Automatinis lietuvių kalbos žodžių skiemenavimas, kirčiavimas, transkribavimas

• Kazlauskienė, Asta
• Raškinis, Gailius
• Vaičiūnas, Airenas

LTStudijoje aprašomi lietuvių kalbos dalių kirčiavimo algoritmai, aptariami struktūrinio skiemenavimo, kirčiavimo, transkribavimo modelio sudarymo principai, analizuojamos pagrindinės problemos, kurios iškilo įprastas lingvistines taisykles pritaikant algoritmams. Nagrinėjama sąveika su morfologinės ir leksinės informacijos duomenų bazėmis. Čia apibendrinamas ne vienerių metų darbas ir pateikiama medžiaga gerokai skiriasi nuo jau aprašytos straipsniuose. Studijoje aprašomo kirčiavimo algoritmo pagrindu sukurta ir visiems prieinama „Kirčiuoklė“, suteikianti galimybę kirčiuoti tekstus internetu arba parsisiųsti ją ir kirčiuoti MS Word dokumentus. Studijoje aprašomų algoritmų kūrimas, jų analizė ir testavimas parodė, kad problemiškiausias yra ne paties algoritmų medžio kūrimas, lingvistinių taisyklių formalizavimas, bet pradinių duomenų apie žodį tikslumas ir patikimumas. Viena vertus, tai susiję su žodžio ir jo formų daugiareikšmiškumu ir informacija apie jo gramatinius požymius. Kita vertus, visi aprašyti algoritmai naudojasi tam tikrais ištekliais (žodynais, sąrašais), kuriems rengti, pildyti, tikslinti reikėjo ne vienerių metų. Morfologiniai įrankiai, gerokai atnaujinti, papildyti pradiniai ištekliai ir patobulinti patys algoritmai padidino programų veikimo tikslumą. Studija skiriama ir kalbininkams, ir informatikams, dirbantiems kalbos technologijų srityje. Todėl kiekvieno algoritmo (skiemenavimo, kirčiavimo, transkribavimo) aprašas sudarytas iš dviejų dalių: lingvistinės medžiagos ir algoritmo schemos.Reikšminiai žodžiai: Algoritmas; Automatinis skiemenavimas; Kirčiavimas; Kompiuterinės programos; Skiemenavimas; Transkribavimas; Automatic syllabification; Computer programme; Phonetic transcription; Stress assignment; Stress assignment and phonetic; Syllabification; Transcription of Lithuanian words.

ENThe study describes algorithms of stress assignment related to different parts of speech of Lithuanian. The rules of structural syllabification, stress assignment and phonetic transcription are discussed. The problems that were encountered in building working algorithms from textbook-based linguistic are discussed. The interaction of algorithms with morphological and lexical data bases is investigated. The work of several years is summarised in the study, and the presented material differs a lot from the material previously described in articles. The study describes a tool “Kirčiuoklė”, which has been developed on the algorithm of stress assignment described in the study and has been made universally accessible. The tool enables online stress assignment of texts. It can also be downloaded and used to assign stress in MS word documents. The study describes development of algorithms, the analysis and stressing thereof has revealed that the most problematic issue is not the development of the algorithm tree and formalisation of linguistic rules, but the accuracy and reliability of the initial data about a word. On the one hand, it is related to the polysemy of the word and its forms and information about its grammatical features. On the other hand, all the described algorithms use certain sources the development, compilation and revision of which lasted for more than one year. Morphological tools, which have been considerably upgraded, improve the accuracy of the software operation. The study is intended for both linguists and computer scientists working in the field of human language technologies. Therefore, the description of each of algorithms consists of two parts: linguistic description and algorithmic block diagrams.