Biblioteka Cyfrowa KLF UW (Digital Library of the Formal Linguistics Department at the University of Warsaw)

koordynacja: Janusz S. Bień

redaktor prowadzący: Jadwiga Linde-Usiekniewic

Bień, Janusz S.

Linde-Usiekniewicz, Jadwiga

Słownik języka polskiego pod red. W. Doroszewskiego (pierwodruk 1958-1969). Przedruk elektroniczny 1997

Szafran, Krzysztof

Maecinkeviciene, R.

Volz, N.

Tokarski's morphological analysers of Polish

Vetulani, Zygmunt

Abramowicz, Witold

Vetulani, Grażyna

Analiza języka polskiego w Instytucie Informatyki Uniwersytetu Warszawskiego

Analizatory morfologiczne dla języka polskiego

Komputerowa weryfikacja formalnej gramatyki Świdzińskiego

              	   


  
         
            
        ﬀ ﬁ ﬂ ﬃ
    ﬁ    ﬂ ! "   " ! # $   ﬁ %  & '  #   ( )  ﬁ * ﬂ #  ﬁ  +
, - . / 0 1 2 3 / 3 4 5 6 0 7 4 6 8 9
 ﬂ :  ﬂ $ ; ﬂ # < =  > & < = = ?
@ A B C D E F E G H D E G D I J J K L G F I L G M I G B A I N O B B L P D B I Q B R O S T F I K L U E F J B D I M B D
B N H B P K I F F S V E D Q B W Q H D E P B N N K L G X Y B R B N K G L B R I F N E I H I D N K L G Q B P A L K Z M B [ \ A K P A \ I N
I F D B I R S K L M N B K L Q A B N H D K L G E V ] ^ _ ` [ \ A B L a I b K R Y X a X c I D D B L I L R J S N B F V A I N
b K N K Q B R U E F J B D I M B D K L d I D N B K F F B X @ A B Q B P A L K Z M B A I N O B B L M N B R V E D C E F K N A I N N E E L
I N C D E F E G \ I N K L N Q I F F B R K L c I D N I \ [ I L R Q A B e D N Q H D E G D I J M N K L G Q A K N Q B P A L K Z M B
f g
` h i \ I N D B I R S K L ] ^ _ j X
@ A B Q B P A L K Z M B D B Z M K D B R N E J B k N S L Q I P Q K P N M G I D l Q E O B M N B R P E J V E D Q I O F S X T L
B W Q B L N K E L E V C D E F E G N S L Q I W \ I N K L P E D H E D I Q B R K L Q E Q A B L B \ b B D N K E L E V d I D N B K F F B
C D E F E G
g
^ h
f
F I Q B D P I F F B R C D E F E G m i X T Q Q A B N I J B Q K J B U E F J B D I M B D R B N P D K O B R Q A B
Q A B E D B Q K P I F V E M L R I Q K E L E V Q A B Q B P A L K Z M B [ \ A K P A A B N Q I D Q B R Q E P I F F n o p q n r s t u r v w v
x
s q n n q s
f
K L Q A B N E M D P B P E R B E V Q A B K L Q B D H D B Q B D I L E Q A B D L I J B \ I N M N B R y s o
x z
o v
v { t o s | } i [ K L Q A B H I H B D
g ~
h X @ A B H I H B D \ I N K J J B R K I Q B F S N M O J K Q Q B R V E D H M O F K P I 
Q K E L [ O M Q Q A D E M G A Q A B B R K Q E D I L R Q A B H M O F K N A B D V I M F Q K Q I H H B I D B R I N F I Q B I N K L
] ^ _  X @ A B R B F I S N M O N Q I L Q K I F F S R K J K L K N A B R Q A B K J H I P Q E V Q A B H I H B D  E L Q A B E Q A B D
A I L R [ Q A B H I H B D \ I N B W Q D B J B F S R K  P M F Q Q E D B I R I L R D I Q A B D P E L V M N K L G V E D I P I N M I F
D B I R B D X
m L Q A B J B I L Q K J B a I b K R c I D D B L H D E H E N B R I L E Q A B D N S L Q I P Q K P V E D J V E D I F K J K Q B R
b I D K I L Q E V Q A B Q B P A L K Z M B [ P I F F K L G K Q a B e L K Q B U F I M N B  D I J J I D [ I L R K L P E D H E D I Q B R
K Q K L Q E I L B \ K J H F B J B L Q I Q K E L E V C D E F E G V E D Q A B a  U  S N Q B J  ]  P E J H M Q B D
g
 h 
I N Q A K N \ I N I b B D S H E H M F I D P E J H M Q B D [ Q A K N K J H F B J B L Q I Q K E L N E E L O B P I J B \ K R B F S
M N B R X d E D B E b B D [ Q E G B Q A B D \ K Q A  B D L I L R E C B D B K D I A B \ D E Q B I L B W P B F F B L Q H I H B D
g
_ h I R b E P I Q K L G Q A B N M H B D K E D K Q S E V a B e L K Q B U F I M N B  D I J J I D E b B D T M G J B L Q B R
@ D I L N K Q K E L  B Q \ E D  X m L P E L N B Z M B L P B [ Q A B E D K G K L I F d B Q I J E D H A E N K N  D I J J I D A I N
O B B L E b B D N A I R E \ B R O S a B e L K Q B U F I M N B  D I J J I D I L R D B J I K L B R F K Q Q F B  L E \ L  I N
V I D I N m  L E \ [ K Q A I N O B B L I R B Z M I Q F S P E b B D B R E L F S K L
g
] Ł h I L R
g
] ` h X
d B Q I J E D H A E N K N  D I J J I D \ I N M N B R K L I N K J H F B Z M B N Q K E L  I L N \ B D K L G N S N Q B J
R B P D K O B R K L
g
] j h I L R
g
]  h [ I L R K L I Z M K Q B N E H A K N Q K P I Q B R C E F K N A D I K F \ I S B W H B D Q N S N 
Q B J
f g
j h I L R
g
 h i X Y E \ B b B D [ Q A B J E N Q K J H E D Q I L Q \ E D  P E L N K N Q B R K L M N K L G d B Q I 
J E D H A E N K N  D I J J I D I N I V E D J I F K N J V E D F K L G M K N Q K P R B N P D K H Q K E L E V C E F K N A N S L Q I W
R B b B F E H B R O S  Q I L K N  I \   H I  E \ K P 
f g
]  h [
g
] ] h [
g
]
~
h i X @ A K N V E D J I F K N J A I N O B B L
I R I H Q B R O S E Q A B D D B N B I D P A B N \ E D  K L G E L C E F K N A N S L Q I W [ K L H I D Q K P M F I D O S d I D B 

\ K R  K  N  K X
                                    ¡ ¢ £ ¤ ¥ ¢ ¦ £ § ¨ ¢ ¦ © ª ¤ ¢ £ ¤ ¥ « ¬ ¦ ­ £ ® ¯ ¤ ­ £ ° ¯ ¨ ¥ ± ­ ² ¨ ³
¨ ¢ ª ¨ ´ ³ µ £ ¦ £ § ¨ ¢ ¦ © ¶ § ¢ · µ § ­ £ § ¸ ­      ¹   º       »    ¼ ½   ¾   ¿ À Á Â Ã Ä Å     Æ ½    À Ç Ç Á È
]
  H I  E \ K P  A I N K J H F B J B L Q B R I N M O N B Q E V A K N G D I J J I D I N I H I D N B D [ \ A K P A
F I Q B D \ I N R B b B F E H B R O S J S N B F V K L Q E N E P I F F B R
~
L R b B D N K E L E V   H I  E \ K P    N H I D N B D X
m L K J H D E b K L G K Q N B  P K B L P S m A I b B M N B R I F E E   I A B I R Q B P A L K Z M B N M G G B N Q B R O S d I  
G E D  I Q I  I F O I P A
g
] h X  B P B L Q F S I L B \ H I D N B D [ O I N B R E L

\ K R  K  N  K   N G D I J J I D [ A I N
O B B L P D B I Q B R I N I H I D Q E V Q A B T d   N S N Q B J X  B F E \ m N M J J I D K  B Q A B J E N Q K J 
H E D Q I L Q B W Q B L N K E L N Q E Q A B E D K G K L I F d B Q I J E D H A E N K N  D I J J I D [ M N B R K L Q A B T d  
N S N Q B J X

c B M N B Q A B N S L Q I W E V a B e L K Q B U F I M N B  D I J J I D Q E I F F E \ N S L Q I W P A B P  K L G
E L I L S K J H F B J B L Q I Q K E L E V C D E F E G X

 B P I M N B Q A B G D I J J I D R E B N L E Q E H B D I Q B E L N Q D K L G N [ O M Q E L Q A B E M Q H M Q E V
Q A B J E D H A E F E G K P I F I L I F S N B D [ Q A B Q B D J K L I F N S J O E F N I D B D B H F I P B R O S H N B M R E 
L E L Q B D J K L I F N S J O E F N   
f
P I F F B R {  w 	 o s v q
z
o
z
o n o  p q s 
 {  w p i I L R     
f
V E D K L Q B D H M L P Q K E L J I D  N i X

@ E I P P E M L Q V E D Q A B Q B D J K L I F N S J O E F N E L Q A B F B V Q A I L R N K R B E V Q A B D M F B [
I F F E \ B R \ K Q A N E J B F K J K Q I Q K E L N K L d B Q I J E D H A E N K N  D I J J I D O M Q K F F B G I F K L
a B e L K Q B U F I M N B  D I J J I D [ Q A B H N B M R E  L E L Q B D J K L I F N S J O E F     \ I N K L 
Q D E R M P B R [ \ A K P A I P P B H Q N I N K Q N I D G M J B L Q    E D      N S J O E F N X

@ A B     N S J O E F K N M N B R I F N E Q E F E E  I A B I R V E D Q A B L B W Q B F B J B L Q K L b I D K E M N
N Q I G B N E V Q A B H I D N K L G H D E P B N N X c B P E L N K R B D Q A K N I H M D B F S H D I G J I Q K P R B b K P B [
P A I L G K L G Q A B H I D N K L G N Q D I Q B G S O M Q L E Q I  B P Q K L G Q A B G D I J J I D N B J I L Q K P N X

c B A I b B K L Q D E R M P B R I F N E Q A B         H N B M R E  L E L Q B D J K L I F [ I L I F E G K P I F Q E
Q A B     E L B X m Q I H H B I D B R M N B V M F V E D Q A B q  u r  N E F M Q K E L E V N E J B H D E O F B J N [
O M Q K Q N B B J N Q A I Q K Q N M N B P I L O B P E J H F B Q B F S B F K J K L I Q B R X

@ A B H I D N B Q D B B K N P E L N Q D M P Q B R I M Q E J I Q K P I F F S [ I L R b I D K E M N V B I Q M D B N I D B H D E 
b K R B R Q E V I P K F K Q I Q B R B O M G G K L G X
d E D B K L V E D J I Q K E L I O E M Q Q A B T d   N S N Q B J P I L O B V E M L R E L c c c I Q Q A B
I R R D B N N

    

   ﬀ  ﬀ  ﬁ   ﬂ    ﬃ        ﬃ   !  "   #  $ % & ' ( ) *  # ﬀ    +  ﬀ ﬃ
, - . - / - 0 1 - 2
g
] h 3 I L M N   X  K B  [ d I  G E D  I Q I  I F O I P A [  W H B D K J B L Q N K L H I D N K L G C E F K N A y I
H D E G D B N N D B H E D Q X C D B H D K L Q N E V 4 q p { s q
z 5
q 
x
{ q
x
o 6   o s v p q   w 
x
q  
5
r
x
w 
7 s r
x
s q n n w 
x
[  B L L B N [ ] ^  ` [ H H  ]    X
g ~
h T F I K L U E F J B D I M B D X 8 B N G D I J J I K D B N R B J B Q I J E D H A E N B X  D E M H B
R   m L Q B F F K G B L P B T D Q K e P K B F F B [ 9 L K b B D N K Q : R  T K W  d I D N B K F F B m m [ ] ^ _ j X
g
Ł h T F I K L U E F J B D I M B D X d B Q I J E D H A E N K N G D I J J I D X m L ; 8 X  E F P
f
B R i [ 4 q p { s q
z
5
q 
x
{ q
x
o < r n n {  w  q p w r  = w p u < r n t { p o s v [ 8 B P Q M D B  E Q B N K L U E J H M Q B D
 P K B L P B  Ł [  H D K L G B D  > B D F I G ] ^ _  [ H H ] Ł Ł  ]  ^ X
g
` h Y B L D S  3 X ? E J E D E \ N  K X  T d m 8 m T P E L b B D N I Q K E L I F N S N Q B J
g
K L C E F K N A h X d I N 
Q B D Q A B N K N [ m L N Q K Q M Q B E V m L V E D J I Q K P N [ c I D N I \ 9 L K b B D N K Q S [ ] ^ _ j X
~
gj h C I \ B  8 M O E  N  K [  I Q M D I F 8 I L G M I G B m L Q B D V I P B V E D I C E F K N A  I K F \ I S  W H B D Q
 S N Q B J X m L > X a I A F [ C X  I K L Q  a K  K B D
f
B R N X i [ 4 q p { s q
z 5
q 
x
{ q
x
o 6   o s v p q   |
w 
x
q  
5
r
x
w  7 s r
x
s q n n w 
x
[  E D Q A  Y E F F I L R ; T J N Q B D R I J ] ^  j [ H H
~
]  Ł ] X
g
 h C I \ B  8 M O E  N  K [   M B D S T L I F S N K N K L I C E F K N A   M B N Q K E L  T L N \ B D K L G  S N Q B J X
m L 3 X  X  K B 
f
B R X i [ C I H B D N K L U E J H M Q I Q K E L I F 8 K L G M K N Q K P N m m m [ m m L V 9 c  B 
H E D Q L E ] j ^ [ ] ^   [ H H
~
] 
~
^ X
g
_ h  B D L I L R E C B D B K D I [ a I b K R Y X a X c I D D B L [ a B e L K Q B U F I M N B  D I J J I D N V E D
8 I L G M I G B T L I F S N K N  T  M D b B S E V Q A B  E D J I F K N J I L R I U E J H I D K N E L \ K Q A
T M G J B L Q B R @ D I L N K Q K E L  B Q \ E D  X  s p w  w q
z 
 p o
z z
w
x
o   o > E F X ] Ł  E Ł [ ] ^   [
H H
~
Ł ] 
~
_  X
g
 h 8 M K N d X C B D B K D I [  B D L I L R E C B D B K D I [ a I b K R Y X a X c I D D B L X 9 N B D   N  M K R B
Q E a  U  S N Q B J  ]  C D E F E G
f
C D E b K N K E L I F > B D N K E L i [ a B H I D Q J B L Q E V T D Q K e P K I F
m L Q B F F K G B L P B [ 9 L K b B D N K Q S E V  R K L O M D G A [ ] ^ _  X
g
^ h C A K F K H H B  E M N N B F [ C   8   [ J I L M B F R B D B V B D B L P B I Q R   M Q K F K N I Q K E L X  D E M H B
R   m L Q B F F K G B L P B T D Q K e P K B F F B [ 9 L K b B D N K Q : R  T K W  d I D N B K F F B m m [ ] ^ _ j X
g
]  h  Q I L K N  I \   H I  E \ K P  [  S L Q I P Q K P T L I F S N K N E V c D K Q Q B L C E F K N A X m L 8 X  E F P
f
B R i [ 4 q p { s q
z 5
q 
x
{ q
x
o < r n n {  w  q p w r  = w p u < r n t { p o s v [ 8 B P Q M D B  E Q B N
K L U E J H M Q B D  P K B L P B  Ł [  H D K L G B D  > B D F I G ] ^ _  [ H H
~
 ] 
~
^
~
X T F N E m m L V 9 c
 B H E D Q L E  ` [ ] ^ _ _ X
g
] ] h  Q I L K N  I \   H I  E \ K P  X T M Q E J I Q K P N S L Q I P Q K P I L I F S N K N E V \ D K Q Q B L C E F K N A N B L 
Q B L P B N
g
K L C E F K N A h X 9 L H M O F K N A B R C A X a X Q A B N K N [ m L N Q K Q M Q B E V m L V E D J I Q K P N [ c I D 
N I \ 9 L K b B D N K Q S [ ] ^ _  X
g
]
~
h  Q I L K N  I \   H I  E \ K P  X  r s n q
z
v 
  p q  p w   o v  s w t p w r  r  7 r
z
w v u v o  p o   o v
g
K L C E F K N A h X c I D N I \ 9 L K \ B D N K Q S C D B N N ] ^  Ł [ ] ^   X
g
] Ł h  Q I L K N  I \   H I  E \ K P  [  B F K  N ? F M  L K I  X 7 s r
z
r
x
g
K L C E F K N A h X c  @ ] ^  Ł X
g
] ` h  Q I L K N  I \   H I  E \ K P  [  B F K  N ? F M  L K I  X 7 s r
z
r
x
 r s 7 s r
x
s q n n o s v X T P I 
R B J K P C D B N N ] ^  j [ ] ^  _ X
g
] j h  Q I L K N  I \   H I  E \ K P  [ d I D B 

\ K R  K  N  K X C D E G D I J E \ I L K B \ C   8   9 ;
K L V E D J I Q E D  E F B  E \ S
g
K L C E F K N A h X

  r s n q p 
 	 q L D ]
~
[ D X ] ^ _ ^ [ N X ]
~
 ]  X
g
]  h  Q I L K N  I \   H I  E \ K P  [ d I D B 

\ K R  K  N  K X T  K J H F B a K I F E G M B K L C E F K N A ; m L 
Q B D I P Q K b B  I K F \ I S  M K R B X 7 r 
 w p q 
 o q { n o
z 
w  p o
z
w
x
o   w q [ b E F X ] L E X j [ ] ^ 
~
[
H H ` ] ^  `
~
j X T F N E K L 3 X  X  K B 
f
B R X i [ C I H B D N K L U E J H M Q I Q K E L I F 8 K L G M K N Q K P N
m m [ m m L V 9 c  B H E D Q L E ] ]  [ ] ^  ] [ H H ^  ]  X
Ł


German

Processing Polish with metamorphosis grammars

Portuguese

Komputerowa weryfikacja opisu składni polskiej

Janusz S. Bień
Powierzchniowe przetwarzanie tekstów polskich
29 maja 1995
Wstęp
W niniejszym artykule chciałbym przedstawić pewne wyniki dotyczące m.in. przetwa-
rzania języka polskiego na poziomie morfologicznymi. Za prekursora tego typu prac trzeba
niewątpliwie uznać nieżyjącego już prof Jana Tokarskiego, który w latach 1961-1964 opubli-
kował na łamach Poradnika Językowego cykl artykułów pod zbiorczym tytułem Fleksja
polska, jej opis w świetle możliwości mechanizacji w urządzeniu przekładowym. Najbardziej
znanym jego dziełem są jednak tablice odmiany opracowane na potrzeby opublikowanego w
latach 1958-1969 Słownika języka polskiego PAN pod red. Witolda Doroszewskiego, a
przedrukowywane z niewielkimi zmianami niemal w każdym słowniku języka polskiego i
niektórych dwujęzycznych.
W rzeczywistości Jan Tokarski był autorem nie tylko tablic odmiany i odpowiedniego
fragmentu wstępu do tego jedenastotomowego, liczącego około 120000 haseł słownika, ale
całej koncepcji opisu odmiany wyrazów w słowniku; był on w szczególności również autorem
instrukcji dla redaktorów przygotowujących opisy fleksyjne poszczególnych haseł. Koncepcja
ta charakteryzowała się uznaniem tabel i opisów przy poszczególnych hasłach za nierozłączną
całość - przy haśle należało wskazać tabelę i odnotować tylko ewentualne wyjątki od reguł
ogólnych. W rezultacie ten największy z polskich słowników po raz pierwszy w historii
polskiej leksykografii podawał - przynajmniej w założeniu - pełną informację o odmianie
opisywanych w nim wyrazów.
Dzięki polonistYcznym zainteresowaniom mojego starszego brata dysponowałem tym
słownikiem w domu i często z zainteresowaniem go przeglądałem. W czerwcu 1968 jako stu-
dent matematyki na Uniwersytecie Warszawskim przedstawiłem na seminarium z teorii maszyn
- prowadzonym przez Stanisława Waligórskiego - opracowany z własnej inicjatywy
program odmiany czasowników korzystający z tabel Tokarskiego; program ten spotkał się z
dużym zainteresowaniem. Problematyką językową zajmowałem się nadal po zakończeniu
studiów i zatrudnieniu w Instytucie Maszyn Matematycznych - obecnie noszącym nazwę
Instytutu Informatyki - Uniwersytetu Warszawskiego; dzięki życzliwości prof - wówczas
doktora - Waligórskiego i m.in. dyrektora Instytutu prof Stanisława Turskiego mogli
wkrótce dołączyć do mnie jako etatowi pracownicy dwaj koledzy; nieco później nasze prace z
tego zakresu zostały włączone do problemu węzłowego kierowanego przez wieloletnią
dziekan wydziału i światowej sławy matematyka prof Helenę Rasiową.
Nawiązałem również kontakt ze znanym mi dotąd tylko z nazwiska profesorem -
wówczas docentem - Tokarskim, który także przyjął mnie bardzo życzliwie. Z jego
inicjatywy poprowadziłem w roku 1970/71 na Wydziale Polonistyki wykład pod tytułem
Automatyczne przetwarzanie tekstów, a także przygotowałem pierwsze swoje artykuły dla
poważnych wydawnictw polonistycznych (por. [tl]). Wspominam o tym m.in. dlatego, że na ~
konferencji Język i Technologia (poznań, maj 1995) można było usłyszeć, że w tych latach nie
było w Polsce gdzie prowadzić komputerowych badań języka naturalnego - jak widać, moje
doświadczenia nie potwierdzają tej tezy. Co więcej, to właśnie w tym okresie był najbardziej
aktywny gdański zespół Ludwika Wierzbowskiego i Bronisława Rocławskiego -
Wierzbowski organizował m.in. obozy naukowe dla studentów, a telewizja poświęciła mu
specjalny program pod tytułem Językoznawca za pulpitem komputera.
Problematyce przetwarzania tekstów pozostałem wiemy do dnia dzisiejszego, choć
przeważnie zajmowałem się tym tematem równolegle z innymi obowiązkami. Do czasu swojej
emigracji do Kanady systematycznie współpracował ze mną Stanisław Szpakowicz, od dłuż-
szego czasu współpracuje ze mną Krzysztof Szafran. Rozwija się również pomyślnie współ-
praca z lingwistami, przede wszystkim z prof Zygmuntem Salonim i jego uczniami.
Aparat pojęciowy
Było dla mnie od samego początku rzeczą oczywistą, że tradycyjny aparat pojęciowy
nie jest wystarczający do ścisłego opisu morfologii polskiej - w niektórych przypadkach był
on niewystarczająco precyzyjny, w niektórych wypadkach był zaś po prostu niewygodny. W
związku z tym problem konstrukcji odpowiednich pojęć i terminów przewija się w niemal
wszystkich moich pracach; znaczącym etapem był tutaj artykuł [4], najnowsze wersje są za-
warte w pracach [8] i [9].
Jednym z kluczowych pojęć jest pojęcie wyrazu. Oczywiście, nie do przyjęcia było sta-
nowisko niektórych lingwistów, że wyrazu zasadniczo zdefiniować nie można ([8], s. 13). W
rzeczywistości tradycyjne pojęcie wyrazu jest używane w sposób wieloznaczny, co w naturalny
sposób prowadzi niekiedy do konfliktów; innymi słowy, mamy wiele różnego typu wyrazów,
2
3co w miarę możliwości należy zaznaczać jawnie używając tego słowa z odpowiednim
przymiotnikiem.
Podstawowe rozróżnienie, wprowadzone jeszcze przez Tokarskiego, to wyraz
paradygmatyczny i wyraz syntagmatyczny. Ten pierwszy to abstrakcyjny obiekt będący
elementem słownika (można go sobie wyobrażać jako zbiór odpowiednich form fleksyjnych),
ten drugi to jego adaptacja do jego kontekstu użycia (można go sobie więc wyobrażać jako
konkretną form fleksyjną). W obydwu wypadkach możemy mieć do czynienia z konkretnym
egzemplarzem (Druga strona książki zaczyna się od wyrazu kot - może to znaczyć, że
zaczyna się ona napisem kot lub np. napisem koty) lub prototypem (wyraz kotek to
rzeczownik w mianowniku liczby pojedynczej, wyraz kotek to zdrobnienie wyrazu kot).
W praktyce interesują nas tylko teksty kodowane. Możemy je analizować unilateralnie
- tj. korzystając tylko z informacji zawartej bezpośrednio w tekście -lub bilateralnie, tj.
korzystając z naszego rozumienia treści tekstu i znajomości języka naturalnego, w którym jest
napisany. Często terminu wyraz używa się zamiennie z terminem słowo, ale ja przez słowo
rozumiem wyłącznie jednostki unilateralne, czyli napisy spełniające pewne zadane warunki.
Niektóre ze słów mająjakieś znaczenie, są więc wyrazami pewnego języka. Wydaje się
wygodne posługiwać się całą hierarchią wyrazów, w zależności od tego, jakie aspekty ich
znaczenia lub funkcji nas w danym momencie interesują; wyrazy wyższego rzędu są
reprezentowane przez wyrazy niższego rzędu, nazywane ich ksztahami. Dla przykładu,
konkretny wyraz morfologiczny czy może być pisany łącznie z wyrazem morfologicznym ś
tworząc wyraz grafemiczny czyś, który jest reprezentowany w tekście przez swój ksztah
typograficzny (np. Czyś zwariował?).
Jest sprawą konwencji, do jakiej dziedziny zaliczać szczegółowe analizy struktury
tekstu kodowanego i jego graficznej reprezentacji, tym niemniej potrzeba takich badań jest
coraz bardziej widoczna m.in. w pracach normalizacyjnych dotyczących kodowania znaków i
składania tekstów (por. [10]).
Składanie tekstów i zasoby lingwistyczne
W związku z tym, że nasze zainteresowania dotyczyły całego języka, a nie tylko jego
niewielkiego podzbioru, widać było wyraźnie potrzebę dysponowania bardzo szczegółową in-
formacją lingwistyczną w postaci czytelnej dla komputera, a także obszernych zbiorów tekstów
- nazywanych przez lingwistów korpusami - do jej weryfikacji. Przygotowanie takiej
4infonnacji tylko i wyłącznie na potrzeby komputerowego przetwarzania tekstów wydawało się
mało realne. Rozwiązaniem bardziej ekonomicznym, a może nawet jedynym realistycznym,
mogło być wykorzystywanie tekstów zwykłych publikacji lingwistycznych (w tym słowników)
wprowadzanych do komputera na potrzeby składu komputerowego w trakcie
przygotowywania publikacji do druku. Był to jeden z powodów, dla których - będąc
odpowiedzialnym w Instytucie za publikację raportów instytutowych - dążyłem do jak
najwcześniejszego wprowadzenia składu komputerowego, a następnie do udoskonalania jego
narzędzi.
Punktem wyjścia był zastany już przeze mnie program składu dla komputera GIER
([11,]), następnym etapem było wdrożenie do eksploatacji na komputerach ODRA 1300 sys- ~
temu CCS finny ICL ([18D, ale punktem przełomowym było pojawienie się systemu TeX
(['ltD. Z dużym trudem udało nam się uzyskać taśmę dystrybucyjną wersji 0.8 i zaadaptować ':ł
system do najbardziej wówczas dostępnego komputera RIAD ([~). Trwałym osiągnięciem C;
tego okresu są wzorce dzielenia wyrazów dla języka polskiego [1~, które po niewielkich ~
zmianach są powszechnie używane do dzisiaj.
Za pomocą systemu TeX były później złożone m.in. takie prace jak opracowany przez
Krzysztofa Szafrana tom zbiorczy frekwencyjnego słownika języka polskiego [14], a także
prace [24] i [17]. Z różnych powodów nie zostały zrealizowane zamiary stworzenia korpusów
tekstów; w tej chwili do celów testowych wykorzystywany jest korpus przygotowany na po-
trzeby wspomnianego wyżej słownika frekwencyjnego ([14D.
Synteza morfologiczna
Już pierwsze eksperymenty z infonnacją morfologiczną ze słownika Doroszewskiego
pokazały, że z różnych względów nie jest ona w pełni wiarygodna [3]. Składały się na to dwa
powody. Po pierwsze, reguły interpretacji infonnacji przyhasłowej nie były dostatecznie jasno
zdefiniowane, zawierały luki, przeoczenia, a także celowe odwoływanie się do wiedzy użyt-
kownika. Po drugie, zdarzały się również błędy i pomyłki w poszczególnych artykułach hasło-
wych. Nie ulegało wątpliwości, że niedostatki pierwszego typu warto usunąć tworząc nową
notację, nazywaną przez nas roboczo zmodyfikowaną notacją Tokarskiego. Prace nad nią z07
stały podsumowane w książce [8] (por. także [l~D. /l.
Druga przyczyna braku pełnej wiarygodności słownikowej infonnacji morfologicznej
to po prostu pomyłki redaktorów poszczególnych haseł czy nawet błędy wprowadzone w
5trakcie składu. Ręczna weryfikacja tej informacji dla 120 000 haseł to duże przedsięwzięcie
wymagające udziału kompetentnych lingwistów; pracę tę wykonał w latach 1979-1982 prof
Zygmunt Saloni ze swoimi magistrantami (por. [15]).
Wyniki obu tych nurtów prac były zgodne co do jednego - ponieważ słownik Doro-
szewskiego był opracowywany w kolejności alfabetycznej, a więc bez możliwości uzyskania
najpierw ogólnego obrazu gramatycznych własności opisywanego słownictwa, wiele podjętych
decyzji okazało się w praktyce nieoptymalnych. Nasunęło to ideę stworzenia słownika grama-
tycznego języka polskiego, który oferowałby opis bardziej szczegółowy, a jednocześnie
bardziej zwięzły i elegancki; choć wykonano już pewne prace wstępne ([ 16]), dalsze losy tej
idei nie są jeszcze przesądzone.
Analiza morfologiczna
Celem informacji fleksyjnej w słownikach było umożliwienie użytkownikowi tworzenia
form fleksyjnych danego wyrazu, czyli synteza morfologiczna. W praktyce przetwarzania tek-
stów ważniejsze jest przeważnie zadanie odwrotne - rozpoznanie konkretnego napisu jako
formy fleksyjnej pewnego wyrazu lub wyrazów; zadanie to nazywamy analizą morfologiczną.
Szczególnym przypadkiem analizy jest hasłowanie, przydatne przy różnego rodzaju indeksach
- nie interesują nas wówczas własności formy fleksyjnej, a tylko odpowiadająca jej forma ha-
słowa. W zasadzie możliwa jest analiza przez syntezę, tj. wygenerowanie dla danego zbioru
wyrazów wszystkich jego form fleksyjnych, a następnie odszukiwanie analizowanego napisu w
otrzymanym zbiorze, jest to jednak metoda nieefektywna m.in. ze względu na tzw. formy
potencjalne, które praktycznie nie pojawiają się w rzeczywistych tekstach.
Prace nad zestawem reguł, pozwalających dokonywać analizy morfologicznej w sposób
możliwie bezpośredni, zostały rozpoczęte przez prof Tokarskiego jeszcze w latach sześćdzie-
siątych, ale potem z różnych powodów nie kontynuowane. Na dwa lata przed śmiercią
przekazał on niedokończony rękopis do dalszego opracowania prof Saloniemu, który
koncepcję autora rozwinął i udoskonalił. Dzięki zrzeczeniu się przez spadkobierców prof To-
karskiego praw majątkowych do tej pracy było możliwe nie tylko jej opublikowanie ([24]), ale
i udostępnianie zainteresowanym jej tekstu na nośniku komputerowym.
Pierwszym komputerowym zastosowaniem tej pracy (nazywanej krótko indeksem To-
karskiego) był opracowany w 19.93r. przez Krzysztofa Szafrana program SAM (System Ana-
lizy Morfologicznej). Demonstrował on użyteczność tych reguł na przykładzie interakcyjnego
6programu hasłowania, przydatnego np. do lingwistycznych obliczeń statystycznych ([1~]. ~
Istnieje już nowa wersja tego programu, która korzysta nie tylko z informacji z indeksu
Tokarskiego, ale także z informacji zawartych w pracy [16] (którą nazywam krótko indeksem
Saloniego); dzięki temu może ona poprawnie analizować całe słownictwo ze słownika
Doroszewskiego (120 000 haseł). Obecnie trwają prace nad kolejną wersją programu SAM,
która będzie lepiej przystosowana do wsadowego przetwarzania obszernych tekstów. Po jej
ukończeniu - co nastąpi nie później niż w grudniu 1995 r. - wersja ta do celów
badawczych będzie udostępniana bezpłatnie; bliższe informacje na ten temat będzie można
znaleźć w pliku, którego URL (Internet Uniform Resource Locator) ma postać
FTP://ftp.mimuw.edu.pl/pub/users/jsbien/teksty/czytajto.
Zakończenie
Ograniczona objętość niniejszego artykułu zmusiła mnie do koncentracji na sprawach
uważanych przeze mnie teraz za najważniejsze. Czytelnikom zainteresowanym analizą skła-
dniową tekstu proponuję zapoznanie się z książką Szpakowicza [21], opartą na pionierskiej
pracy [20]; zawarty w pracy tekst programu, który nie został włączony do książki, jest
dostępny za pomocą sieci - jego URL ma postać
FTP://ftp.mimuw.edu.pl/pub/users/jsbien/mainframe/;tamteż są
dostępne jego modyfikacje i wyniki testów. Do wyników Szpakowicza nawiązuje książka [22],
a także artykuł [2], będący skróconą wersją pracy [1]. Czytelników zainteresowanych moimi
poglądami na temat semantyki języka naturalnego odsyłam do artykułu [6] i prac w nich
cytowanych.
Dla pełności obrazu warto wspomnieć, że w Instytucie Informatyki działały również
inne zespoły zajmujące się problematyką języka naturalnego; bliższych informacji na ten temat
należy szukać w bibliografiach Instytutu, które okazywały się od 1977 do 1989 roku i były do-
stępne w ORW PAN.
Prace cytowane
[1] M. Bańko. Analiza polskich fraz rzeczownikowych testem adekwatności i efektyw-
ności parsera Szpakowicza. Praca magisterska (opiekun 1. S. Bień), Instytut Informatyki UW,
1985.
[2] M. Bańko. Niektóre problemy oceny adekwatności gramatyk (na przykładzie frag-
mentu gramatyki Szpakowicza). Studia Gramatyczne IX (1990), s. 55-72.
7[3] 1. S. Bień. Algorytmizacja fleksji polskiej - problemy i perspektywy. Maszyny
Matematyczne, r. V nr 5, s. 15-18, maj 1969.
[4] 1. S. Bień, Z. Saloni. Pojęcie wyrazu morfologicznego i jego zastosowanie do opisu
fleksji polskiej (wersja wstępna). Prace Filologiczne, XXXI, s. 31-45, 1982.
[5] 1. S. Bień, H. Kołodziejska. TEX for RIAD computers. In Dario Lucarella, editor,
Proceedings of the first European Conference on TEX for Scientific Documentation, Como,
Italy, pages 133-140. Addison-Wesley, Reading, Mass., 16-17 May 1985.
[6] 1. S. Bień. Articles, Word Order and Resource Controi Hypothesis. Joseph L. Mey
(ed.), Language and Discourse: Test and Protest. John Benjamins, Amsterdam 1986, pp 433-
434.
[7] Janusz Stanisław Bień. Co to jest TEX? Wiadomości Matematyczne, r. XXIX nr 1,
s. 131-156, 1990. Internet URL
FTP://ftp.mimuw.edu.pl/pub/users/jsbien/teksty/cttex90/.
[8] 1. S. Bień. Koncepcja słownikowej informacji morfologicznej ijej komputerowej
weryfikacji, Rozprawy Uniwersytetu Warszawskiego t. 383. Wydawnictwa Uniwersytetu War-
szawskiego, Warszawa, 1991. Errata - patrz Internet URL
,
FTP://ftp.mimuw.edu.pl/pub/users/jsbien/teksty/koncepcja9I/.
[9] 1. S. Bień. Uwagi o porządku alfabetycznym i leksykograficznym. Prace Języko-
znawcze Uniwersytetu Gdańskiego t. 16, s. 51-59. Gdańsk 1992.
[10] 1. S. Bień. Wybrane standardy przetwarzania tekstów. Konferencja Komputerowa
Analiza Tekstu, Karpacz, 16-18.11.1993. Internet URL
FTP://ftp.mimuw.edu.pl/pub/users/jsbien/teksty/karpacz93/.
[11] Frank F. Gladney. Jan Tokarski Redivivus. Joumal of Slavic Linguistic vol. 2 no.
2, 1994, pp 304-317.
[12] E. Kaczmarska. Automatyczne łamanie tekstów wydawniczych. Sprawozdania, z.
17, ZON i Katedra Metod Numerycznych UW, 1968.
[13] H. Kołodziejska. Dzielenie wyrazów polskich w systemie TeX. Sprawozdania In-
stytutu Informatyki UW nr 165, IInfUW 1987.
[14] I. Kurcz, A. Lewicki, 1. Sambor, K. Szafran, 1. Woronczak. Słownikfrekwencyjny
współczesnej polszczyzny pisanej. Instytut Języka Polskiego PAN, Kraków 1990.
8[15] Z. Saloni (red.). Studia z polskiej leksykografii współczesnej. Ossolineum 1988.
[16] Z. Saloni. Słownik gramatyczny języka polskiego - wersja przedwstępna. Praca
niepublikowana, 1994.
[17] Z. Saloni, T. Wróblewska, K. Szafran. Ortograficzny słownik ucznia. Wydawnic-
two Naukowe PWN, Warszawa 1993.
[18] K. Szafran. System automatycznego składania tekstów. Praca magisterska
(opiekun M. Grzymkowski), Instytut Informatyki UW, 1978.
[19] K. Szafran. Automatyczna analiza fleksyjna tekstu polskiego (na podstawie Sche-
matycznego indeksu a tergo Jana Tokarskiego. Praca doktorska (promotor Z. Saloni), Wydział
Polonistyki UW, 1993.
[20] S. Szpakowicz. Automatyczna analiza składniowa polskich zdań pisanych, praca
doktorska (promotor S. Waligórski), Instytut Informatyki UW, 1978.
[21] S. Szpakowicz. Formalny opis składniowy zdań polskich, 2. wyd. Wydawnictwa
Uniwersytetu Warszawskiego 1986.
[22] Marek Świdziński. Gramatyka formalna języka polskiego. Wydawnictwa
Uniwersytetu Warszawskiego 1992.
[23] Jan Tokarski. Dialog: człowiek - maszyna cyfrowa. Poszukiwanie wspólnego ję-
zyka. Prace Filologiczne, XXIII, s. 183-185, 1972.
[24] Jan Tokarski (opracowanie i redakcja Zygmunt Saloni). Schematyczny indeks a
tergo polskich form wyrazowych. Wydawnictwo Naukowe PWN, Warszawa 1993.


Powierzchniowe przetwarzanie tekstów polskich

Janusz S. Bień. Koncepcja słownikowej informacji morfologicznej i jej komputerowej weryfikacji. (Dissertationes Universitatis Varsoviensis, 383.) Warsaw: Wydawnictwa Uniwersytetu Warszawskiego, 1991. 236 pp. (paper).

Jan Tokarski. Schematyczny indeks a tergo polskich form wyrazowych. Opracowanie i redakcja Zygmunt Saloni. Warsaw: Wydawnictwo Naukowe PWN, 1993. 382 pp. (paper

Gladney, Frank Y.

Jan Tokarski Redivivus

Polish texts in multilingual environment (a case study)

University of Warsaw

Not a member yet