prezentacja programu powerpoint - portal.uw.edu.pl · twarz, co wkrótce zniknie i pozostawi po...

Elżbieta Kaczmarska

Institute of Western and Southern

Slavic Studies

University of Warsaw

Corpus-based Analysis of Czech Units Expressing Mental States and

Their Polish Equivalents

Motivation

Czech – Polish language contact –difficulties with understanding some type of words especially psych verbs and nouns denominating emotions and feeling, e.g.

být líto

mít rád

mrzet

postrádat

toužit

2014-11-21 PALC 2014 - Elżbieta Kaczmarska 3

být líto, mít rád, mrzet, postrádat, toužit What makes their translation into

Polish (so) difficult?

- their polysemy, the absence of such a concept in Polish (Kaczmarska & Rosen: in print)

Do they really represent polysemous verbs?


A Czech-Polish dictionary – Siatkowski & Basaj 2002 - mít rád – lubić, kochać

- mrzet – gniewać, złościć, mierzić, martwić, żałować, być przykro, nie mieć ochoty

- toužit – tęsknić, pragnąć, marzyć.

Consequently we are not able to translate them into Polish properly.

Context (for an avowal)

– Mám Tě rád... (???)


mít rád For Polish-speaking person – at least

two quite different meanings

kochać (to love) lubić (to like)


The goal

attempt to find a suitable equivalent for a given unit (psych verbs)

consequently → attempt to build an algorithm for selecting equivalents for verbs


What we will do… a few steps At each stage, we find the best equivalent – depending on the verb

Czech – Polish pairs of equivalents extracted from the parallel corpus InterCorp

Valency analysis

- how many arguments the given verb bounds

- how the arguments are bound (grammatical case, prepositions, infinitive, relative clause)

- what they are (if it is e.g. a noun – what it is like – a real one or an abstract one, naming a human being)

Case Grammar

- if the candidates for equivalents (in the aligned segments) represent the same categories of semantic roles (Experiencer and what else?)

Pattern Grammar

- ”If a word has several senses, and is used in several patterns, each pattern will occur more frequently with one of the senses than the others, such that the patterning of an individual example will indicate the most likely sense of the word in that example.”(Hunston & Francis 2000: 20)

Cognitive Grammar – view meaning in terms of conceptualization


VERB Valence analysis

Case Grammar

Pattern Grammar

Cognitive Grammar


equivalent equivalent equivalent equivalent

Step one – Valence analysis

Assumption - in cases concerning some

meanings the equivalent could be

established on the basis of the

convergence of the valence requirements

(Levin 1993)


toužit – study case (a pilot survey – Kaczmarska & Rosen 2013)

Automatic extraction of pairs of

equivalents from the parallel corpus

InterCorp – “dictionary”


toužit 673 toužit equivalent

304 toužit pragnąć

107 toužit chcieć

82 toužit tęsknić

70 toužit marzyć

40 toužit pożądać

24 toužit ochota

9 toužit zapragnąć

8 toužit pragnienie

8 toužit tęsknota

8 toužit zależeć

7 toužit spragniony

6 toužit życzyć


valence analysis – toužit

Number of arguments

The way how the arguments are bound (grammatical case, prepositions, infinitive, relative clause)

Type of arguments (if it is e.g. a noun – what it is like – a real one or an abstract one, naming a human being, a sentence, infinitive…)


toužit

toužit po Oabstr

toužit po Ohum

toužit po / do OR

toužit + inf → pragnąć + inf

toužit + S (aby… / po tom, aby…)


toužit + inf → pragnąć + inf

toužit inf equivalent

być pragnieniem inf 1

chcieć inf 20

chętnie + S 1

marzyć o Oabstr 4

mieć marzenie inf 1

mieć ochotę inf 1

pragnąć inf 44

pragnąć + S 1

pragnąć Oabstr 3

tęsknić za (+S) 1

zachciewać się Oabstr 1

other 2

80


toužit po + Object

toužit po Oabstr equivalent

chcieć inf 1

dążyć do Oabstr 2

marzyć o Oabstr 20

marzyć o Ohum 1

myśleć o Oabstr 1

pożądać Oabstr 5

pragnąć + S 1

pragnąć inf 4

pragnąć Oabstr 29

pragnienie Oabstr 1

tęsknić do Oabstr 11

tęsknić za Oabstr 7

tęskno za Oabstr 1

upragniony Oabstr 1

zapragnąć inf 1

żądni Oabstr 1

other 7

94


toužit po Ohum equivalent

marzyć o Ohum 2

mieć ochotę + inf 1

pożądać Ohum 5

pożądany Ohum 1

pragnąć X 1

pragnąć + inf 1

pragnąć Oabstr 1

pragnąć Ohum 12

tęsknić X 1

tęsknić do + S 1

tęsknić do Oabstr 1

tęsknić do Ohum 5

tęsknić za Ohum 2

zapragnąć Oabstr 1

zatęsknić za Ohum 1

other 1

37

toužit po OR equivalent

chcieć + inf 1

marzyć + S 1

marzyć o OR 5

obiekt pożądania 1

pragnąć + inf 1

pragnąć OR 3

tęsknić za OR 2

14

toužit do OR tęsknić do OR 1

Necessity for a deeper analysis of objects

toužit po velké lásce / exotické cestě

Śnić o wielkiej miłości / egzotycznej podróży

Marzyć o wielkiej miłości / egzotycznej podróży

Tęsknić za wielką miłością / egzotyczną podróżą (???)

Pragnąć wielkiej miłości / egzotycznej podróży (?)


Step two – Case Grammar

toužit

Subject of toužit is always Experiencer

Object of toužit is a kind of Source / Stimulus


Stál jsem i nyní stále kus od ní, kdežto ona naopak toužila po rychlém příchodu teplých doteků, které by přikryly tělo vystavené chladnosti pohledu.

I teraz stałem nieco z dala od niej, podczas gdy ona, przeciwnie niż ja, tęskniła za szybkim dotknięciem ciepłych ramion, które osłoniły by jej ciało wystawione na chłód spojrzeń.

Toužil po polibku, závěrečném, posledním polibku, do kterého by zachytil jako do čeřenu její tvář, která brzy zmizí a z níž mu zůstane jen vzpomínka.

Pragnął pocałunku, ostatniego pocałunku, kończącego pocałunku, który pozwolił by mu pochwycić niczym w sieć tę twarz, co wkrótce zniknie i pozostawi po sobie jedynie wspomnienie.

Mladý muž touží po vlastním divadle.

Młody mężczyzna marzył o własnym teatrze.


In case of other verbs we can identify

roles as: Agent, Beneficiary, Location,

Time, Instrument, Substance, Object

(itself)…

The analysis of the surface realization

of the cases should be conducted.


Step three – Patterns Grammar

If a word has several senses, and is used in several patterns, each pattern will occur more frequently with one of the senses than the others, such that the patterning of an individual example will indicate the most likely sense of the word in that example. (Hunston & Francis 2000: 20)


A pattern can be identified if a combination of words occurs relatively frequently, if it is dependent on a particular word choice, and if there is a clear meaning associated with it. (Hunston & Francis 2000: 37)

We will check if there is a repeatability of a given object in the corpus occurrences.


být líto


Jak mi ho bylo líto! Pak mi je líto.

Jakże mi go było żal! Wobec tego, przykro mi!

Je mi ho samozřejmě líto. Potom nám to bylo oběma líto.

Jest mi go oczywiście żal… Potem nam obu było przykro.

Přišlo mi jí prostě líto. …nabídne mi sisinku a já si vezmu, protože by mu bylo líto, kdybych si nevzala…

Po prostu zrobiło mi się jej żal. ...zaprasza mnie na cuksa i ja biorę, bo było by mu przykro, gdybym nie wzięła…

být líto + NP DAT + NPGEN = żal být líto + NP DAT + to / Ø = (być) przykro

The possibility of using a universal tool

Word Skeches

We will check if there is a repeatability of a given object in the corpus occurrences.

A universal tool (in a way) for pattern grammar, case grammar, valency

Word Sketches – an automatic method

InterCorp – Czech-Polish part


INFINITIV

toužit inf-X pragnąć inf * marzyć inf * tęsknić inf

post_inf 17 405 post_inf 6 800

mít 926 podziękować 805

stát 864 podkreślić 598

poznat 382 pogratulować 379

vidět 346 wyrazić 391

vrátit 333 zwrócić 319

hrát 333 przypomnieć 165

získat 332 powiedzieć 386

dostat 311 zauważyć 97

vyhrát 285 rozpocząć 73

žít 177 poruszyć 58

jít 176 powtórzyć 51

najít 152 skorzystać 70

udělat 143 powitać 43

spatřit 132 dodać 70

uspět 124 zaznaczyć 40

dělat 105 przyłączyć 33

napravit 101 wezwać 39

zůstat 99 zapytać 43

pracovat 96 poinformować 46

podívat 92 pochwalić 26 2014-11-21 PALC 2014 - Elżbieta Kaczmarska 25

toužit po pragnąć marzyć o tęsknić za tęsknić do

post_po 23 752 has_gen_obj 809 verb_o_noun 296 verb_za_noun 94 verb_do_noun 59

dítě 697 co 76 to 70 dom 6 spokój 3

láska 599 to 52 Europa 14 to 5 dom 3

návrat 555 Europa 34 powrót 10 junior 2 świat 3

úspěch 493 zachęcić 26 demokracja 5 mąż 2 słońce 2

vítězství 457 strona 16 wolność 4 żona 2 ciało 2

změna 455 coś 15 utopia 3 powrót 2 rzecz 2

život 361 powód 14 zemsta 3 ojciec 2

medaile 316 region 14 domek 3 coś 2

pomsta 287 śmierć 13 kariera 3 człowiek 2

klid 282 demokracja 12 miłość 3 czas 2

vztah 271 debata 12 nic 3 praca 2

moc 267 grupa 12 śmierć 3

postup 266 zmiana 12 rozmowa 3

kariéra 263 parlament 11 coś 3

titul 263 pokój 10 majestat 2

rodina 246 rozwój 10 posada 2

svoboda 218 okazja 9 teatr 2

výhra 189 wolność 8 ucieczka 2

bod 174 rezolucja 7 niepodległość 2

dobrodružství 171 prezydencja 6 hotel 2

odveta 156 współpraca 6 rewolucja 2

domov 155 kontynuacja 5 członkostwo 2


Kolokator – NKJP (PELCRA) experimental research


Word Sketches

(InterCorp)

pragnąć

has_gen_obj 809

co 76

to 52

Europa 34

zachęcić 26

strona 16

coś 15

powód 14

region 14

śmierć 13

demokracja 12

debata 12

grupa 12

zmiana 12

parlament 11

pokój 10

rozwój 10

okazja 9

wolność 8

PELCRA (NKJP)

pragnąć + Gen

on 1460

człowiek 163

ty 143

życie 110

coś 107

bóg 63

kobieta 60

dziecko 57

świat 50

nic 47

miłość 43

śmierć 42

zmiana 42

dobro 37

mężczyzna 35

ojciec 34

pokój 31

kontakt 30

powrót 29

Word

Sketches

(CNK)

toužit po

post_po 23 752

dítě 697

láska 599

návrat 555

úspěch 493

vítězství 457

změna 455

život 361

medaile 316

pomsta 287

klid 282

vztah 271

moc 267

postup 266

kariéra 263

titul 263

rodina 246

svoboda 218

výhra 189

bod 174

toužit pragnąć tęsknić marzyć

hodně 1099 bardzo 136 bardzo 34 jedynie 6

moc 1085 gorąco 40 ogromnie 3 często 5

tak 783 jedynie 19 niesamowicie 2 bardzo 5

už 778 jednocześnie 16 okropnie 2 próżno 4

tolik 773 rozpaczliwie 15 straszliwie 2 długo 4

vždycky 751 rzeczywiście 13 strasznie 2 dobrze 3

stále 543 szczerze 12 szczególnie 2 niejasno 2

dlouho 501 mocno 8 naturalnie 2

vždy 479 wyraźnie 8 nieustannie 2

také 468 dużo 7 stale 2

ani 444 obecnie 6 trudno 2

nikdy 433 ponownie 5 głośno 2

zoufale 401 oczywiście 5 pewno 2

velmi 399 wyłącznie 5 dużo 2

teď 394 dobrze 5 późno 2

marně 374 daleko 2

strašně 335

nijak 318

jen 301

opravdu 298

přesto 267

zase 252

prý 245

vůbec 235 2014-11-21 PALC 2014 - Elżbieta Kaczmarska 28

Step four – Cognitive grammar

the meaning in terms of

conceptualization

→ mít rád

kochać, lubić, przepadać (to love, to like, to be

found) – (Siatkowski and Basaj 2002)

lubić, kochać, podobać się, uwielbiać, polubić,

pokochać, w naszym guście – InterCorp


(cs) Mám tě strašně rád, řekl. (Kundera-Valcik_na_rozl)

(pl) Strasznie cię kocham – rzekł. (Kundera-Valcik_na_rozl)

(cs) Kdybys mě měla ráda, nemohla by ses opičit s tím pitomým

jménem. (Grusa-Dotaznik)

(pl) Gdybyś mnie naprawdę lubiła, nie wygłupiała byś się z tym

kretyńskim imieniem. (Grusa-Dotaznik)

(cs) Máš-li mne jen trošku rád, shoď mne z třetího patra, dej mně tu

poslední outěchu. (Hasek-OsudyDobrehoVvSV)

(pl) Jeśli masz dla mnie choć troszkę przyjaźni, zrzuć mnie z trzeciego

piętra, udziel mi tej ostatniej pociechy. (Hasek-OsudyDobrehoVvSV)


mít rád

mít rád

milovat

kochać (to love) lubić (to like)


mít rád in InterCorp (2799)


lubić (przyjaźń,sympatia, polubić) TOLIKE (66%)

kochać (miłość,zakochać się) TO LOVE(18%)

inne (cieszyć się, woleć)OTHER (16%)

Cognitive methods – survey in Liberec

mít rád / milovat

Attemps to discover the meaning of mít rád on the basis of the opposition with milovat.

What are the objects we combine with the verbs?

If there are any differences between the two verbs?

30 respondents (19 – 57 year old)


milovat mít rád

arguments

person, activity,

food, pets…

person, food,

drinks, music,

activity, beer,

nature, parents,

girl friend, life, pets

definition

the highest level of love, "mít rád" but intensely,

to be in a deep relationship, to feel 'love’,

something more than "mít rád",

strong positive emotions

to like someone or something,

positive emotions


but also the Czechs are not quite sure Ovšem mít rád – to člověk může mít knihu, kamaráda, psa... v tom není nic erotického.

http://diskuse.doktorka.cz/mit-rad-zamilovat-se-milovat/archiv/0/

Vidím to přesně jako Arnika. Pro mě byly hranice teda vždy jasný. Zamilovaná jsem byla ze začátku do současného přítele. Už jsme spolu několik let, ale pořád ho miluju. Ráda mám třeba ex, se kterým jsme se rozešli už před 5 lety, ale v dobrém. Takže asi takhle – zamilovanost zezačátku, miluju někoho potom, co prvotní zamilovanost přešla. A ráda mám kamarády, blízké atd

http://diskuse.doktorka.cz/mit-rad-zamilovat-se-milovat/

Ono mít ráda můžu i rajskou nebo svoje hady, ale milovat... je prostě něco jiného

http://www.poradte.cz/spolecnost/21684-milovat-nebo-mit-rad.html

Miluji tě – má jistý sexuální náboj. Milenci po setkání odhazují oblečení, cesta vede směrem k ložnici. Je v tom touha, láska, zamilovanost a chtíč. Pro dnešek, zítřek, rok, snad dva. Méně citu a porozumění. Mám tě rád – je v tom všechno: cit, porozumění, láska, podpora. Že se jeden na druhého může spolehnout, budou spolu, až jim bude ouvej. Nebudou nikdy sami. Je to jako v němém filmu, kdy není třeba slov, protože hovoří oči, činy. V nich se zobrazuje láska, něha, starost. Mám tě rád už není jen o slovech. Je to o životě

http://janajerabkova.blog.idnes.cz/c/194377/Milovat-nebo-mit-rad.html


“Is it really possible to tell someone else

what one feels?”

Leo Tolstoy, Anna Karenina


Conclusions and perspectives

Corpora make possible the definition of the clusters of equivalents (parallel corpus)

Confrontative research – difficulties with often incompatible tools

Word Sketches – promising tool – prepared for the Polish part of InterCorp (not for Czech part); not available for external users

Word Sketches available for SYN (Czech National Corpus). For the Polish language, a comparable corpus is NKJP (National Corpus of Polish), but we cannot use Word Sketches for NKJP.

Czech and Polish corpora have different statistical functions.


Other methods:

Disappointing results of the research based on Case Grammar

A deeper cognitive analysis needed

Problem of ”nonexistence” of a concept in the other language – an arbitrary decision of translator

Experimental trials of stochastic modeling of the choice of an equivalent on the basis of the context (Kaczmarska, Rosen, Hana 2014)

WSD – Word Sense Disambiguation – Tian et al. 2014; Młodzki at al. 2012; Tian et al. 2010; Han et al. 2013; Kędzia et al. 2014).

Algorithms using different linguistic ideas (Han et al. 2013)


WSD – Word Sense Disambiguation – Tian et al. 2014; Młodzki at al. 2012; Tian et al. 2010; Han et al. 2013; Kędzia et al. 2014).

Algorithms using different linguistic ideas (Han et al. 2013

o Han, A. L., Lu, Y., Wong, D.F., Chao, L.S., He, L., Junwen, X. (2013). Quality Estimation for

Machine Translation Using the Joint Method of Evaluation Criteria and Statistical Modeling. W:

Proceedings of the Eighth Workshop on Statistical Machine Translation, 365-372. Association for

Computational Linguistics.

o Kędzia, P., Piasecki, M., Kocoń, J., Indyka-Piasecka, A. (2014). Distributionally Extended Network-

Based Word Sense Disambiguation in Semantic Clustering of Polish Texts. W: IERI Procedia

(International Conference on Future Information Engineering) 10, 38-44. DOI: 10.1016/j.jeri.2014.09.073

o Młodzki, R., Kopeć, M. Przepiórkowski, A. (2012). Word Sense Disambiguation in the National

Corpus Of Polish. Philological Studies (Prace Filologiczne) LXIII: 155-166.

o Tian, L., Wong, D. F., Chao, L. S., Oliveira, F. (2014). A Relationship: Word Alignment, Phrase Table,

and Translation Quality. The Scientific World Journal. Hindawi Publishing Corporation. Dostęp z:

http://dx.doi.org/10.1155/2014/438106

o Tian, L., Wong, F., Chao, S. (2010). An Improvement of Translation Quality with Adding Key-

Words in Parallel Corpus. W: Machine Learning and Cybernetics (ICMLC) Vol. 3, 1273 – 1278. DOI:

10.1109/ICMLC.2010.5580888


prezentacja programu powerpoint - portal.uw.edu.pl · twarz, co wkrótce zniknie i pozostawi po...

Documents