Obě strany předchozí revizePředchozí verze | Následující verzeObě strany příští revize |
kurz:hledani_kolokaci [2018/08/08 11:38] – [Asociační míry] michalskrabal | kurz:hledani_kolokaci [2018/08/08 11:46] – [Asociační míry] michalskrabal |
---|
* Na [[pojmy:frekvence|frekvenci]] souvýskytu je založena míra [[pojmy:t-score|T-score]] (3. sloupec), což je vidět i na její shodě s kolokacemi určenými podle pouhé frekvence (5. sloupec). Tato míra preferuje hodně častá slova (jak vidno, patří mezi ně interpunkční znaménka a gramatické výrazy), a co do lexikální sémantiky proto na těchto nejvyšších pozicích příliš vypovídající nebývá. Smysluplné kolokace je tedy nutno hledat níže v seznamu, je-li tento setříděn podle T-score nebo frekvence. | * Na [[pojmy:frekvence|frekvenci]] souvýskytu je založena míra [[pojmy:t-score|T-score]] (3. sloupec), což je vidět i na její shodě s kolokacemi určenými podle pouhé frekvence (5. sloupec). Tato míra preferuje hodně častá slova (jak vidno, patří mezi ně interpunkční znaménka a gramatické výrazy), a co do lexikální sémantiky proto na těchto nejvyšších pozicích příliš vypovídající nebývá. Smysluplné kolokace je tedy nutno hledat níže v seznamu, je-li tento setříděn podle T-score nebo frekvence. |
* Naopak [[pojmy:mi-score|MI-score]] (4. sloupec) upřednostňuje slova s nízkou frekvencí, což může vést k jinému typu zkreslení: pokud se některé výrazy v korpusu vyskytují opravdu řídce, může to být způsobeno i náhodou (danou zařazením konkrétního textu), že zrovna daný výraz míra identifikovala jako kolokaci. Na druhou stranu však bývá vhodná pro identifikaci kolokací typu //tratoliště krve//, kde jedním z členů kolokace je málo frekventované slovo. | * Naopak [[pojmy:mi-score|MI-score]] (4. sloupec) upřednostňuje slova s nízkou frekvencí, což může vést k jinému typu zkreslení: pokud se některé výrazy v korpusu vyskytují opravdu řídce, může to být způsobeno i náhodou (danou zařazením konkrétního textu), že zrovna daný výraz míra identifikovala jako kolokaci. Na druhou stranu však bývá vhodná pro identifikaci kolokací typu //tratoliště krve//, kde jedním z členů kolokace je málo frekventované slovo. |
* Jakýmsi kompromisem je míra [[pojmy:logdice|logDice]] (2. sloupec), která více zohledňuje jak frekvenci, tak nenáhodnost souvýskytu obou výrazů. Vidět to je na již zmíněné specifické kolokaci //tratoliště krve//, kterou logDice neupozaďuje tolik jako T-score, ale uvádí ji na 66. místě (oproti 173. místu u T-score) -- takto nízké umístění zajímavé kolokace může lehce ujít badatelově pozornosti. Výsledky této kompromisní míry je proto výhodné doplnit výsledky měr ostatních, především MI-score. | * Jakýmsi kompromisem je míra [[pojmy:logdice|logDice]] (2. sloupec), která více zohledňuje jak frekvenci, tak nenáhodnost souvýskytu obou výrazů. Vidět to je na již zmíněné specifické kolokaci //tratoliště krve//, kterou logDice neupozaďuje tolik jako T-score, ale uvádí ji na 92. místě (oproti 205. místu u T-score) -- takto nízké umístění zajímavé kolokace může lehce ujít badatelově pozornosti. Výsledky této kompromisní míry je proto výhodné doplnit výsledky měr ostatních, především MI-score. |
| |
[{{:kurz:krev_kolokace_lemmata.png?400|Kolokace lemmatu //krev// setříděné podle míry logDice}}] | [{{:kurz:krev_kolokace_lemmata.png?400|Kolokace lemmatu //krev// setříděné podle míry logDice FIXME}}] |
| |
=== Změna nastavení hodnot === | === Změna nastavení hodnot === |
| |
^ míra / kolokáty ^ logDice ^ T-score ^ MI-score ^ | ^ míra / kolokáty ^ logDice ^ T-score ^ MI-score ^ |
^ 1. kolokát | žilách | . | bezpříspěvkového | | ^ 1. kolokát | žilách | . | nesrážlivé | |
^ 2. kolokát | promile | , | prolitou | | ^ 2. kolokát | tekla | , | podlitých | |
^ 3. kolokát | alkoholu | a | okysličené | | ^ 3. kolokát | teče | a | podlitý | |
^ 4. kolokát | tekla | v | pupečníkové | | ^ 4. kolokát | cukru | v | odkysličená | |
| ^ 5. kolokát | hladinu | se | zbrocených | |
| ^ 6. kolokát | krev | z | prolitou | |
===== Využití kolokačních profilů ===== | ===== Využití kolokačních profilů ===== |
| |