Μέθοδοι εξάλειψης μορφολογικών αμφισημιών κατά την αυτόματη ανάλυση κειμένων της Νέας Ελληνικής

Transcript

1 Κυριακή Ιωαννίδου Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Μέθοδοι εξάλειψης μορφολογικών αμφισημιών κατά την αυτόματη ανάλυση κειμένων της Νέας Ελληνικής ΕΙΣΑΓΩΓΗ Η ραγδαία εξέλιξη της τεχνολογίας των ηλεκτρονικών υπολογιστών τα τελευταία χρόνια οδήγησε στην ανάπτυξη διεπιστημονικών κλάδων της Πληροφορικής και των ανθρωπιστικών επιστημών. Έναν από αυτούς αποτελεί και η Υπολογιστική Γλωσσολογία (Computational Linguistics), όρος συνώνυμος της Αυτόματης Επεξεργασίας Φυσικών Γλωσσών (Natural Language Processing NLP). Η Υπολογιστική Γλωσσολογία είναι στην πραγματικότητα «η εκμετάλλευση των δυνατοτήτων των ηλεκτρονικών υπολογιστών στη σπουδή τής γλώσσας» (Μπαμπινιώτης, 1998, σελ. 26). Η Αυτόματη Επεξεργασία Φυσικών Γλωσσών έχει ως στόχο την όσο το δυνατόν πληρέστερη και ακριβέστερη ηλεκτρονική περιγραφή της γλώσσας. Αποτελείται από δύο μεγάλα στάδια: την ανάλυση και την παραγωγή του λόγου (Kyriacopoulou, 2005). Η παρούσα έρευνα περιορίζεται στο στάδιο της αυτόματης ανάλυσης του γραπτού λόγου και διεξάγεται για την Νέα Ελληνική. Αντικείμενο της συγκεκριμένης μελέτης αποτελεί η άρση των μορφολογικών αμφισημιών που εντοπίζονται σε ηλεκτρονικά σώματα κειμένων (corpus-based approach). Αυτό επιτυγχάνεται με τη δημιουργία τυποποιημένων γραμματικών κανόνων και με την εφαρμογή τους στα σώματα κειμένων. Η εξάλειψη των αμφισημιών θα επιτρέψει τη μεγαλύτερη ακρίβεια στην περιγραφή της γλώσσας, ώστε η επεξεργασία της από ηλεκτρονικές εφαρμογές να είναι αποτελεσματικότερη. Στο πρώτο κεφάλαιο της παρούσας εργασίας θα ορίσουμε το θεωρητικό πλαίσιο στο οποίο εντάσσεται η έρευνά μας. Το δεύτερο κεφάλαιο περιλαμβάνει την παρουσίαση όλων τα ειδών αμφισημιών και τη συσχέτισή τους με τα στάδια αυτόματης ανάλυσης ενός κειμένου. Στη συνέχεια, θα επικεντρώσουμε την έρευνά μας στα είδη των μορφολογικών αμφισημιών. Στο τρίτο κεφάλαιο, θα παρουσιάσουμε το μεθοδολογικό

2 πλαίσιο στο οποίο εντάσσεται η εξάλειψη των μορφολογικών αμφισημιών. Στο επόμενο κεφάλαιο, θα παρουσιάσουμε τα γλωσσικά εργαλεία και δεδομένα που χρησιμοποιήσαμε για την εκπόνηση της έρευνας. Τέλος, στο πέμπτο κεφάλαιο θα παρουσιάσουμε τις γραμματικές εξάλειψης αμφισημιών που κατασκευάσαμε. 1. ΘΕΩΡΗΤΙΚΟ ΠΛΑΙΣΙΟ Η χρήση των υπολογιστών για τη συγκρότηση των γλωσσικών δεδομένων απαιτεί μια μηχανιστική μέθοδο ανάλυσης της γλώσσας. Μια τέτοια μέθοδος προσφέρεται από τη θεωρία του Harris (1960), όπου «o συγγραφέας κωδικοποιεί, τρόπον τινά, τη μεθοδολογία τού αμερικανικού δομισμού» (Μπαμπινιώτης, 1998, σελ. 252). Ουσιαστικά, πρόκειται για ένα μαθηματικό υπόδειγμα περιγραφής της δομής των γλωσσών, στο οποίο τίθενται οι βασικές αρχές της μετασχηματιστικής θεωρίας. Σε αυτές τις αρχές βασίστηκε το μεθοδολογικό μοντέλο «Λεξικό-Γραμματική» του Gross (1975), το οποίο υιοθετούμε στην παρούσα έρευνα. Σύμφωνα με την εν λόγω θεωρία, η απλή πρόταση αποτελεί την ελάχιστη σημασιοσυντακτική μονάδα. Η ανάλυση της γλώσσας ξεκινά από τις απλές προτάσεις, από τις οποίες, όταν εφαρμόζονται οι μηχανισμοί της γλώσσας, παράγονται οι σύνθετες προτάσεις. Οι δυνατότητες συνδυασμού των απλών φράσεων είναι πεπερασμένες και για το λόγο αυτό ο Gross (1975) θεωρεί ότι η έννοια της δημιουργικότητας μπορεί να ενταχθεί στο πλαίσιο μιας πεπερασμένης διαδικασίας περιγραφής της γλώσσας. Πολλοί γλωσσολόγοι έχουν κατασκευάσει ηλεκτρονικά λεξικά όπου αποδίδουν τυποποιημένες ιδιότητες στις λεξικές μονάδες, σύμφωνα με το μοντέλο του Gross (1986). Στην παρούσα μελέτη, κατασκευάζουμε γραμματικούς κανόνες επικαλούμενοι τις μορφολογικές ιδιότητες των λεξικών μονάδων που περιέχουν τα λεξικά, προκειμένου να εξαλείψουμε μέρος των μορφολογικών αμφισημιών που εντοπίζονται σε σώματα κειμένων.

3 2. Η ΑΜΦΙΣΗΜΙA 2.1 ΟΡΙΣΜΟΣ ΚΑΙ ΕΙΔΗ ΑΜΦΙΣΗΜΙΑΣ Παρακάτω θα ορίσουμε την έννοια της αμφισημίας και θα περιγράψουμε τους τύπους εμφάνισής της στην Νέα Ελληνική, στηριζόμενοι στην ταξινόμηση της Kyriacopoulou (2005). Πρώτο είδος αμφισημίας είναι η τυπογραφική αμφισημία. Τυπογραφική αμφισημία έχουμε όταν ένας χαρακτήρας παρουσιάζει περισσότερες από μία λειτουργίες (Silberztein, 1993). Χαρακτηριστικό παράδειγμα είναι αυτό της τελείας, η οποία μπορεί να δηλώνει το τέλος μιας πρότασης αλλά μπορεί να εμφανίζεται και σε ένα ακρωνύμιο ή μία συντόμευση χωρίς να σημαίνει απαραίτητα το τέλος της πρότασης. Παρακάτω δίνονται τρία παραδείγματα: Τον ζήτησε χθες ο υπουργός. Α.Π.Θ. κ.λπ. Δεύτερο είδος αμφισημίας είναι η μορφολογική αμφισημία. Μορφολογική αμφισημία έχουμε όταν δύο τύποι του ηλεκτρονικού λεξικού 1 έχουν την ίδια ορθογραφία και διαφέρουν τουλάχιστον σε ένα από τα παρακάτω χαρακτηριστικά: το λημματικό τύπο, τη γραμματική κατηγορία, την κλίση τους, το γένος ή τον αριθμό (Courtois, 1996). Σε αυτά τα κριτήρια ορισμού της μορφολογικής αμφισημίας, η Kyriacopoulou (2005) προσθέτει και την πτώση. Ένα παράδειγμα μορφολογικής αμφισημίας αποτελεί ο τύπος καθιστά που αντιστοιχεί στο τρίτο πρόσωπο του ενεστώτα του ρήματος καθιστώ και στην ονομαστική, αιτιατική και κλητική ουδετέρου του πληθυντικού του επιθέτου καθιστός. Τρίτο είδος αμφισημίας είναι η σημασιο-συντακτική αμφισημία. Αμφίσημη είναι μία γλωσσική έκφραση όταν έχει πολλές σημασίες ή λειτουργίες (Gross, 2001). 1 Σημειώνουμε ότι ένας τύπος του ηλεκτρονικού λεξικού αντιστοιχεί σε έναν κλιτό τύπο μιας λεξικής μονάδας. Για παράδειγμα, σε ένα λεξικό ο τύπος τραπέζι (αιτιατική ενικού) είναι διαφορετικός από τον τύπο τραπέζι (κλητική ενικού). Και οι δύο όμως προέρχονται από τον ίδιο λημματικό τύπο.

4 Παρακάτω δίνονται παραδείγματα όπου το ρήμα αλλάζω έχει διαφορετικές σημασίες και λειτουργίες. Ο καιρός άλλαξε (μη μεταβατικό) Ο Γιάννης άλλαξε αυτοκίνητο (μεταβατικό, σημασία: αντικαθιστώ) Ο Γιάννης άλλαξε το υπνοδωμάτιό του (μεταβατικό, σημασία: δίνω διαφορετική μορφή 2 ) Το τέταρτο είδος αμφισημίας εντοπίζεται σε κειμενικό επίπεδο μεταξύ απλών και σύνθετων λεξικών μονάδων. Μια ακολουθία δύο απλών λεξικών μονάδων σε μία περίσταση επικοινωνίας τη θεωρούμε μία σύνθετη πολυλεκτική μονάδα, εφαρμόζοντας τα κριτήρια που προτείνει ο Gross (1996), ενώ σε άλλη περίσταση επικοινωνίας η ίδια ακολουθία μπορεί να αποτελέσει ένα σύνολο ελεύθερης δομής. Χαρακτηριστικό παράδειγμα είναι η μαύρη ζώνη στα ακόλουθα παραδείγματα: Χθες φορούσε μια μαύρη ζώνη Έχει μαύρη ζώνη στο καράτε Διευκρινίζουμε ότι τα παραπάνω είδη αμφισημιών δε δυσχεραίνουν πάντα την ανθρώπινη επικοινωνία σε ορισμένες περιπτώσεις δε γίνονται καν αντιληπτές γιατί γίνεται υποσυνείδητα η επιλογή της σωστής ερμηνείας της λέξης και/ή της πρότασης από τους φυσικούς ομιλητές. Για να επιτευχθεί όμως κάτι τέτοιο από τον ηλεκτρονικό υπολογιστή, θα πρέπει οι κανόνες που επικαλούμαστε υποσυνείδητα κατά την επικοινωνία να μελετηθούν και να καταγραφούν. Οι κανόνες αυτοί θα πρέπει να χαρακτηρίζονται από συνοχή (να έχουν ολοκληρωμένη διατύπωση και σαφή δομή), καθολικότητα (να ισχύουν σε όλες τις περιπτώσεις των υπό μελέτη φαινομένων) και συστηματικότητα (να παράγουν πάντα συγκεκριμένο τύπο αποτελεσμάτων κατά την εφαρμογή τους). 2.2 ΣΤΑΔΙΑ ΑΥΤΟΜΑΤΗΣ ΑΝΑΛΥΣΗΣ ΚΕΙΜΕΝΩΝ ΚΑΙ ΕΜΦΑΝΙΣΗ ΑΜΦΙΣΗΜΙΑΣ 2 Οι διαφορετικές σημασίες δίνονται στο Λεξικό της Κοινής Νέας Ελληνικής του Ιδρύματος Μανόλη Τριανταφυλλίδη.

5 Κάθε στάδιο ανάλυσης ενός κειμένου συνδέεται με συγκεκριμένα είδη αμφισημίας. Στην πορεία της επεξεργασίας κάποιες αμφισημίες εξαλείφονται. Στο υποκεφάλαιο αυτό, θα συσχετίσουμε την εμφάνιση των διαφόρων ειδών αμφισημίας με τα διαφορετικά στάδια της αυτόματης ανάλυσης ενός κειμένου. Ένα κείμενο αρχικά υπόκειται σε τυπογραφική ανάλυση (προεπεξεργασία ενός κειμένου). Κατά την τυπογραφική ανάλυση, αναγνωρίζεται η λειτουργία κάθε χαρακτήρα στην πρόταση (Silberztein, 1993). Ειδικότερα, το σύστημα αναγνωρίζει το χαρακτήρα που εισάγει κάθε πρόταση και πριν από αυτόν τοποθετεί ένα σύμβολο που δηλώνει την αρχή της πρότασης (βλ. παράρτημα 1). Ο τεμαχισμός του κειμένου σε προτάσεις γίνεται με χρήση γραμματικών κανόνων υπολογιστικής χρήσης (βλ. παράρτημα 2) οι οποίοι περιγράφουν τη γλώσσα αποκλειστικά με βάση την ύπαρξη ή μη κεφαλαίων γραμμάτων, αριθμών, σημείων στίξης και κενών (Silberztein 1993; Paumier 2006). Κάθε πρόταση συνιστά ελάχιστη σημασιοσυντακτική μονάδα και αποτελεί το αντικείμενο της μορφολογικής ανάλυσης. Μετά τον τεμαχισμό σε προτάσεις εξαλείφονται οι τυπογραφικές αμφισημίες, οι οποίες έχουν εμφανιστεί με την έναρξη της προεπεξεργασίας του κειμένου. Για να ξεκινήσει η επεξεργασία ενός κειμένου, το σύστημα πρέπει να έχει πρόσβαση σε μορφολογικές πληροφορίες (Laporte, 2001). Το πρώτο στάδιο ανάλυσης αποτελεί η λεξική ανάλυση, η οποία συνίσταται στην αναγνώριση των ελάχιστων λεξικών μονάδων που απαρτίζουν κάθε πρόταση του κειμένου. Η αναγνώριση των μονάδων αυτών γίνεται με τη χρήση τυποποιημένων ηλεκτρονικών λεξικών υπολογιστικής χρήσης (βλ. παράρτημα 3). Στα ηλεκτρονικά λεξικά, σε κάθε λημματικό τύπο αντιστοιχίζονται όλοι οι πιθανοί κλιτοί τύποι (ακόμη και αν ο λημματικός τύπος ταυτίζεται με τον κλιτό) και κάθε κλιτός τύπος συνοδεύεται από μορφοσημασιολογικές πληροφορίες. Για παράδειγμα, στο λημματικό τύπο τραπέζι αντιστοιχίζονται οι τύποι τραπεζιού, τραπέζια και τραπεζιών. Δίπλα σε κάθε κλιτό τύπο εμφανίζονται και οι αντίστοιχες μορφολογικές πληροφορίες (πτώση, γένος, αριθμός). Για παράδειγμα: τραπέζι,.n:nns:ans:vns

6 Το σύστημα ανάλυσης αναζητά τις λεξικές μονάδες της πρότασης μεταξύ των κλιτών τύπων του λεξικού και αποδίδει σε αυτές τις αντίστοιχες μορφοσημασιολογικές πληροφορίες που περιέχονται στο λεξικό (tagging). Τη μορφολογική ανάλυση μπορεί να την κατανοήσει κανείς σαν την προβολή δύο συστημάτων με τα εξής δεδομένα: από τη μια μεριά το κείμενο ακατέργαστο (μια μη δομημένη γραμμική αλληλουχία τυπογραφικών χαρακτήρων) και από την άλλη το σύστημα με τα λεξικά (ένα σύνολο δομημένων γλωσσολογικών δεδομένων). Η λεξική ανάλυση συνίσταται στην αντιπαράθεση των δύο αυτών συστημάτων με σκοπό τη δημιουργία ενός τρίτου: μίας σειράς λέξεων συνδεδεμένων με τις γλωσσικές τους ιδιότητες (Silberztein, 1993) (εικ. 1). Εικ. 1 Σε κάθε λέξη του κειμένου αντιστοιχίζονται όλοι οι ομόγραφοι τύποι που εντοπίζονται στο λεξικό και αποδίδονται σε αυτήν οι αντίστοιχες μορφολογικές πληροφορίες όλων των τύπων (tagging) Δεδομένου ότι στο λεξικό υπάρχουν ομόγραφοι κλιτοί τύποι, το σύστημα, προκειμένου να μην υπάρξει απώλεια πληροφορίας (zero silence), αντιστοιχίζει στη λεξική μονάδα της πρότασης όλους τους κλιτούς τύπους του λεξικού με κοινή ορθογραφία (Laporte, 1994). Έτσι, η μορφολογική ανάλυση έχει ως αποτέλεσμα την εμφάνιση σε ένα κείμενο μεγάλου αριθμού αμφισημιών που προκύπτουν από τις πληροφορίες που παρέχουν τα ηλεκτρονικά λεξικά (Silberztein, 1993). Οι αμφισημίες αυτές ονομάζονται μορφολογικές. Στη συνέχεια, ακολουθεί η σημασιοσυντακτική ανάλυση, κατά την οποία αναγνωρίζονται οι συντακτικές δομές κάθε πρότασης. Η διεργασία αυτή επιτυγχάνεται με τη χρήση λεξικών-γραμματικών (Gross 1975;

7 Boons, Guillet & Leclere 1976a; Bonns, Guillet & Leclere 1976b). Σε ένα λεξικόγραμματική κάθε κατηγόρημα αποτελεί ένα λήμμα και συνοδεύεται από τις σημασιοσυντακτικές ιδιότητες που παρουσιάζουν τα συμπληρώματά του (βλ. παράρτημα 4). Διευκρινίζεται ότι όταν ένα ρήμα έχει πολλές σημασίες καταχωρίζεται τόσες φορές όσες είναι και οι σημασίες του. Το σύστημα, κατά τη συντακτική ανάλυση, εντοπίζει το κατηγόρημα της πρότασης και αναζητά στους πίνακες του λεξικού-γραμματικής τη σύνταξή του. Έτσι, με βάση τις πληροφορίες που παρέχει το λεξικό-γραμματική, εντοπίζει στην πρόταση τα συμπληρώματα του κατηγορήματος και τους αποδίδει τη συντακτική τους θέση ή λειτουργία. Η απόδοση των συντακτικών πληροφοριών στις λεξικές μονάδες της πρότασης έχει ως αποτέλεσμα την εμφάνιση συντακτικών αμφισημιών. Με την ολοκλήρωση του σταδίου της συντακτικής ανάλυσης (parsing), επιτυγχάνεται η εξάλειψη των συντακτικών αμφισημιών και μέρους των μορφολογικών αμφισημιών (Laporte, 2001). Η εξάλειψη των μορφολογικών αυτών αμφισημιών γίνεται με βάση τις πληροφορίες που αντλούμε για τη σύνταξη των κατηγορημάτων. Για παράδειγμα, στην πρόταση Η ελληνική γλώσσα δεν έγινε επίσημη υπάρχουν οι εξής μορφολογικές αμφισημίες πτώσεων: ο τύπος ελληνική αντιστοιχεί στην ονομαστική αιτιατική και κλητική ενικού του επιθέτου ελληνικός, ο τύπος γλώσσα αντιστοιχεί στην ονομαστική, αιτιατική και κλητική ενικού του ουσιαστικού γλώσσα και ο τύπος επίσημη αντιστοιχεί στην ονομαστική αιτιατική και κλητική ενικού του επιθέτου επίσημος. Κατά τη συντακτική ανάλυση, το σύστημα αναγνωρίζει ότι το ρήμα έγινε ως συνδετικό δέχεται υποκείμενο και κατηγορούμενο στην ονομαστική. Με τον τρόπο αυτό, οι μορφολογικές αμφισημίες εξαλείφονται στο συντακτικό επίπεδο. Το θεωρητικό μοντέλο που υιοθετούμε προβλέπει την ανάλυση του λόγου μέχρι και το συντακτικό επίπεδο. Κατά συνέπεια, δεν πραγματοποιείται επεξεργασία του κειμένου σε κειμενικό επίπεδο και δεν επιχειρείται η εξάλειψη των αντίστοιχων αμφισημιών.

8 2.3 ΟΡΙΣΜΟΣ ΚΑΙ ΕΙΔΗ ΜΟΡΦΟΛΟΓΙΚΗΣ ΑΜΦΙΣΗΜΙΑΣ Σύμφωνα με τον ορισμό της Courtois (1996), έτσι όπως τον προσάρμοσε για τα ελληνικά η Kyriacopoulou (2005), δύο τύποι του ηλεκτρονικού λεξικού θεωρούνται μορφολογικά αμφίσημοι όταν έχουν την ίδια ορθογραφία και διαφέρουν σε ένα τουλάχιστον από τα παρακάτω χαρακτηριστικά: - τη γραμματική κατηγορία. Για παράδειγμα, ο τύπος ήπια αντιστοιχεί στην ονομαστική αιτιατική και κλητική του ενικού του θηλυκού και του πληθυντικού του ουδετέρου του επιθέτου ήπιος καθώς και στο πρώτο πρόσωπο του αορίστου του ρήματος πίνω. - το λημματικό τύπο. Για παράδειγμα, ο τύπος επίπλων αντιστοιχεί στη γενική πληθυντικού της λέξης έπιπλο και στη γενική πληθυντικού της λέξης επίπλους. - την κλίση τους. Για παράδειγμα, η μονάδα πάχους αντιστοιχεί σε δύο τύπους: στη γενική ενικού του λήμματος πάχος με ονομαστική πληθυντικού πάχη και στη γενική ενικού του λήμματος πάχος με ονομαστική πληθυντικού πάχη, πάχια και τα πάχητα 3. - το γένος. Για παράδειγμα, ο τύπος δικηγόρου αντιστοιχεί στη γενική ενικού του αρσενικού και του θηλυκού της λέξης δικηγόρος. - τον αριθμό. Για παράδειγμα, ο τύπος γκολ αντιστοιχεί σε όλες τις πτώσεις του ενικού και του πληθυντικού αριθμού της λέξης γκολ. - την πτώση. Για παράδειγμα, ο τύπος γίγαντα αντιστοιχεί στη γενική και στην αιτιατική ενικού της λέξης γίγαντας. Όταν ένας τύπος αντιστοιχεί σε περισσότερους από έναν λημματικούς τύπους, γραμματικές κατηγορίες ή κλιτικά παραδείγματα, οδηγεί σε διαφορετικές καταχωρίσεις. Επειδή συχνά ένας τέτοιος τύπος μεταφράζεται με ποικίλους τρόπους, ανάλογα με τις διαφορετικές σημασίες ή λειτουργίες του, θα ήταν ορθό να 3 Στο Λεξικό της Κοινής Νέας Ελληνικής του Ιδρύματος Μανόλη Τριανταφυλλίδη οι σημασίες των δύο λέξεων διαχωρίζονται.

9 θεωρήσουμε ότι σε επίπεδο λέξεων, η αμφισημία είναι πάντα τυχαίο γεγονός, οφείλεται δηλαδή στο ότι διαφορετικές λέξεις προφέρονται και άρα γράφονται με τον ίδιο τρόπο (Gross, 2001). Αντίθετα, όταν ένας τύπος αντιστοιχεί σε περισσότερα του ενός γένη, αριθμούς ή πτώσεις, τότε οδηγεί σε μία καταχώριση και ονομάζεται άπαξ (Courtois, 1996). 3. ΜΕΘΟΔΟΛΟΓΙΚΟ ΠΛΑΙΣΙΟ 3.1 ΜΕΙΩΣΗ ΤΩΝ ΜΟΡΦΟΛΟΓΙΚΩΝ ΑΜΦΙΣΗΜΙΩΝ Όπως προαναφέραμε, αποτέλεσμα της ανάλυσης ενός κειμένου είναι η εμφάνιση αμφισημιών σε όλα τα επίπεδα. Στόχος μας, ωστόσο, είναι να καταλήξουμε σε ένα κείμενο κάθε λεξική μονάδα του οποίου θα συνοδεύεται από έναν μόνο χαρακτηρισμό (Dister, 2001), αυτόν που πραγματώνεται στη συγκεκριμένη περίσταση επικοινωνίας. Καθίσταται λοιπόν απαραίτητη η εξάλειψη του συνόλου των αμφισημιών. Το στάδιο κατά το οποίο θα πραγματοποιείται η εξάλειψη των αμφισημιών είναι πολύ σημαντικό. Θα πρέπει αφενός να συντελεστεί το συντομότερο δυνατόν, εφόσον δυσκολεύει σημαντικά την αυτόματη ανάλυση (Kyriacopoulou, 2005), αφετέρου να λάβει υπόψη τις διαθέσιμες πληροφορίες σε κάθε στάδιο της ανάλυσης. Όπως αναφέρθηκε παραπάνω (κεφ. 2.2), κάποιες από τις μορφολογικές αμφισημίες εξαλείφονται κατά τη συντακτική ανάλυση, με τη χρήση του λεξικού-γραμματικής. Η χρήση του συγκεκριμένου εργαλείου κατά τη συντακτική ανάλυση δικαιολογείται από το γεγονός ότι ο καλύτερος τρόπος για να περιγράψει κανείς τις διαφορετικές σημασίες μιας λέξης ή μιας έκφρασης (στην προκειμένη περίπτωση ενός κατηγορήματος) είναι να τις εισαγάγει σε ένα συγκείμενο (Gross, 2001). Έτσι, το λεξικό-γραμματική με τις πληροφορίες που περιέχει για τα συμπληρώματα του κατηγορήματος, μπορεί να άρει τις αμφισημίες σε λεκτικούς τύπους εξαρτώμενους από τον πυρήνα της πρότασης. Είναι εύλογο ότι η εξάλειψη του συνόλου των μορφολογικών αμφισημιών απαιτεί πλήρη συντακτική ανάλυση. Ωστόσο, ο Laporte (2001) θεωρεί ότι η μερική εξάλειψη, ή μείωση, των αμφισημιών, όπου δεν είναι απαραίτητη η πλήρης συντακτική ανάλυση, αποτελεί πιο ρεαλιστικό στόχο. Άλλωστε, όπως επισημαίνεται στην

10 Kyriacopoulou (2005), ο Silberztein (1993) απέδειξε ότι είναι εφικτή η εξάλειψη κάποιων αμφισημιών με τη χρήση τοπικών γραμματικών πριν τη συντακτική ανάλυση (εικ. 2, κεφ ). Επομένως, ως μείωση των αμφισημιών (ambiguity reduction) ορίζεται η διαδικασία που εφαρμόζεται στο αποτέλεσμα της λεξικής ανάλυσης (lexical tagging) και που στοχεύει στην απόρριψη όσο το δυνατόν μεγαλύτερου αριθμού λάθος αναλύσεων με τα απλούστερα και γρηγορότερα δυνατά μέσα (Laporte, 2001). Ουσιαστικά, πρόκειται για ένα φιλτράρισμα των αποτελεσμάτων που αποφέρει η αναζήτηση στα λεξικά. Το φιλτράρισμα αυτό διευκολύνει τη συντακτική ανάλυση που ακολουθεί, περιορίζοντας τον αριθμό των εναλλακτικών αναγνώσεων μιας πρότασης (κάθε διαφορετική ανάλυση μιας λέξης σημαίνει και μια διαφορετική ανάγνωση της πρότασης) και τη συνθετότητα των πληροφοριών που θα μεταδοθούν στο συντακτικό αναλυτή (Milne, 1986). Στην παρούσα εργασία, θα ασχοληθούμε με τη μείωση των αμφισημιών, όπως την ορίσαμε παραπάνω. Ειδικότερα, θα ασχοληθούμε με την εξάλειψη των αμφισημιών που αφορούν κυρίως ουσιαστικά και επίθετα με κοινούς τύπους στις διάφορες πτώσεις του ενικού και/ή του πληθυντικού αριθμού καθώς και σε λέξεις διαφορετικών γραμματικών κατηγορικών. Όσον αφορά τις αμφισημίες μεταξύ των γραμματικών κατηγοριών, η έρευνά μας περιορίζεται στην περίπτωση των προσδιοριστών και των αντωνυμιών. Ενδεικτικά παραδείγματα δίνουμε παρακάτω: Έφυγε χωρίς τετράδιο τετράδιο N:Nns:Ans:Vns Παρατήρησε την ανοδική πορεία Μην την αντιμετωπίζεις με προκατάληψη την DET+Def:Afs \ PRO+Pers:Afs Στο σημείο αυτό υπενθυμίζουμε ότι οι αμφισημίες που θα επιχειρήσουμε να άρουμε δεν αποτελούν αντικείμενο επεξεργασίας στο στάδιο της συντακτικής ανάλυσης του κειμένου.

11 3.2 ΜΕΙΩΣΗ ΤΩΝ ΑΜΦΙΣΗΜΙΩΝ ΚΑΙ ΜΕΘΟΔΟΙ ΛΕΞΙΚΗΣ ΑΝΑΛΥΣΗΣ Υπενθυμίζουμε ότι το αποτέλεσμα της εφαρμογής των λεξικών στο εκάστοτε κείμενο, ονομάζεται λεξική ανάλυση του κειμένου (lexical analysis ή tagging) και ευθύνεται για την εμφάνιση των αμφισημιών. Η λεξική ανάλυση συνίσταται στην αναγνώριση των ελάχιστων μονάδων και στο χαρακτηρισμό αυτών με ετικέτες (tags). Η διαδικασία αυτή εξασφαλίζει τη γρήγορη πρόσβαση του συστήματος σε γλωσσολογικά δεδομένα (Laporte, 2001). Στα περισσότερα λογισμικά επεξεργασίας κειμένων, η λεξική ανάλυση ολοκληρώνεται σε δύο φάσεις. Αρχικά, αποδίδονται στις λεξικές μονάδες του κειμένου όλες οι πιθανές ετικέτες με βάση αποκλειστικά τις πληροφορίες των ηλεκτρονικών λεξικών. Στη συνέχεια, απορρίπτονται κάποιες από αυτές τις ετικέτες με την εφαρμογή γραμματικών κανόνων που περιγράφουν το συγκείμενο. Η εφαρμογή αυτών των κανόνων στα σώματα κειμένων επιτυγχάνει τη μείωση των αμφισημιών, όπως την ορίσαμε στο προηγούμενο υποκεφάλαιο. Έρευνες που χρησιμοποίησαν τέτοια λογισμικά είναι αυτές των Silberztein (1989; 1993) και Roche (1992). Αντίθετα, άλλα προγράμματα λεξικής ανάλυσης (Klein & Simmons 1963; Dermatas & Kokkinakis 1989; Pellilo & Refice 1991; Brill 1992; Federici & Pirelli 1992) πραγματοποιούν τις δύο αυτές φάσεις ταυτόχρονα, με αποτέλεσμα το κείμενο να εμφανίζεται χωρίς το σύνολο των πιθανών ετικετών. Στην παρούσα μελέτη, υιοθετούμε τον πρώτο τρόπο λεξικής ανάλυσης. Ο σαφής διαχωρισμός των δύο φάσεων διευκολύνει τη διαρκή βελτίωση των δύο διεργασιών: η βελτίωση της πρώτης φάσης επιτυγχάνεται με την πληρέστερη μορφολογική περιγραφή στα λεξικά, ενώ της δεύτερης με την ακριβέστερη περιγραφή του συγκειμένου στους γραμματικούς κανόνες (Laporte,1994). 3.3 ΓΛΩΣΣΙΚΑ ΕΡΓΑΛΕΙΑ ΚΑΙ ΔΕΔΟΜΕΝΑ ΣΥΣΤΗΜΑ ΑΥΤΟΜΑΤΗΣ ΑΝΑΛΥΣΗΣ UNITEX Το σύστημα αυτόματης επεξεργασίας φυσικών γλωσσών που χρησιμοποιήσαμε για τη λεξική ανάλυση των κειμένων και την εξάλειψη των μορφολογικών αμφισημιών

12 είναι ο αναλυτής Unitex 4 (Paumier, 2006). Τα σύμβολα που περιέχονται στα παραδείγματα της παρούσας μελέτης είναι αυτά που χρησιμοποιεί το Unitex για την αναπαράσταση των γλωσσικών δεδομένων. Τόσο πριν όσο και μετά τη μείωση των αμφισημιών, είναι πολύ χρήσιμη η συστηματικοποίηση της αναπαράστασης της λεξικής αμφισημίας. Εφόσον είναι πεπερασμένος ο αριθμός των διαφορετικών αναλύσεων μιας πρότασης και εφόσον αυτές έχουν πολλά κοινά στοιχεία, μια μέθοδος που προσφέρεται είναι η χρήση ενός ακυκλικού αυτόματου πεπερασμένων καταστάσεων (acyclic finite-state automaton). Συνώνυμοι όροι είναι ο κατευθυνόμενος ακυκλικός γράφος (directed acyclic graph - DAG), μηχανή πεπερασμένων καταστάσεων (finite-state machine FSM) κ.ά. Το σύστημα επεξεργασίας Unitex χρησιμοποιεί τέτοιους γράφους για την αναπαράσταση των προτάσεων, οι οποίοι ονομάζονται γράφοι της πρότασης ή αυτόματα του κειμένου (sentence graphs, text automata) (βλ. εικ. 1, κεφ. 2.2). Πάνω σε αυτούς τους γράφους πραγματοποιείται η λεξική ανάλυση και, αργότερα, η μείωση των αμφισημιών. Από τα εργαλεία που χρησιμοποιεί ο αναλυτής Unitex, θα μας απασχολήσουν τα ηλεκτρονικά σώματα κειμένων, τα ηλεκτρονικά λεξικά και οι τοπικές γραμματικές. Στη συνέχεια, αφού επισημάνουμε την προέλευση των σωμάτων κειμένων που χρησιμοποιήσαμε στην παρούσα μελέτη, θα παρουσιάσουμε τα λεξικά και τις γραμματικές που επεξεργάζεται το σύστημα, καθώς σχετίζονται με την εμφάνιση και με την εξάλειψη των αμφισημιών αντίστοιχα ΗΛΕΚΤΡΟΝΙΚΑ ΣΩΜΑΤΑ ΚΕΙΜΕΝΩΝ Τα σώματα κειμένων που χρησιμοποιήθηκαν στην έρευνά μας είναι τα εξής: - η ηλεκτρονική έκδοση της εφημερίδας ΤΑ ΝΕΑ ( ). Το σώμα κειμένων αυτό μας παραχωρήθηκε από το C. Fairon του Πανεπιστημίου UCL (Université Catholique de Louvain) του Βελγίου. 4 Το σύστημα ανάλυσης Unitex διατίθεται δωρεάν στο διαδίκτυο από το LADL (

13 - το σύνολο των ελληνικών κειμένων που εμφανίστηκαν στο διαδίκτυο μέχρι το Το σώμα κειμένων αυτό έχουν έκταση περίπου λεκτικούς τύπους και μας παραχωρήθηκε από τον F. Guenthner του Πανεπιστημίου του Μονάχου (Center for Information & Language Processing, Ludwig-Maximilian Universität München). Στο σημείο αυτό θα πρέπει να διευκρινίσουμε τον τρόπο χρήσης των ηλεκτρονικών σωμάτων κειμένων στην έρευνά μας. Για τη σύνταξη των γραμματικών κανόνων, μελετήσαμε συνολικά τις δομές της γλώσσας, χρησιμοποιώντας τα σώματα κειμένων ως μέσο αναζήτησης. Δεν αρκεστήκαμε όμως στις πληροφορίες που παρέχουν αυτά καθώς αναζητούσαμε και αντι-παραδείγματα που θα εξασφάλιζαν την καθολικότητα των κανόνων (Laporte, 2001). Μετά την κατασκευή των γραμματικών κανόνων, τους εφαρμόσαμε στα εν λόγω σώματα κειμένων για να επαληθεύσουμε την ισχύ τους ΗΛΕΚΤΡΟΝΙΚΑ ΛΕΞΙΚΑ Στο παρόν κεφάλαιο, θα παρουσιάσουμε εν συντομία κάποια ζητήματα που προκύπτουν κατά τη σύγκριση της λημματογράφησης σε ένα έντυπο και σε ένα ηλεκτρονικό λεξικό και επηρεάζουν τον αριθμό των αμφισημιών. Στη συνέχεια, θα περιγράψουμε αναλυτικά τη δομή των πληροφοριών στο ηλεκτρονικό λεξικό, εφόσον και αυτή επηρεάζει τον αριθμό αμφισημιών στο κείμενο (Dister, 2001). Τέλος, θα γίνει αναφορά στο μέγεθος των λεξικών που εφαρμόσαμε στα κείμενά μας. Αξίζει εδώ να επισημάνουμε ότι τα ζητήματα που θέτουμε για την κατασκευή ενός ηλεκτρονικού λεξικού έχουν γενικό χαρακτήρα. Ωστόσο, οι λύσεις που υιοθετούμε αφορούν τα λεξικά που χρησιμοποιήσαμε κατά την έρευνά μας και τα παραδείγματα που παραθέτουμε αντλούνται από αυτά ΕΝΤΥΠΑ ΚΑΙ ΗΛΕΚΤΡΟΝΙΚΑ ΛΕΞΙΚΑ Ένα ηλεκτρονικό λεξικό (Kyriacopoulou, 1990) διαφέρει σε πολλά σημεία από ένα έντυπο λεξικό. Αυτό οφείλεται στο γεγονός ότι ο «χρήστης» στην πρώτη περίπτωση είναι ο υπολογιστής, ενώ στη δεύτερη ο άνθρωπος. Για την αναζήτηση σε ένα έντυπο λεξικό, ο χρήστης επικαλείται υποσυνείδητα γνώσεις που έχει ήδη αποκτήσει για τη γλώσσα την οποία μελετάει. Τέτοιες γνώσεις είναι ο τρόπος κλίσης, η τοποθέτηση σε άλλο γένος, οι κανόνες παραγωγής κτλ. Για παράδειγμα, για την αναζήτηση του

14 τύπου τραπεζιού που συναντά στο κείμενο, ο χρήστης αναζητά τη λέξη τραπέζι γιατί αναγνωρίζει την κατάληξη της γενικής και ξέρει τον τρόπο κλίσης των ουσιαστικών. Αντίθετα, σε ένα ηλεκτρονικό λεξικό δε θα πρέπει καμία πληροφορία να θεωρείται δεδομένη: θα πρέπει να χαρακτηρίζεται από μεγάλη ακρίβεια, λεπτομέρεια, συνοχή και συστηματικότητα (Gross, 2001). Για το λόγο αυτό, θα πρέπει να περιλαμβάνεται στο ηλεκτρονικό λεξικό κάθε κλιτός τύπος μίας λέξης (Silberztein, 1993). Ομοίως, για ένα λήμμα που προέρχεται από ένα άλλο με τη διαδικασία της μορφολογικής παραγωγής πρέπει να προβλεφτεί ξεχωριστή καταχώριση (Gross, 2001). Για παράδειγμα, το τύπος σπιτάκι στα ηλεκτρονικά λεξικά καταχωρίζεται ξεχωριστά από τη λέξη σπίτι. Αποτέλεσμα των περισσότερων καταχωρίσεων σε ένα ηλεκτρονικό λεξικό, συγκριτικά με ένα έντυπο, είναι η εμφάνιση μεγαλύτερου αριθμού αμφισημιών στα ηλεκτρονικά λεξικά (Gross, 2001). Αυτό συμβαίνει γιατί σε ένα έντυπο λεξικό η ύπαρξη ομόγραφων αμφίσημων τύπων δε γίνεται αντιληπτή με απλή αναζήτηση. Ένα άλλο βασικό ζήτημα είναι το πότε ένας τύπος αντιστοιχεί σε δύο διαφορετικές λημματογραφήσεις. Σύμφωνα με τον Gross (2001), κάθε διαφορετική σημασία ή λειτουργία μιας λέξης αντιστοιχεί σε ένα λήμμα και τα λήμματα είναι σαφώς ανεξάρτητα, ενώ οι ετυμολογικές ή συνωνυμικές σχέσεις μεταξύ των διαφορετικών λημμάτων αναπαριστώνται με άλλες διεργασίες. Ακόμη και στην περίπτωση ορθογραφικών ποικιλιών, μία λέξη καταχωρίζεται περισσότερες από μία φορές (Courtois, 1996). Για παράδειγμα, σε ένα ηλεκτρονικό λεξικό, προβλέπονται δύο καταχωρίσεις για τις ορθογραφικές ποικιλίες εταιρία και εταιρεία. Αυτό εξ ορισμού σημαίνει την αύξηση του αναμενόμενου αριθμού αμφισημιών ΔΟΜΗ ΗΛΕΚΤΡΟΝΙΚΟΥ ΛΕΞΙΚΟΥ

15 Στο παρόν κεφάλαιο, αφού ορίσουμε την απλή και τη σύνθετη λέξη, θα περιγράψουμε αναλυτικά τη δομή των πληροφοριών στο ηλεκτρονικό λεξικό, εφόσον επηρεάζει τον αριθμό αμφισημιών στο κείμενο (Dister, 2001). Ως απλή λέξη ορίζεται η ακολουθία χαρακτήρων που οριοθετείται από κενά, σημεία στίξης ή ορθογραφικά σημάδια όπως η απόστροφος (Αναστασιάδη-Συμεωνίδη 1986; Silberztein 1990). Αντίστοιχα, ως πολυλεκτική σύνθετη λέξη νοείται η ακολουθία δύο τουλάχιστον απλών λέξεων και με ένα τουλάχιστον διαχωριστικό (Kyriacopoulou, Mrabti & Yannacopoulou 2002). Ενδεικτικά παραδείγματα σύνθετων πολυλεκτικών μονάδων δίνονται παρακάτω: συντηρητικό κόμμα συνθέτης-εκτελεστής αντ αυτού Στο ηλεκτρονικό λεξικό, τόσο για τις απλές όσο και για τις σύνθετες πολυλεκτικές μονάδες, περιέχονται με την παρακάτω σειρά οι πληροφορίες: (1) κλιτός τύπος (π.χ. τραπεζιού) (2) λημματικός τύπος από τον οποίο προέρχεται ο παραπάνω (π.χ. τραπέζι) (3) γραμματική κατηγορία (π.χ. ουσιαστικό) (4) υποκατηγορίες ή σημασιολογικά χαρακτηριστικά (π.χ. συγκεκριμένο, αντικείμενο) (5) πληροφορίες κλίσης (π.χ. γενική ενικού του ουδετέρου). Ακολουθεί η σχηματική αναπαράσταση των πληροφοριών αυτών: (1),(2).(3)+(4)+(4)+.:(5):(5): Οι πληροφορίες (4) και (5) μπορεί να περιέχουν περισσότερες από μία τιμές. Παράδειγμα δίνεται παρακάτω: τραπέζι,τραπέζι.n+conc+[obj]:nns:ans:vns

16 Παρακάτω παραθέτουμε παραδείγματα για να δείξουμε τον τρόπο αναπαράστασης της αμφισημίας στο λεξικό όταν εντοπίζεται σε διάφορες θέσεις 5 : - επίπλων,έπιπλο.n:gns επίπλων,επίπλους.n:gms - ήπια,ήπιος.a:nfs:afs:vfs:nnp:anp:vnp ήπια,πίνω.v:j1s - πάχους 6,πάχος.N:Gns πάχους,πάχος.n:gns - δικηγόρου,δικηγόρος.n:gms:gfs - γκολ,γκολ.n:nns:gns:ans:vns:nnp:gnp:anp:vnp Τα ηλεκτρονικά λεξικά μπορεί να είναι περισσότερο ή λιγότερα αναλυτικά, με την έννοια ότι περιγράφουν περισσότερες ή λιγότερες λέξεις/σημασίες των λέξεων, ανάλογα με τη συχνότητα εμφάνισής τους στα σώματα κειμένων. Ομοίως, μπορεί να περιλαμβάνουν πολλές ή λίγες πληροφορίες για έναν τύπο (π.χ. μόνο γραμματική κατηγορία ή και πληροφορίες κλίσης). Όσο πιο αναλυτικά είναι τα λεξικά, τόσο μεγαλώνει ο βαθμός εμφάνισης αμφισημιών (Courtois, 1996). Για κάποιες εφαρμογές, τα λιγότερο αναλυτικά λεξικά προτιμώνται. ωστόσο, στην έρευνά μας συμπεριλαμβάνουμε και τις λιγότερο συχνές λέξεις/σημασίες, γιατί δεν αποβλέπουμε σε συγκεκριμένη εφαρμογή (Laporte, 2001) ΛΕΞΙΚΑ ΤΗΣ ΕΡΕΥΝΑΣ Για τη συγκεκριμένη μελέτη, χρησιμοποιούμε το σύνολο των ηλεκτρονικών λεξικών που διαθέτει η Μονάδα Αυτόματης Επεξεργασίας Φυσικών Γλωσσών του 5 Τα παραδείγματα είναι τα ίδια με αυτά που δίνονται στο κεφ Η αμφισημία μεταξύ των δύο καταχωρίσεων αφορά στην κλίση τους.

17 Εργαστηρίου Μετάφρασης και Επεξεργασίας του Λόγου του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης 7 και περιλαμβάνει: ρήματα απλά επίθετα και κοινά ουσιαστικά σύνθετα επίθετα και κοινά ουσιαστικά απλά κύρια ονόματα σύνθετα κύρια ονόματα τοπωνύμια απλά επιρρήματα σύνθετα επιρρήματα καθώς και απλές και σύνθετες γραμματικές λέξεις όπως αντωνυμίες, προσδιοριστές, συνδέσμους, μόρια και προθέσεις ΤΟΠΙΚΕΣ ΓΡΑΜΜΑΤΙΚΕΣ Όπως ένα ηλεκτρονικό λεξικό διαφοροποιείται από ένα έντυπο λεξικό, έτσι και ένας ηλεκτρονικός γραμματικός κανόνας θα πρέπει να διαφέρει από έναν θεωρητικό κανόνα που είναι διατυπωμένος σε ένα έντυπο. Επειδή οι γραμματικοί κανόνες είναι υπολογιστικής χρήσης, έχουν αυστηρά τυποποιημένη δομή. Η εφαρμογή τους σε ηλεκτρονικά σώματα κειμένων επιτυγχάνεται μέσω συστημάτων αυτόματης ανάλυσης, όπως είναι το Unitex. Συγκεκριμένα στο Unitex, έχουν τη μορφή ενός αυτόματου πεπερασμένων καταστάσεων (finite-state automaton) (βλ. εικόνα 2) (Gross, 1993). 7

18 Εικ. 2 Τοπική γραμματική Τα πεπερασμένα αυτόματα (finite-automaton), συνώνυμος όρος του αυτόματου πεπερασμένων καταστάσεων, είναι γραμμικά γραφήματα με αρχή και τέλος, που χρησιμοποιούνται ως εργαλεία αναπαράστασης γλωσσικών φαινομένων (Σκλαβούνου, 1995). Οι εν λόγω γραμματικές ονομάζονται τοπικές γραμματικές, γιατί εφαρμόζονται τοπικά στο κομμάτι της πρότασης που περιγράφουν. Κατά την εφαρμογή τους αναγνωρίζουν μόνο συγκεκριμένες αναλύσεις, δηλαδή συγκεκριμένες ακολουθίες ετικετών που αποδόθηκαν κατά τη λεξική ανάλυση. Οι τοπικές γραμματικές αποτέλεσαν το μέσο εξάλειψης αμφισημιών για τις πρώτες έρευνες που πραγματοποιήθηκαν για την Νέα Ελληνική (Anastassiadis-Symeonidis et al. 2000; Βοσκάκη & Θηλυκός 2003; Βοσκάκη & Καζαντζή 2004; Βοσκάκη & Μπακούρα 2004; Σκλαβούνου 1995). Ειδικότερα, για την εξάλειψη των αμφισημιών που μελετούμε στην παρούσα έρευνα, έχουν ήδη κατασκευαστεί τοπικές γραμματικές από την Kyriacopoulou (2005) και από τον Θηλυκό (2000). Στην παρούσα έρευνα, δε χρησιμοποιούμε τοπικές γραμματικές για την εξάλειψη των αμφισημιών γιατί οι μετατροπές που πραγματοποιούν στο αυτόματο του κειμένου

19 (βλ. εικ. 1 κεφ. 2.2) δεν είναι μόνιμες. Οι γραμματικοί κανόνες που χρησιμοποιούμε κατασκευάζονται με το εργαλείο Elag, το οποίο θα παρουσιάσουμε στο επόμενο υποκεφάλαιο. Στη συνέχεια, θα παρουσιάσουμε τους γραμματικούς κανόνες που κατασκευάσαμε καθώς και τα αποτελέσματα της εφαρμογής τους στα σώματα κειμένων ΠΡΟΓΡΑΜΜΑ ΕΞΑΛΕΙΨΗΣ ΑΜΦΙΣΗΜΙΩΝ ELAG Αρχικά, οι κανόνες εξάλειψης αμφισημιών είχαν τη μορφή τοπικών γραμματικών. Το μειονέκτημα των εν λόγω γραμματικών είναι ότι εφαρμόζονταν μερικώς στο κείμενο και ότι οι αλλαγές που πραγματοποιούσαν στο αυτόματο του κειμένου δεν ήταν μόνιμες. Για το λόγο αυτό, οι Laporte & Monceaux (1999) επεσήμαναν την ανάγκη δημιουργίας ενός συστήματος το οποίο, με την εφαρμογή μίας γραμματικής σε ένα κείμενο, θα αφαιρούσε από το κείμενο τις αντίστοιχες αμφισημίες. Για την απόρριψη κάποιων αναλύσεων στο πλαίσιο της λεξικής ανάλυσης είχαν μιλήσει παλαιότερα και οι Voutilainen & Tapanainen (1993). Η υλοποίηση του ιδέας αυτής είναι το σύστημα Elag, το οποίο παρουσιάζουμε παρακάτω. Η δημιουργία του προγράμματος Elag είναι εμπνευσμένη από το Laporte (2001). Το πρόγραμμα κατασκεύασε ο Blanc (Blanc & Dister 2004) και είναι ενσωματωμένο στο σύστημα αυτόματης ανάλυσης Unitex (βλ. κεφ ). Το πρόγραμμα Elag λειτουργεί μόνο όταν το σύστημα ανάλυσης εμφανίζει το αυτόματο του κειμένου (εικ. 3). Όπως φαίνεται στην εικόνα, κάτω από το κείμενο υπάρχουν δύο παράθυρα με αυτόματα του κειμένου: το πρώτο αναπαριστά το κείμενο πριν την εφαρμογή της γραμματικής Elag και το δεύτερο αναπαριστά το κείμενο μετά την εφαρμογή της. Αυτό διευκολύνει τη μελέτη των αποτελεσμάτων της εφαρμογής του γραμματικού κανόνα.

20 Εικ. 3 Αυτόματο του κειμένου Το Elag μπορεί να εφαρμόσει πολλούς γραμματικούς κανόνες μαζί. Στην εικόνα 4 φαίνεται ο φορμαλισμός μιας γραμματικής Elag που δεν περιέχει γλωσσολογικές πληροφορίες. Εικ. 4 Γραμματική Elag χωρίς γλωσσολογικές πληροφορίες Κάθε γραμματική αποτελείται από δύο βασικά μέρη: την υπόθεση («αν») και την απόδοση («τότε»). Στη υπόθεση περιγράφουμε το συγκείμενο της αμφίσημης μονάδας το οποίο θα αναζητήσει το πρόγραμμα προκειμένου να εφαρμόσει τη γραμματική.

21 Στην απόδοση περιγράφουμε την ίδια μονάδα στο ίδιο συγκείμενο χωρίς την αμφισημία. Με άλλα λόγια, ορίζουμε μορφολογικά την υπό μελέτη μονάδα και καταργούμε την αμφισημία της, με τη βοήθεια του γλωσσικού της περιβάλλοντος. Η υπόθεση δηλώνεται με τα σύμβολα <!> και η απόδοση δηλώνεται με τα σύμβολα <=>. Οι γραμματικοί κανόνες Elag παρουσιάζουν σημαντικά πλεονεκτήματα. Όταν εφαρμόζονται δεν εντοπίζουν απλά την ακολουθία που περιγράφουν, αλλά παρεμβαίνουν στη μορφολογική περιγραφή του κειμένου. Οι τροποποιήσεις που επιφέρουν στο κείμενο μπορούν να αποθηκευτούν. Επίσης, πολλοί κανόνες Elag μπορούν να εφαρμοστούν ταυτόχρονα, δυνατότητα που δε δινόταν με την εφαρμογή των τοπικών γραμματικών. 4. ΥΛΟΠΟΙΗΣΗ ΤΗΣ ΕΡΕΥΝΑΣ: ΟΙ ΓΡΑΜΜΑΤΙΚΕΣ ΤΟΥ ELAG Αρχικά, θα πρέπει να διευκρινίσουμε ότι οι γραμματικές που θα παρουσιάσουμε στη συνέχεια έχουν δημοσιευτεί (Blanc, Ioannidou & Voskaki 2005; Ioannidou υπό δημοσίευση) και διατίθενται δωρεάν στο διαδίκτυο μαζί με το σύστημα αυτόματης ανάλυσης Unitex. Θα πρέπει, επίσης, να επισημάνουμε ότι οι γραμματικοί αυτοί κανόνες δεν είναι ρυθμιστικού τύπου αντίθετα, περιγράφουν τον αυθεντικό λόγο, έτσι όπως πραγματώνεται σε γραπτά κείμενα. Τέλος, μετά τη μείωση των αμφισημιών, σκοπός μας είναι ο σωστός χαρακτηρισμός της λέξης να βρίσκεται πάντα ανάμεσα στις προτεινόμενες ετικέτες. Για το λόγο αυτό, οι γραμματικοί κανόνες απορρίπτουν μία ετικέτα μόνο αν δεν υπάρχει καμία αμφιβολία ότι είναι λάθος (zero silence). Οι γραμματικοί κανόνες που θα παρουσιάσουμε στη συνέχεια αφορούν αμφισημίες που εντοπίζονται μεταξύ προσδιοριστών και αντωνυμιών και αμφισημίες που εντοπίζονται σε ουσιαστικά, στην ονομαστική τη γενική και την αιτιατική. Τέτοιες αμφισημίες μπορούν να εξαλειφθούν είτε με πληροφορίες που αφορούν μόνο τη γραμματική κατηγορία (Courtois & Laporte 1996) είτε με όλες τις μορφολογικές πληροφορίες: γραμματική κατηγορία, πτώση, γένος και αριθμό (Laporte & Monceaux 1997). Στην παρούσα μελέτη, χρησιμοποιούμε όλες τις μορφολογικές πληροφορίες.

22 Υπενθυμίζουμε ότι έχουν προηγηθεί έρευνες για την εξάλειψη των εν λόγω αμφισημιών με τη χρήση τοπικών γραμματικών. Ωστόσο, οι γραμματικές Elag διαφέρουν τόσο στο φορμαλισμό όσο και στη δομή των πληροφοριών που περιέχουν. Για το λόγο αυτό, κατασκευάσαμε τους γραμματικούς κανόνες από την αρχή, λαμβάνοντας, όμως, υπόψη τις προηγούμενες μελέτες. 4.1 ΑΜΦΙΣΗΜΙΕΣ ΜΕΤΑΞΥ ΠΡΟΣΔΙΟΡΙΣΤΩΝ ΚΑΙ ΑΝΤΩΝΥΜΙΩΝ Αμφισημίες μεταξύ προσδιοριστών και αντωνυμιών μπορούν να εντοπιστούν στους παρακάτω τύπους: το, του, της, τον, την, τους, τις, τα. Ακολουθούν ενδεικτικά παραδείγματα: Το πρόγραμμα έχει ως στόχο να προβάλει την πολιτιστική κληρονομιά της κάθε χώρας To DET+Def:Nns 8 Του αποκάλυψε το λόγο για τον οποίον ήρθε Το DET+Def:Ams Η κοινοτική χρηματοδοτική στήριξη μπορεί να φτάσει μέχρι το 50% των συνολικών δαπανών για το έργο και δεν μπορεί να υπερβεί το ποσό των ECU Το DET+Def:Ans Η κυβέρνηση το ζήτησε Το PRO+Pers:Ans Ένας τρόπος να διαχωρίσουμε έναν προσδιοριστή από μία αντωνυμία είναι να ορίσουμε ποια μέρη του λόγου έπονται ενός προσδιοριστή. Πράγματι, πριν από ένα επίθετο, ένα ουσιαστικό, έναν αριθμητικό προσδιοριστή, έναν αριθμό ή μία μετοχή, μπορούμε να έχουμε έναν προσδιοριστή, ενώ δεν μπορούμε να έχουμε μία αντωνυμία, παρά μόνο αν είναι κτητική. Ακολουθεί σχετικό παράδειγμα: Είναι τα κορδόνια των ωραίων του παπουτσιών Του PRO+Poss:Gms 8 Τα παραδείγματα φέρουν την ετικέτα που έχει η λέξη μετά την εφαρμογή των γραμματικών κανόνων.

23 Έτσι, το γραμματικό κανόνα που κατασκευάσαμε στην εικ. 5 τον διαβάζουμε ως εξής: «Αν συναντήσεις έναν τύπο που περιγράφεται στα λεξικά και ως αντωνυμία και προηγείται ενός επιθέτου, ενός ουσιαστικού, ενός αριθμητικού προσδιοριστή, ενός αριθμού ή μιας μετοχής, τότε εφόσον πρόκειται για αντωνυμία, είναι κτητική». Με άλλα λόγια, αν δεν πρόκειται για κτητική αντωνυμία, τότε η μονάδα για την οποία μιλούμε είναι προσδιοριστής (εικ. 5). Ακολουθεί σχετικό παράδειγμα: Είναι ο οδηγός του χτυπημένου αυτοκινήτου Του DET+Def:Gns Εικ. 5: Γραμματική εξάλειψης αμφισημιών Elag μεταξύ προσδιοριστών και αντωνυμιών (1). Για την επίλυση όλων των περιπτώσεων αμφισημίας μεταξύ προσδιοριστή και αντωνυμίας, κατασκευάσαμε μία ακόμη γραμματική (εικ. 6), η οποία συμπληρώνει την προηγούμενη. Ο εν λόγω γράφος αφαιρεί την ετικέτα του προσδιοριστή, με εξαίρεση τον αριθμητικό προσδιοριστή, όταν αυτός προηγείται ενός ρήματος. Σύμφωνα με τη γραμματική αυτή, όταν το σύστημα εντοπίσει έναν προσδιοριστή, μία πρόθεση ή μία αντωνυμία πριν από ένα ρήμα σε όλους τους χρόνους όλων των εγκλίσεων, τότε ο τύπος αυτός πριν το ρήμα μπορεί να είναι είτε αντωνυμία είτε αριθμητικός προσδιοριστής.

24 Εικ. 6: Γραμματική εξάλειψης αμφισημιών Elag μεταξύ προσδιοριστών και αντωνυμιών (2). Τα αποτελέσματα που λαμβάνουμε μετά την εφαρμογή των δύο γραμματικών για την εξάλειψη αμφισημιών μεταξύ προσδιοριστών και αντωνυμιών φαίνονται στην εικόνα 7. Συγκεκριμένα, στην πρόταση Το πρόγραμμα στρέφεται γύρω από τρεις κύριες δράσεις, ο τύπος το αναγνωρίστηκε ως προσδιοριστής, επειδή προηγείται ενός ουσιαστικού. Εικόνα 7: Αυτόματο του κειμένου πριν και μετά την εφαρμογή της γραμματικής εξάλειψης αμφισημιών μεταξύ προσδιοριστών και αντωνυμιών. 4.2 ΑΜΦΙΣΗΜΙΕΣ ΠΤΩΣΕΩΝ Όσον αφορά τις αμφισημίες που εντοπίζονται στις πτώσεις των ουσιαστικών, ασχολούμαστε μόνο με τις περιπτώσεις όπου η αμφισημία δεν οδηγεί σε δύο διαφορετικές καταχωρίσεις. Με άλλα λόγια, δε μελετώνται μορφολογικές αμφισημίες

25 μεταξύ τύπων που ανήκουν σε διαφορετική γραμματική κατηγορία, που αντιστοιχούν σε διαφορετικό λημματικό τύπο ή σε διαφορετικό κλιτικό παράδειγμα. Αντίθετα, αντικείμενο της παρούσας μελέτης αποτελούν λέξεις που διαφέρουν μόνο κατά το γένος, την πτώση ή τον αριθμό. Για παράδειγμα: δικηγόρου,δικηγόρος.n:gms:gfs γκολ,γκολ.n:nns:gns:ans:vns:nnp:gnp:anp:vnp Για τον εντοπισμό των αμφισημιών των πτώσεων που μελετούμε, συμβουλευτήκαμε τις έντυπες γραμματικές (Νεοελληνική Γραμματική της δημοτικής 2000; Κλαίρης & Μπαμπινιώτης 2001; Holton, Mackridge & Filippaki 2002) Η ΟΝΟΜΑΣΤΙΚΗ ΠΤΩΣΗ Αμφισημίες μεταξύ της ονομαστικής και των άλλων πτώσεων εντοπίζονται σε όλα τα γένη. Ακολουθούν αντιπροσωπευτικά παραδείγματα από κάθε γένος: γίγαντες γυναίκα τραπέζι N:Nmp:Amp:Vmp N:Nfs:Afs:Vfs Nns:Ans:Vns Η γραμματική της ονομαστικής (βλ. παρακάτω, εικ. 8) που κατασκευάσαμε περιορίζεται στον ορισμό της ονομαστικής πτώσης των ουσιαστικών από το άρθρο στην ονομαστική. Εφόσον το αρσενικό και το θηλυκό άρθρο δεν είναι ποτέ αμφίσημα, τα χρησιμοποιούμε για να αφαιρέσουμε από τα ουσιαστικά που έπονται τον χαρακτηρισμό της γενικής, της αιτιατικής και της κλητικής πτώσης. Προκειμένου να αυξήσουμε την εφαρμοσιμότητα της γραμματικής, στην υπόθεση της γραμματικής της ονομαστικής δεν συμπεριλάβαμε όλες τις πληροφορίες που προβλέψαμε για την απόδοση. Η αύξηση της εφαρμοσιμότητας της γραμματικής επιτυγχάνεται ως εξής: όταν έχουμε λιγότερες πληροφορίες στην υπόθεση, έχουμε λιγότερους περιορισμούς στο συγκείμενο. Αυτό έχει ως αποτέλεσμα το πρόγραμμα να εντοπίζει περισσότερες ακολουθίες που ανταποκρίνονται στην περιγραφή της

26 υπόθεσης και να εφαρμόζει τη γραμματική σε περισσότερες προτάσεις. Ειδικότερα, η εν λόγω γραμματική διαβάζεται από το σύστημα ως εξής: «Αν συναντήσεις έναν προσδιοριστική, τότε αυτός ο προσδιοριστής βρίσκεται είτε στη γενική είτε στην αιτιατική είτε στην ονομαστική. Στην περίπτωση της ονομαστικής, το ονομαστικό σύνολο που ακολουθείται βρίσκεται και αυτό στην ονομαστική».

27 Εικ. 8: Γραμματική εξάλειψης αμφισημιών για την ονομαστική πτώση Στο αυτόματο κειμένου (εικ. 9), μπορούμε να δούμε τα αποτελέσματα της εφαρμογής της γραμματικής Elag που αφορά την ονομαστική πτώση. Στο συγκεκριμένο παράδειγμα, όταν ο τύπος η είναι προσδιοριστής, τότε το επίθετο που έπεται

28 αναγνωρίζεται ότι βρίσκεται στην ονομαστική. Όταν ο ίδιος τύπος αναγνωρίζεται ως συντομογραφία ή ως σύνδεσμος, η γραμματική δεν εφαρμόζεται και δεν εξαλείφεται καμιά αμφισημία. Εικ. 9 Αυτόματο του κειμένου πριν και μετά την εφαρμογή της γραμματικής της ονομαστικής πτώσης Η ΓΕΝΙΚΗ ΠΤΩΣΗ Για τα περισσότερα ουσιαστικά, η γενική πτώση δε δημιουργεί αμφισημίες με τις άλλες πτώσεις. Τα άκλιτα ουσιαστικά και τα αρσενικά σε ας αποτελούν τις μόνες εξαιρέσεις. Η γραμματική της γενικής έχει κατασκευαστεί για αυτές τις εξαιρέσεις. Οι περιορισμοί που θέτουμε στη γραμματική αφορούν την ύπαρξη ορισμένων προθέσεων που απαιτούν ουσιαστικό σε γενική (λόγω, μεταξύ, μέσω κ.ό.κ.). Για παράδειγμα η λέξη ασανσέρ θα αναγνωριστεί ως γενική ενικού στην παρακάτω πρόταση:

29 Ανέβηκαν με τις σκάλες λόγω χαλασμένου ασανσέρ ασανσέρ N:Nns:Gns:Ans:Vns:Nnp:Gnp:Anp:Vnp (αμφίσημος τύπος) ασανσέρ N:Gns (μη αμφίσημος τύπος) Προκειμένου να αυξήσουμε την εφαρμοσιμότητα της γραμματικής της γενικής (εικ. 10), στην υπόθεση αναφέρουμε τις προθέσεις χωρίς την περιγραφή των ουσιαστικών που έπονται. Έτσι η εφαρμογή της γραμματικής σε περισσότερες προτάσεις επαληθεύει την ισχύ του κανόνα. Στο σημείο αυτό θα πρέπει να επισημάνουμε ότι όσο λιγότερες είναι οι πληροφορίες στην υπόθεση των γραμματικών κανόνων και άρα όσο μεγαλύτερη είναι η εφαρμοσιμότητα, τόσο περισσότερες πρέπει να είναι οι πληροφορίες στην απόδοση των γραμματικών. Αυτό οφείλεται στο γεγονός ότι η απόδοση θα πρέπει να περιγράφει αναλυτικά όλες τις περιπτώσεις στις οποίες θα εφαρμοστεί ο κανόνας. Παρακάτω παραθέτουμε ενδεικτικά ένα παράδειγμα εφαρμογής της γραμματικής της γενικής (εικ. 11). Στο συγκεκριμένο παράδειγμα, μετά την εφαρμογή της γραμματικής, ο άκλιτος τύπος Ίντερνετ αναγνωρίζεται ως τύπος της γενικής. Εικ. 10: Γραμματική Elag για τη γενική πτώση

30 Εικ. 11 Αυτόματο του κειμένου πριν και μετά την εφαρμογή της γραμματικής της γενικής πτώσης Η ΑΙΤΙΑΤΙΚΗ ΠΤΩΣΗ Αμφισημίες μεταξύ αιτιατικής και άλλων πτώσεων εντοπίζονται σε όλες τις κλίσεις. Ακολουθεί ένα αντιπροσωπευτικό παράδειγμα για κάθε γένος: γίγαντα N:Ams:Vms χώρα N:Nfs:Afs:Vfs παπούτσι N:Nns:Ans:Vns Προκειμένου να ορίσουμε την αιτιατική πτώση, περιγράψαμε τις ακολουθίες των γραμματικών κατηγοριών που έπονται των προθέσεων. Διευκρινίζουμε ότι στην παρούσα μελέτη δε λάβαμε υπόψη τις σύνθετες προθέσεις (Θεοφανοπούλου- Κοντού 1992; Yannacopoulou 2005). Ειδικότερα, την εν λόγω γραμματική (εικ. 12) μπορούμε να τη διαβάσουμε ως εξής: «Αν συναντήσεις μία από αυτές τις προθέσεις (με, σε, προς κτλ) ή έναν εμπρόθετο προσδιοριστή (στον, στην κ.τ.λ.) ακολουθεί ένα

31 ονοματικό σύνολο στην αιτιατική». Η περιγραφή στην απόδοση είναι αναλυτική, γιατί η γραμματική αυτή έχει μεγάλη εφαρμοσιμότητα. Παρακάτω παραθέτουμε μία πρόταση μετά την εφαρμογή της γραμματικής για την αιτιατική πτώση (εικ. 13). Στο συγκεκριμένο πρόγραμμα, η λέξη τομέα, μετά την εφαρμογή της γραμματικής, αναγνωρίζεται ως αιτιατική, επειδή ακολουθεί τον εμπρόθετο προσδιοριστή στον.

32 Εικ. 12: Γραμματική Elag για την αιτιατική

33 Εικ. 13 Αυτόματο του κειμένου πριν και μετά την γραμματική για την αιτιατική πτώση. ΕΠΙΛΟΓΟΣ Με αφετηρία το θεωρητικό πλαίσιο και την παρουσίαση όλων των ειδών αμφισημιών, προχωρήσαμε στην περιγραφή των σταδίων αυτόματης ανάλυσης ενός κειμένου και των αμφισημιών που εμφανίζονται σε αυτά. Στη συνέχεια, επικεντρώσαμε την έρευνά μας στις μορφολογικές αμφισημίες και στην εξάλειψή τους. Μετά την παρουσίαση του μεθοδολογικού πλαισίου που ακολουθήσαμε για την άρση των μορφολογικών αμφισημιών, περιγράψαμε τα γλωσσικά εργαλεία και δεδομένα που χρησιμοποιήσαμε, καταλήγοντας στην περιγραφή των γραμματικών εξάλειψης αμφισημιών που κατασκευάσαμε. Οι γραμματικές που παρουσιάσαμε έχουν επαληθευτεί σε μεγάλα ηλεκτρονικά σώματα κειμένων. Ωστόσο, οι αμφισημίες που μελετήσαμε αποτελούν ένα μικρό μέρος του συνόλου των αμφισημιών που παρουσιάζει η Νέα Ελληνική. Οι υπόλοιπες αμφισημίες θα πρέπει να εξαλειφθούν είτε σε μορφολογικό επίπεδο, με την κατασκευή περισσότερων γραμματικών που να εφαρμόζονται σε συνδυασμό με αυτές που παρουσιάσαμε παραπάνω, είτε σε συντακτικό επίπεδο, με τη χρήση του λεξικού-

34 γραμματικής. Οι γραμματικές εξάλειψης αμφισημιών μπορούν να χρησιμοποιηθούν σε πολλές εφαρμογές, όπως η μετατροπή γραπτού σε προφορικό λόγο, ο ορθογράφος, η μηχανική μετάφραση, η αυτόματη περίληψη, οι οποίες δε λειτουργούν σε ικανοποιητικό επίπεδο. Για τις εφαρμογές αυτές, θα πρέπει να επαληθεύονται τακτικά σε μεγάλα σώματα κειμένων και με ενημερωμένα λεξικά. ΒΙΒΛΙΟΓΡΑΦΙΑ Αναστασιάδη-Συμεωνίδη, Α. (1986) Η νεολογία στην κοινή νεοελληνική. Διδακτορική διατριβή, Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών. Anastassiadis-Symeonidis, Α. et al. (2000) A system for analysing texts in Modern Greek: representing and solving ambiguities. In: Proceedings of COMLEX 2000, Workshop on Computational Lexicography and Multimedia Dictionaries, September 22-23, 2000, Kato Achaia, Greece. Patras, University of Patras, pp Βοσκάκη, Ρ. & Θηλυκός, Ι. (2003) Αναπαράσταση των ουσιαστικοποιημένων επιθέτων της Νέας Ελληνικής με διαδικασίες αυτοματισμού πεπερασμένων καταστάσεων. Στο: Μελέτες για την Ελληνική Γλώσσα, Πρακτικά της 23 ης Ετήσιας Συνάντησης του Τομέα Γλωσσολογίας του Τμήματος Φιλολογίας της Φιλοσοφικής Σχολής του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, Μάιος 17-19, 2002, Θεεσαλονίκη. Θεσσαλονίκη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, σελ Βοσκάκη, Ρ. & Καζαντζή, Δ. (2004) Εξάλειψη αμφισημιών σε ουσιαστικοποιημένα επίθετα και επιρρήματα. Στο: Πρακτικά 6 ου Διεθνούς Συνεδρίου Ελληνικής Γλωσσολογίας Εργαστηρίου Γλωσσολογίας του Πανεπιστημίου Κρήτης, Σεπτέμβριος 18-21, 2003, Ρέθυμνο. Ρέθυμνο, Πανεπιστήμιο Κρήτης. Βοσκάκη, Ρ. & Μπακούρα, Σ. (2004) Εξάλειψη αμφισημιών των νομισματικών μονάδων, συμβόλων και γλωσσών στη Νέα Ελληνική και ενσωμάτωσή τους σε συστήματα αυτόματης ανάλυσης κειμένων. Στο: Μελέτες για την Ελληνική Γλώσσα, Πρακτικά της 24 ης Ετήσιας Συνάντησης του Τομέα Γλωσσολογίας του Τμήματος Φιλολογίας της Φιλοσοφικής Σχολής του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, Μάιος 9-11, 2003, Θεσσαλονίκη. Θεσσαλονίκη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, σελ Blanc, O. & Dister, A. (2004) Automates lexicaux avec structure de traits. Dans: Actes RECITAL, avril 19-22, 2004, Fès. Fès, RECITAL, p.p

35 Blanc, O., Ioannidou, K. & Voskaki, R. (2005) Automatic elimination of lexical ambiguities in Modern Greek: presentation of the Elag system. In: Studies in Greek Linguistics, Proceedings of the 25 th Annual Meeting of the Department of Linguistics, Faculty of Philosophy, Aristotle University of Thessaloniki, May 7-9, 2004, Thessaloniki. Thessaloniki, Aristotle University of Thessaloniki, pp Boons, J.-P., Guillet, A. & Leclère, C. (1976a) La Structure des Phrases Simples en Français, Constructions intransitives. Genève, Librairie Droz. Boons, J.-P., Guillet, A. & Leclère, C. (1976b) La Structure des Phrases Simples en Français, Classes de Constructions Transitives. Rapport de recherches No 6. Paris, Université de Paris 7. Brill, E. (1992) A simple rule-based part-of-speech tagger. In: Proceedings of the 3 rd Conference on applied Natural Language Processing, ANLP, March 31- April 03, 1992, Trento. Trento, ACL, pp Courtois, B. (1996) Formes ambiguës de la langue française. Lingvisticae Investigationes, XX :1, pp Courtois, B. & Laporte, E. (1996) Grammatical disambiguation of French words using part of speech of words in the context. Progress Research Report/Copernicus Project 621 GRAMLEX, Deliverabe D3D1. Paris, University of Paris 7. Dermatas, E. & Kokkinakis, G. (1989) A System for Automatic Text Labelling. In: Proceedings of the 1 st European Conference on Speech Communication and Technology, Eurospeech, September 27-29, 1989, Paris. Paris, ISCA, pp Dister, A. (2001) Levée d ambiguïtés sur les mots lexicaux et grammaticaux. Lingvisticae Investigationes, XXIV:1, pp Εργαστήριο Μετάφρασης και Επεξεργασίας του Λόγου (2004) Μονάδα Αυτόματης Επεξεργασίας Φυσικών Γλωσσών [Διαδίκτυο]. Θεσσαλονίκη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. < [Προσπελάστηκε 04 Μαΐου 2005]. Federici, S. & Pirelli, V. (1992) A Bootstrapping Strategy for Lemmatization: Learning Through Examples. In: F. Kiefer, G. Kiss, J. Pajzs Papers in Computational Lexicography, COMPLEX 92, October 4-8, 1992, Budapest. Budapest, Hungarian Academy of Sciences, pp Gross, G. (1996) Les expressions figées en français. Noms composés et autres locutions. Paris : Gap, Orphys. Gross, M. (1975) Méthodes en syntaxe. Paris: Hermann.

36 Gross, M. (1986) Grammaire transformationnelle du français : syntaxe du nom. Cantilène : Malakoff. Gross, M. (1993) Local Grammars and their representation by finite automata. In: M. Hoey Data, Description, Discourse: Papers on the English Language in honour of John Mc H Sinclair. London, Harper-Collins, pp Gross, M. (2001) Les ambiguïtés. Lingvisticae Investigationes, XXIV :1, pp Harris, Z. (1960) Methods in Structural Linguistics. 4 th edition. Chicago, University of Chicago Press. Holton, D., Mackridge, P. & Fillipaki-Warburton, E. (2002) Γραμματική της Ελληνικής Γλώσσας. Αθήνα: Εκδ. Πατάκη. Θεοφανοπούλου-Κοντού, Δ. (1992) Οι σύνθετες προθετικές φράσεις της ΝΕ και η δομή τους. Στο: Μελέτες για την Ελληνική Γλώσσα, Πρακτικά της 13 ης Ετήσιας Συνάντησης του Τομέα Γλωσσολογίας του Τμήματος Φιλολογίας της Φιλοσοφικής Σχολής του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, Μάιος 7-9, 1992, Θεσσαλονίκη. Θεσσαλονίκη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, σελ Θηλυκός, Ι. (2000) Ένα σύστημα ανάλυσης κειμένων της Νέας Ελληνικής: Αναπαράσταση και εξάλειψη αμφισημιών. Μεταπτυχιακή διπλωματική εργασία, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης. Ioannidou, K. (to appear) Semi-automatic elimination of lexical ambiguities in Modern Greek by using the Elag system. In: Proceedings of the 3 rd Meeting of Postgraduate students, April 9-10, 2005, Athens. Athens, National and Kapodistrian University of Athens. Κλαίρης, Χ. & Μπαμπινιώτης, Γ. (2001) Γραμματική της Νέας Ελληνικής Ι. ΤΟ ΟΝΟΜΑ. Αθήνα: Ελληνικά Γράμματα. Klein, S. & Simmons R. (1963) A Computational approach to grammatical coding of English words. Journal of the Association for Computing Machinery, 10(3), pp Kyriacopoulou, T. (1990) Les dictionnaires électroniques. La flexion verbale en grec moderne. Thèse de doctorat, Université Paris 8. Kyriacopoulou, T. (2005) L analyse automatique des textes écrits : le cas du grec moderne. Thessalonique: University Studio Press.

37 Kyriacopoulou, T., Mrabti, S. & Yannacopoulou, A. (2002) Le dictionnaire électronique des noms composés en grec moderne. Lingvisticae Investigationes, XXV : 1, pp Λεξικό της Κοινής Νεοελληνικής. (1998) Θεσσαλονίκη, Ίδρυμα Μανόλη Τριανταφυλλίδη Ινστιτούτου Νεοελληνικών Σπουδών Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης. LADL (2006) Unitex Home Page [Internet], version 1.2. Paris, University of Marnela-Vallée. < [Accessed 29 September 2006]. Laporte, E. (1994) Experiences in Lexical Disambiguation Using Local Grammars. In: F. Kiefer, G. Kiss and J. Pajzs Papers in Computational Lexicography, COMPLEX 94, July 7-10, 1994, Budapest. Budapest, Hungarian Academy of Sciences, pp Laporte, E. (2001) Reduction of lexical ambiguity. Lingvisticae Investigationes, XXIV:1, pp Laporte, E. & Monceaux, A. (1997) Grammatical disambiguation of French words using part of speech, inflectional features and lemma of words in the context. Final Research Report/Copernicus Project 621 GRAMLEX, Deliverabe R3D2. Paris, University of Paris 7. Laporte, E. & Monceaux, A. (1999) Elimination of Lexical Ambiguities by Grammars: The ELAG system. Lingvisticae Investigationes, XXII - special issue: Analyse Lexicale et Syntaxique: Le système INTEX, pp Μπαμπινιώτης, Γ. (1998) Θεωρητική Γλωσσολογία. Εισαγωγή στη Σύγχρονη Γλωσσολογία. 2 η έκδοση. Αθήνα. Milne, R. (1986) Resolving lexical ambiguity in a deterministic parser. Computational Linguistics, 12(1), pp Νεοελληνική Γραμματική της δημοτικής. (2000) ανατύπωση έκδοσης του ΟΕΣΒ (1941) με διορθώσεις. Θεσσαλονίκη, Ίδρυμα Μανόλη Τριανταφυλλίδη Ινστιτούτου Νεοελληνικών Σπουδών Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης. Paumier, S. (2006) Unitex manual [Internet], University of Marne-la-Vallée. Available from: < [Accessed 29 September 2006] Pellilo, M. & Refice, M. (1991) Syntactic disambiguation through relaxation processes. In: Proceedings of the 2 nd European Conference on Speech Communication

38 and Technology, Eurospeech, September 24-26, 1991, Genova. Genova, ISCA, pp Roche, E. (1992) Text disambiguation by finite state automata, an algorithm and experiments on corpora. In: Proceedings of the 15 th International Conference on Computational Linguistics, Coling, August 23-28, 1992, Nantes. Nantes, ICCL, pp Σκλαβούνου, Ε. (1995) Ένα παράδειγμα λεξιλογικής αναπαράστασης και επεξεργασίας με πεπερασμένα αυτόματα. Στο: Μελέτες για την Ελληνική Γλώσσα, Πρακτικά της 15 ης Ετήσιας Συνάντησης του Τομέα Γλωσσολογίας του Τμήματος Φιλολογίας της Φιλοσοφικής Σχολής του Αριστοτέλειου Πανεπιστημίου Θεσσαλονίκης, Μάιος 11-14, 1994, Θεσσαλονίκη. Θεσσαλονίκη, Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, σελ Silberztein, M. (1989) Dictionnaires électroniques et reconnaissance lexicale automatique. Thèse de doctorat, Université Paris 7. Silberztein, M. (1990) Le dictionnaire électronique des mots composés. Langue Française, 87, pp Silberztein, M. (1993) Dictionnaires électroniques et analyse automatique de textes. Le système INTEX. Paris, Masson. Voutilainen, A. & Tapanainen. P. (1993) Ambiguity resolution in a reductionistic parser. In: Proceedings of the 6 th Conference of the European Chapter of the ACL, April 21-23, 1993, Utrecht. Ultrecht, ACL, pp Yannacopoulou, A. (2005) Le lexique-grammaire des verbes du grec moderne : les constructions transitives locatives standard. Thèse de doctorat, Université de Marnela-Vallée.

39 ΠΑΡΑΡΤΗΜΑΤΑ ΠΑΡΑΡΤΗΜΑ 1 Τεμαχισμένο σε προτάσεις κείμενο με το σύμβολο {S} (στάδιο προεπεξεργασίας κειμένου) ΠΑΡΑΡΤΗΜΑ 2 Γραμματικός κανόνας υπολογιστικής χρήσης για τον τεμαχισμό του κειμένου σε προτάσεις.

40 (στάδιο προεπεξεργασίας κειμένου) ΠΑΡΑΡΤΗΜΑ 3 Ηλεκτρονικό λεξικό υπολογιστικής χρήσης (στάδιο λεξικής ανάλυσης κειμένου)

41 ΠΑΡΑΡΤΗΜΑ 4 Λεξικό-γραμματική υπολογιστικής χρήσης με σημασιοσυντακτικές ιδιότητες κατηγορημάτων (στάδιο σημασιοσυντακτικής ανάλυσης κειμένου)

42