W2: Gramatyki W3: Gramatyki, Statystyka W4: Zastosowania 25.03.2006 2 z 36

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 języka zastosowania: wyszukiwanie informacji tekstowych, organizacja danych tekstowych, automatyczne streszczanie tekstów, systemy pytań i odpowiedzi, tłumaczenie, wspomaganie tłumaczenia. 25.03.2006 3 z 36

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 4 z 36

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 5 z 36

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 6 z 36

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 7 z 36

Gdzie 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 8 z 36

Elementy terminologii NLP (Natural Language Processing) – przetwarzanie języka naturalnego Kompetencja językowa (kompetencja komunikacyjna) Komputerowe modelowanie (emulowanie) kompetencji językowej człowieka System z emulowaną kompetencją człowieka = system z kompetencją językową dorównującą ludzkiej Rozumienie języka Inżynieria języka naturalnego (Natural Language Engineering), technologie języka ludzkiego (Human Language Technologies), inżynieria lingwistyczna (Linguistic Engineering) 25.03.2006 9 z 36

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 10 z 36

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 11 z 36

Dziedzina 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 12 z 36

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 13 z 36

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 14 z 36

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 15 z 36

Zadania inżynierii lingwistycznej rozpoznawanie mowy rozpoznawanie sygnału mowy w otoczeniu szumu korekcja błędów wymowy czytanie z ust(?) rozumienie języka generowanie wypowiedzi w języku naturalnym wyszukiwanie informacji (information retrieval) selekcja informacji (information extraction) wnioskowanie 25.03.2006 16 z 36

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 17 z 36

Wiedza o języku a realizacja wyznaczonego celu Zrozumienie polecenia analiza językowa (identyfikacja słów, ich form, związków między nimi) odniesienie do rzeczywistości 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 18 z 36

Model lingwistyczny Punkt wyjścia – teorie utworzone przez lingwistów Aktualizacja 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 19 z 36

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 20 z 36

Zadania inżyniera języka (2) Użytkownik – uczy się obcować się z komputerem Lingwista-teoretyk szlifuje opisy poszczególnych zjawisk językowych Inżynier 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 21 z 36

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 22 z 36

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 23 z 36

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 24 z 36

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 25 z 36

Trochę historii (1) Podstawy (lata 40-te, 50-te) automaty; ( Turing, 1936; model obliczeń), „neurony”; McCulloch i Pitts, 1943 automaty skończone, wyrażenia regularne; Kleene, 1951 i 1956 zastosowanie modeli Markova do analizy języka; Shanon, 1948 wykorzystanie 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 26 z 36

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 27 z 36

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 28 z 36

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 29 z 36

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 30 z 36

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 31 z 36

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 32 z 36

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 33 z 36

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 34 z 36

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 35 z 36

Koniec 25.03.2006 36 z 36