Разбор слова по составу онлайн (морфемный разбор)
Морфемный разбор: А Б В Г Д Е Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я.
Морфемный разбор — то же самое, что и разбор слова по составу — выделение частей, из которых состоит слово. Разбор под цифрой 2. На нашем сайте вы можете разобрать нужное слово, воспользовавшись формой выше. Просто введите слово и нажмите на кнопку «Разобрать по составу». Наш сервис отличается большой базой слов в разных формах (более 250 тысяч) и мощной системой поиска с исправлением ошибок. Также у нас есть фонетический разбор слова онлайн.
План морфемного разбора
- Определяем часть речи.
- Выделяем окончание и основу.
- Определяем, есть ли в основе слова приставка и суффикс.
- Убеждаемся, что такие же приставки и суффиксы есть в других словах.
- Выделяем корень.
- Обозначаем все части слова графически.
Примеры разбора
музыковед — существительное, имеющее два корня, соединительную гласную и нулевое окончание.
хорошо — наречие с суффиксом, без окончания.
приграничный — имя прилагательное с четырьмя основными морфемами: приставка, корень, суффикс, окончание.
пол — имя существительное с нулевым окончанием
суши — слово без окончания, неизменяемое существительное
Морфема — значимая минимальная часть слова.
6 видов морфем
- Корень — часть слова, несущая основное значение. Главная морфема.
- Приставка (префикс) — часть слова, стоящая перед корнем, которая дополняет его смысл.
- Суффикс — часть слова после корня.
- Постфикс — часть слова после окончания.
- Окончание — изменяемая часть слова. Выражает грамматические значения рода, лица, числа, падежа.
- Соединительная гласная (интерфикс) — структурный элемент слов, выполняющий соединительную функцию между их частями.
Основа — значащая часть слова без окончания и формообразующих суффиксов и постфиксов. В школьной программе постфикс -ся (сь) входит в основу.
Для каждого разбора на нашем сайте есть текст с наименованием морфем, графическая схема, сходные по составу слова, которые можно использовать для облегчения словообразовательного разбора.
Независимо от того, из какого вы класса, эта страница поможет вам.
Существует множество онлайн-инструментов, которые помогут вам проанализировать состав слова. Это может быть полезно, когда вы хотите понять значение слова или узнать, как оно произносится. Одним из таких инструментов является анализ слова по составу. Этот инструмент позволяет ввести слово, а затем показывает различные части слова и их значения. Это может быть полезно, если вы пытаетесь выучить новый язык или хотите лучше понять значение слова на своем родном языке. Разбор слов помогает учиться языку быстрее и эффективнее, потому что помогает лучше понять слово. Когда вы разбираете слово по составу, вы видите, какое значение имеют отдельные части слова. А также он помогает узнать правильное произношение слова. Понимая, что слово состоит из морфем, вы сможете произносить его правильно.
Популярное: онлайн, прическа, сколько, замирает, столбов, тихо, известная, постучится, этот, узрю, принакрылась, остановившегося, дружит, листочки, москва, проснулся, съешь, солила, морозцы, вьющиеся, находишься, нашел, показались, наступила, объявил, подорожник, светит, интересная, подсолнечник, начинается, легко, освещает, собирают, остановился, собрались, праздник, называемый, пришел, сотканной, по-белорусски, начинает, каких-нибудь, появляется, жалейщик, вышел, предложил, перелеты, сварился, собираются, весело, учитель, растекается, заморскими, ходит, подъем, люблю, подошел, встречай, сильнее, провисают, чьи-то, отцвели, боится, прилетела, показалось, собирает, любуешься, вьется, снежком, появились, снежинки, пальто, наполняется, открылся, собирались, листьями, разбежались, поезд, салютовать, съел, наполняю, жить, тянулся, открывается, охотники, надвигается, извиваясь, диковатость, отличается, встал, видишь, наступает, природа, затоплял, отправился, приходят, направляющийся, перепрыгнул, весна, преследовать
Поделиться
Пишите, мы рады комментариям
Вверх ↑
Морфемный разбор — что это такое?
Научим писать без ошибок и интересно рассказывать
Начать учиться
Русский — очень богатый язык. И чтобы оценить его разнообразие, нам пригодятся разборы. Морфемный — один из них. В этой статье мы подробно расскажем, что такое морфемный разбор слова и как его делать. Без примеров тоже не обойдётся — им мы отвели целый раздел. Как обычно, в конце вас ждёт тест для самопроверки.
Что такое морфема и морфемный разбор
Чтобы вспомнить, что такое морфема, давайте разберём части слова прибрежный. Его приставка при- говорит нам о том, что нечто, о чём мы говорим, находится у берега. Главная часть слова, корень -бреж- отражает главное его значение. Суффикс -н-, в свою очередь, указывает на то, что это слово — прилагательное. Осталось только окончание -ый. Оно сообщает, что мы говорим о предмете мужского рода, единственного числа и в именительном падеже.
Видите, как много мы узнали о предмете по его частям? Каждая из них имеет своё смысловое значение. А сами наименьшие значимые части слова и называются морфемами.
Морфемы в русском языке — это приставки, корни, суффиксы и окончания. Раздел науки, который их изучает, — это морфемика.
Проверьте себя
Найдите морфемы в перечисленных словах, назовите их и определите, на что они указывают: подснежный, пригорок, приморские, поднебесная, нагорье.
Всего существует два вида морфем. Если морфема создаёт новое слово и наделяет его новым значением, её называют словообразующей. К таким относятся приставки, некоторые суффиксы и постфиксы.
Если же морфема только создаёт новую форму слова, т. е. не меняет его смысл, она называется формообразующей. Обычно это окончания и некоторые суффиксы.
Сам процесс, в ходе которого мы ищем все морфемы в слове, называется морфемный разбор или морфемный анализ. Его ещё часто называют разбором по составу. Наряду с морфемным делают и словообразовательный разбор слова. Он помогает определить, от каких слов оно было образовано. Как правильно его делать, мы уже обсуждали в статье «Словообразовательный разбор».
Пятерка по русскому у тебя в кармане!
Все правила по русскому языку под рукой
Как разбирать слово по составу
Делать морфемный разбор важно в правильном порядке. Этот порядок одинаков для любого слова, которое вас могут попросить разобрать:
Выделите окончание слова и определите, на какие признаки оно указывает.
Выделите основу слова.
Выделите приставку (приставки) и определите её (их) значение, если оно ясно.
Выделите суффикс (суффиксы) и определите его (их) значение, если оно ясно.
Выделите корень.
Примеры морфемного разбора
Теперь, когда мы разобрали алгоритм морфемного анализа, нужно опробовать его на практике. А заодно наглядно увидеть, как делать разбор шаг за шагом. Для этого давайте разберём несколько примеров — сделаем анализ состава слов, которые принадлежат разным частям речи: существительных, прилагательных и глаголов.
Морфемный разбор существительных
Окончание -ы. Оно указывает на то, что это слово употреблено в форме множественного числа, именительного падежа.
Это сложное слово, которое получилось сложением двух слов: вода и лазать. У него две основы: вод- и -лаз.
Приставки нет.
Суффикса нет.
Т. к. это сложное слово, у него два корня:
вод- и -лаз, соединительная гласная -о-.
Окончание -е. Оно указывает на единственное число, дательный падеж.
Основа слова — подставк-.
Приставка под-.
Суффикс -к-.
Корень -став-.
Проверьте себя
Выполните морфемный анализ существительных: приставка, указка, призраки, самолёт, моряков, котиками, перевороты, упряжка.
Морфемный разбор прилагательных
Теперь давайте узнаем, как пользоваться алгоритмом для морфемного разбора имён прилагательных.
Окончание -ый. Оно указывает на единственное число, именительный падеж и мужской род слова.
Основа слова — переходн-.
Приставка пере-.
Суффикс -н-. Он указывает на то, что это слово — прилагательное.
Окончание -ыми. Оно указывает на множественное число и родительный падеж слова.
Основа слова — представительн-.
Приставки нет.
Всего в слове 3 суффикса: -и-, -тель-, -н-.
Корень -представ-.
Проверьте себя
Выполните морфемный анализ прилагательных: указательное, прекрасных, неведомыми, тихой, примечательная, безопасный.
Морфемный разбор глаголов
И напоследок попробуем разобрать по составу пару глаголов.
Окончание -ет. Оно указывает на 3-е лицо, единственное число и будущее время глагола.
Основа слова — переед-.
Приставка пере-.
Суффикса нет.
Корень -ед-.
Окончание -им. Оно указывает на 1-е лицо, множественное число и будущее время глагола.
Основа слова — увид-.
Приставка у-.
Суффикса нет.
Корень -вид-.
Проверьте себя
Выполните морфемный анализ глаголов: освободили, перекатился, убедит, выиграли, представила, заберут..
Морфемные словари
Если вам попалось сложное и слово и вы сомневаетесь, что правильно определили его морфемы, обратитесь к морфемным словарям. Вот некоторые из тех, что могут вам пригодиться:
Ефремова Т. Ф. Толковый словарь словообразовательных единиц русского языка. Включает более 1800 морфем.
А. Н. Тихонов. Морфемно-орфографический словарь. Около 100 000 слов.
Ефремова Т. Ф. Новый словарь русского языка: толково-словообразовательный. Свыше 136 000 слов.
Эти словари можно найти в городской или школьной библиотеке или купить в интернет-магазине их печатные или электронные версии.
Проверьте себя
Теперь, когда мы узнали, что такое морфемика и морфемный разбор, пора сделать последний шаг — немного потренироваться. Чтобы проверить свои силы, разберите по составу слова из списка ниже. И не забывайте пользоваться алгоритмом из статьи!
Пригрелись, опознавательные, преградами, упиралась, приказным, путешественники, исследуют, увлекается, лебединая, заводь, автобусы, преобразит, лётчики.
Если разбор по составу пока даётся с трудом, попробуйте разобрать тему ещё раз и добавить больше практики — лучше всего делать это вместе с преподавателем. На онлайн-уроках по русскому языку в Skysmart учитель поможет разложить знания по полочкам и разобрать даже самые сложные случаи. Всё, что понадобится для занятий — это компьютер и интернет, а познакомиться с платформой и проверить свой текущий уровень знаний можно бесплатно на вводном уроке.
Шпаргалки для родителей по русскому
Все формулы по русскому языку под рукой и бесплатно
Алёна Федотова
Автор Skysmart
К предыдущей статье
Основные признаки текста
К следующей статье
Типы речи в русском языке
Получите план развития речи и письма на бесплатном вводном уроке
На вводном уроке с методистом
Выявим пробелы в знаниях и дадим советы по обучению
Расскажем, как проходят занятия
Подберём курс
Русский Обработка естественного языка — PrimerAI
Действительно ли существует одна языковая модель НЛП, которая управляет ими всеми?
Это стало стандартной практикой в сообществе обработки естественного языка (NLP). Выпустите хорошо оптимизированную модель английского корпуса, а затем процедурно примените ее к десяткам (или даже сотням) дополнительных иностранных языков. Эти вторичные языковые модели обычно обучаются полностью без присмотра. Они публикуются через несколько месяцев после первоначальной английской версии на ArXiv, и все это вызывает большой резонанс в технической прессе.
Например, в августе 2016 года Facebook выпустил fastText (1), быстрый инструмент для вычислений встраивания слов в вектор. В течение следующих девяти месяцев Facebook выпустил около 300 автоматически сгенерированных моделей fastText для всех языков, доступных в Википедии (2). Точно так же Google дебютировал со своим синтаксическим парсером Parsy McParseface (3) в мае 2016 года только для того, чтобы в августе того же года выпустить обновленную версию парсера, обученного для 40 различных языков (4).
Вы можете задаться вопросом, является ли таким образом многоязычное НЛП решенной проблемой. Но можно ли наивно расширить модели, обученные английскому языку, на дополнительные неанглийские языки, или перед обновлением модели требуется некоторое понимание языка на уровне носителя? Ответ особенно актуален для нас здесь, в Primer, учитывая, что наши клиенты сосредоточены на понимании и генерации текста в различных многоязычных корпусах.
Давайте начнем изучение проблемы с рассмотрения одного простого типа модели НЛП; Геометрическое вложение в стиле word2vec (5). Векторы слов полезны для обучения различных типов текстовых классификаторов, особенно когда не хватает объема должным образом помеченных обучающих данных (6). Например, мы могли бы использовать каноническую векторную модель Google, обученную новостям (7), для обучения классификатора для анализа настроений на английском языке. Затем мы расширили бы этот классификатор тональности, включив в него другие языки; таких как китайский, русский или арабский. Для этого потребуется дополнительный набор иностранных векторов, скомпилированных либо автоматически, либо путем ручной настройки носителем этого языка. Например, если бы нас интересовали эмбеддинги русских слов, мы могли бы выбирать либо из автоматических вычислений fastText Facebook, либо из результатов RusVectores для русского языка (8), которые были рассчитаны, протестированы и поддерживаются двумя русскоязычными аспирантами. . Как сравнить эти два набора векторов? Давай выясним.
RusVectores предлагает на выбор множество векторных моделей. Для нашего анализа давайте выберем их российскую новостную модель (9), которая была обучена на корпусе из почти 5 миллиардов слов из российских новостных статей за более чем три года. Несмотря на огромный размер корпуса, сам векторный файл весит всего 130 МБ, что составляет одну десятую размера канонической модели Google word2vec, обученной новостям (7). Частично несоответствие в размере связано с приведением всех русских слов к их лемматизированной эквивалентности, с добавлением признака части речи знаком подчеркивания. Эта стратегия аналогична недавно опубликованной методике Sense2Vec (10), в которой разнообразное использование слова,
, такие как, например, «утка», «утки», «пригнувшись» и «пригнувшись», заменяется одной комбинацией леммы/части речи, такой как «утка СУЩЕСТВИТЕЛЬНОЕ» или «утка ГЛАГОЛ».
Упрощение словаря с помощью лемматизации — это больше, чем просто способ уменьшить размер набора данных. Этап лемматизации на самом деле имеет решающее значение для производительности встроенного вектора на русском языке (11). Чтобы понять, зачем нужна лемматизация, достаточно взглянуть на ту необычную роль, которую играют суффиксы в русской грамматике.
Русский, как и большинство языков, устраняет неоднозначность использования определенных слов, изменяя их окончания в зависимости от грамматического контекста. Этот процесс известен как словоизменение, и в английском языке мы используем его, чтобы обозначить правильное время глаголов.
Перегиб — это то, как мы узнаем, что покупка Наташей водки произошла в прошлом, а не в настоящем или будущем. Английские существительные также могут сгибаться, но только в случаях множественного числа («одна водка» vs «много водки»). Однако в русском языке флексия существительных значительно более распространена. Русские окончания слов помогают передать важную информацию, связанную с существительными, например, какие существительные являются подлежащими, а какие объектами в предложениях. В английском языке такой грамматический контекст выражается только порядком слов.
Значения этих двух предложений совершенно разные, хотя слова в английских предложениях идентичны. С другой стороны, русские предложения полагаются на флексию, а не на порядок слов, чтобы передать отношения существительных. Русское предложение A является прямым переводом английского предложения A, и простая замена суффикса порождает бессмысленное предложение B. Связь между Наташей (Наташа) и водкой (водка) сигнализируется ее суффиксом, а не ее положением в предложении.
Зависимость русского языка от суффиксов приводит к большему общему количеству возможных русских слов по сравнению с английскими. Например, рассмотрим следующий набор фраз: «Я люблю водку», «Дай водку», «Утопи свои печали водкой», «Водки больше нет!», «Национальная водочная компания». В английском языке слово водка осталось без изменений. Но их русские эквиваленты имеют несколько вариантов слова «водка»:
Наше употребление слова «водка» меняется в зависимости от контекста, и вместо одной английской водки у нас теперь есть четыре русских водки, с которыми мы должны иметь дело! Эта избыточность на основе суффиксов добавляет шума в наши векторные вычисления. Качество векторов пострадает, если мы не лемматизируем.
Имея это в виду, давайте проведем следующий эксперимент; мы загрузим модель RusVectores с помощью библиотеки python Gensim (12) (13) и выполним аналогичную функцию на слов для «водка NOUN» (водка NOUN), чтобы получить первую десятку наиболее близких слов на русском языке. векторное пространство, водке.
Мы выполняем эксперимент, используя следующий набор простых команд Python:
из gensim.models import KeyedVectors word_vectors = KeyedVectors.load_word2vec_format('rus_vector_model.bin', binary=True) для слова сходство в word_vectors.most_similar(u'водка_NOUN', topn=10): напечатать слово
Результаты (и их переводы) выглядят следующим образом:
Этот вывод разумен. По крайней мере, большинство ближайших слов относятся к формам алкоголя. Тем не менее, для проверки работоспособности, давайте сравним русский вывод с первыми 10 ближайшими водочными словами в векторной модели Google, обученной новостям (7): Упорядоченный вывод выглядит следующим образом: пять выделенных алкогольных напитков также фигурируют в российских результатах. Таким образом, мы добились согласованности между двумя векторными моделями. Тост за это!
А теперь давайте повторим эксперимент с русскими векторами fastText от Facebook. Первое, что мы наблюдаем, еще до загрузки модели, это то, что векторный файл Facebook (15) имеет размер 3,5 ГБ — более чем в два раза больше, чем у Google. Разница в размере файла дает о себе знать, когда мы загружаем модель в Gensim. Русскоязычные векторы Facebook загружаются на современном ноутбуке более двух минут. Для сравнения, модель RusVectores занимает менее 20 секунд.
Почему модель Facebook такая невероятно большая? Ответ становится очевидным, когда мы запрашиваем десять слов, ближайших к водке. В русской модели fastText они следующие:
Восемь из них представляют собой морфологическую вариацию водки, налитой в fastText. Кроме того, некоторые характерные для русского языка символы Unicode (например, стрелка », обозначающая конец русской цитаты) были ошибочно добавлены к просканированным словам. Таким образом, избыточность русского словаря Facebook увеличивает размер векторного набора.
Чтобы провести корректное сравнение с RusVectores, нам потребуется использовать лемматизацию для фильтрации избыточных результатов. Первая десятка неповторяющихся ближайших слов в русской модели fastText:
Поразительно, но половина этих результатов соответствует безалкогольным напиткам. Какое разочарование!
Кажется, что универсальный подход Facebook к обучению моделей довольно посредственно работает с русским текстом. Но эй, это обеспечило приличную стартовую позицию. Некоторые автоматически обучаемые векторные модели слов генерируют результаты, граничащие с абсурдом. Возьмем, к примеру, Polyglot (16), который предлагает модели, обученные на вики-дампах с 40 разных языков, и выдает следующие результаты для ближайших соседей водки:
Некоторые языковые модели не следует слепо обучать на входных данных без предварительного учета всех нюансов языка. Так что используйте и тренируйте эти модели умеренно, а не ругайте 40 языков за один раз. Такое злоупотребление моделью доставит головную боль вам и всем вашим международным клиентам. Вместо этого, пожалуйста, делайте все медленно, чтобы оценить прекрасные различия каждого языка, как ценят хорошее и пикантное вино.
Ссылки
- https://research.fb.com/fasttext/
- https://github.com/facebookresearch/fastText/blob/master/pretrained-vectors.md
- https://research.googleblog.com/2016/05/announcing-syntaxnet-worlds-most.html
- https://research.googleblog.com/2016/08/meet-parseys-cousins-syntax-for-40.html
- https://blog.acolyer.org/2016/04/21/the-amazing-power-of-word-vectors/
- http://nadbordrozd.github.io/blog/2016/05/20/text-classification-with-word2vec/
- http://mccormickml.com/2016/04/12/googles-pretrained-word2vec-model-in-python/
- http://rusvectores.org/ru/models/
- http://rusvectores. org/static/models/news 0 300_2.bin.gz
- https://explosion.ai/blog/sense2vec-with-spacy
- http://www.dialog-21.ru/media/1119/arefyevnvetal.pdf
- https://radimrehurek.com/gensim/
- https://radimrehurek.com/gensim/models/keyedvectors.html
- https://radimrehurek.com/gensim/models/word2vec.html#gensim.models.word2vec.Word2Vec.similar на слово
- https://s3-us-west-1.amazonaws.com/fasttext-vectors/wiki.ru.zip
- https://pypi.python.org/pypi/polyglot
Разбор Путина — The Atlantic
Global
Павел Старобин, автор книги «Случайный самодержец», о сложном и непостижимом характере российского президента
Бенджамин Фрид
Leave A Comment