AplikaceAplikace
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze
Předchozí verze
kurz:pokrocile_dotazy [2018/08/08 10:20] – [5. lekce: Dotazovací jazyk CQL. Pokročilé dotazy.] Michal Škrabalkurz:pokrocile_dotazy [2023/11/06 14:38] (aktuální) – [Posloupnost pozic] Dominika Kováříková
Řádek 1: Řádek 1:
 ====== 5. lekce: Dotazovací jazyk CQL. Pokročilé dotazy. ====== ====== 5. lekce: Dotazovací jazyk CQL. Pokročilé dotazy. ======
  
-V páté lekci se zaměříme na klíčovou dovednost, která teprve umožní plně využívat všechny možnosti nabízené naším [[kontext|rozhraním KonText]]: jde o ovládnutí dotazovacího jazyka [[pojmy:dotazovaci_jazyk|CQL]]. Tento typ dotazu úzce souvisí také se zvládnutím tzv. [[pojmy:regularni_vyrazy|regulárních výrazů]], s nimiž jsme se seznámili v předešlé lekci.+V páté lekci se zaměříme na klíčovou dovednost, která teprve umožní plně využívat všechny možnosti nabízené naším [[kontext|rozhraním KonText]]. Jde o ovládnutí dotazovacího jazyka CQL, který úzce souvisí se zvládnutím tzv. [[pojmy:regularni_vyrazy|regulárních výrazů]], s nimiž jsme se seznámili v předešlé lekci
 + 
 +Korpusový [[pojmy:dotazovaci_jazyk|dotazovací jazyk]] (CQL, Corpus Query Language) je formální jazyk, který slouží k vyhledávání v korpusu. Budete-li chtít formulovat dotaz přímo v CQL, je nutné v KonTextu nad vyhledávacím okénkem aktivovat přepínač **Pokročilý dotaz**. CQL slouží jak k zadávání velmi složitých dotazů (např. vyhledej všechny výskyty adjektiv v superlativu v jiném pádě než nominativ, po nichž v textu nenásleduje substantivum ani interpunkce), tak i k zadávání dotazů jednoduchých (např. najdi výskyty lemmatu //oko//). Právě v možnosti vyhledávat pomocí velmi sofistikovaných kritérií tkví základní kvalitativní rozdíl mezi korpusovým vyhledávačem a běžným fulltextovým hledáním, které využíváme např. při práci s Googlem.
  
-Korpusový [[pojmy:dotazovaci_jazyk|dotazovací jazyk]] (CQL, Corpus Query Language) je formální jazyk, který slouží k vyhledávání v korpusu. Budete-li chtít formulovat dotaz přímo v CQL, je nutné ho zadat prostřednictvím příslušného [[kurz:prvni_dotaz#typy_dotazu|typu dotazu]] (**CQL**). Všechny ostatní typy dotazů se do dotazovacího jazyka překládají automaticky. CQL slouží jak k zadávání velmi složitých dotazů (např. vyhledej všechny výskyty adjektiv v superlativu v jiném pádě než nominativ, po nichž v textu nenásleduje substantivum ani interpunkce), tak i k zadávání dotazů jednoduchých (např. najdi výskyty lemmatu //oko//). Právě v možnosti vyhledávat pomocí velmi sofistikovaných kritérií tkví základní kvalitativní rozdíl mezi korpusovým vyhledávačem a běžným fulltextovým hledáním, které využíváme např. při práci s Googlem. 
 ===== Základní formát CQL dotazu ===== ===== Základní formát CQL dotazu =====
  
Řádek 24: Řádek 25:
   * Jedné [[pojmy:pozice|pozici]] v korpusu odpovídá jeden výraz ve tvaru ''[atribut=<nowiki>"</nowiki>hodnota<nowiki>"</nowiki>]'' v hranatých závorkách; pokud nechceme specifikovat ani atribut, ani jeho hodnotu, můžeme nechat hranaté závorky prázdné ''[]'' a dotaz bude odpovídat jedné libovolné pozici   * Jedné [[pojmy:pozice|pozici]] v korpusu odpovídá jeden výraz ve tvaru ''[atribut=<nowiki>"</nowiki>hodnota<nowiki>"</nowiki>]'' v hranatých závorkách; pokud nechceme specifikovat ani atribut, ani jeho hodnotu, můžeme nechat hranaté závorky prázdné ''[]'' a dotaz bude odpovídat jedné libovolné pozici
   * Na jedné pozici můžeme za pomoci [[kurz:pokrocile_dotazy#kombinace_podminek_v_ramci_jedne_pozice|logických operátorů]] zkombinovat více atributů: např. ''[word=<nowiki>"</nowiki>kolem<nowiki>"</nowiki> & pos=<nowiki>"</nowiki>N<nowiki>"</nowiki>]'' (vyhledá všechny výskyty tvaru substantiva //kolo//, a nikoli výskyty předložky //kolem//).    * Na jedné pozici můžeme za pomoci [[kurz:pokrocile_dotazy#kombinace_podminek_v_ramci_jedne_pozice|logických operátorů]] zkombinovat více atributů: např. ''[word=<nowiki>"</nowiki>kolem<nowiki>"</nowiki> & pos=<nowiki>"</nowiki>N<nowiki>"</nowiki>]'' (vyhledá všechny výskyty tvaru substantiva //kolo//, a nikoli výskyty předložky //kolem//). 
-  * Pomocí CQL lze vyhledat i libovolné množství textových pozic následujících za sebou, každá z nich bude mít vlastní výraz v hranatých závorkách, např. ''[lemma=<nowiki>"</nowiki>mít<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>červený<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>tvář<nowiki>"</nowiki>]'' (výsledkem jsou varianty víceslovného výrazu //mít červené tváře//). +  * Pomocí CQL lze vyhledat i libovolné množství textových pozic následujících za sebou, každá z nich bude mít vlastní výraz v hranatých závorkách, např. ''[lemma=<nowiki>"</nowiki>mít<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>červený<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>tvář<nowiki>"</nowiki>]'' (výsledkem jsou varianty víceslovného výrazu //měla červené tváře//). 
  
  
Řádek 30: Řádek 31:
 ===== Logické operátory: Kombinace podmínek v rámci jedné pozice ===== ===== Logické operátory: Kombinace podmínek v rámci jedné pozice =====
  
-V rámci jedné pozice lze kombinovat nejrůznější podmínky, lze tedy specifikovat hodnotu dvou i více atributů: Hledáme například předložku //s//, ale požadujeme jen slabičné tvary //se// -- pokud bude CQL dotaz mít formu ''[word=<nowiki>"</nowiki>se<nowiki>"</nowiki>]'', vyhledají se i tvary zájmena //se//. Proto je třeba zadat dotaz např. v podobě: ''%%[lemma="s" & word="se"]%%''.+V rámci jedné pozice lze kombinovat nejrůznější podmínky, je tedy možné specifikovat hodnotu dvou i více atributů: Hledáme například předložku //s//, ale požadujeme jen slabičné tvary //se// -- pokud bude CQL dotaz mít formu ''[word=<nowiki>"</nowiki>se<nowiki>"</nowiki>]'', vyhledají se i tvary zájmena //se//. Proto je třeba zadat dotaz např. v podobě: ''%%[lemma="s" & word="se"]%%''.
  
-Pokud chceme kombinovat podmínky, musíme se nejprve seznámit s tzv. **logickými operátory**:+Chceme-li kombinovat podmínky, musíme se nejprve seznámit s tzv. **logickými operátory**:
  
 ^ název ^ znak ^ co zastupuje ^ další informace ^ příklad dotazu ^ popis dotazu ^ ^ název ^ znak ^ co zastupuje ^ další informace ^ příklad dotazu ^ popis dotazu ^
-| **ampersand** |  ''&''  | a zároveň (AND) | platí všechny podmínky zároveň | ''[lemma=<nowiki>"</nowiki>jak<nowiki>"</nowiki> & pos=<nowiki>"</nowiki>N<nowiki>"</nowiki>]'' | vyhledá výskyty substantiva //[[wp>yak|jak]]// (zástupce turů) |+| **ampersand** |  ''&''  | a zároveň (AND) | platí všechny podmínky zároveň | ''[lemma=<nowiki>"</nowiki>jak<nowiki>"</nowiki> & pos=<nowiki>"</nowiki>N<nowiki>"</nowiki>]'' | vyhledá výskyty substantiva //[[https://cs.wikipedia.org/wiki/Jak_domác%C3%AD|jak]]// (zástupce turů) |
 | **vykřičník** |  ''!''  | negace (NOT) | neguje následující výraz | ''%%[lemma="stát" & pos!="N"]%%''  | vyhledá výskyty **ne**substantivního (tedy slovesného) lemmatu //stát// | | **vykřičník** |  ''!''  | negace (NOT) | neguje následující výraz | ''%%[lemma="stát" & pos!="N"]%%''  | vyhledá výskyty **ne**substantivního (tedy slovesného) lemmatu //stát// |
 | **svislá čára** |  ''|''  | nebo (OR) | alespoň jedna možnost platí | ''[lemma=<nowiki>"</nowiki>modrozelený<nowiki>"</nowiki> | lemma=<nowiki>"</nowiki>zelenomodrý<nowiki>"</nowiki>]'' | vyhledá výskyty lemmat //modrozelený// a //zelenomodrý// | | **svislá čára** |  ''|''  | nebo (OR) | alespoň jedna možnost platí | ''[lemma=<nowiki>"</nowiki>modrozelený<nowiki>"</nowiki> | lemma=<nowiki>"</nowiki>zelenomodrý<nowiki>"</nowiki>]'' | vyhledá výskyty lemmat //modrozelený// a //zelenomodrý// |
- 
 ===== Posloupnost pozic ===== ===== Posloupnost pozic =====
  
-Jedny hranaté závorky s atributem a jeho hodnotou odpovídají v CQL jedné pozici v textu. Pokud za sebou v CQL zapíšeme dvoje hranaté závorky za sebou, vyhledají se (samozřejmě podle zadaných podmínek) dvě pozice v textu bezprostředně následující za sebou. Můžeme například vyhledat spojení //zelené jablko//, a to prostřednictvím dotazu ''[word=<nowiki>"</nowiki>zelené<nowiki>"</nowiki>][word=<nowiki>"</nowiki>jablko<nowiki>"</nowiki>]''. Podobně můžeme vyhledat i větší množství slov následujících za sebou v textu, např. dotaz ''[lemma=<nowiki>"</nowiki>od<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>ráno<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>do<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>večer<nowiki>"</nowiki>]'' v korpusu [[cnk:syn2015|SYN2015]] vyhledá [[https://kontext.korpus.cz/view?q=~RfkXq3PT&attr_allpos=kw&attrs=word&corpname=syn2015&ctxattrs=word&pagesize=30&refs=%3Ddoc.title&structs=s&viewmode=kwic&|399 výskytů]] fráze //od/Od rána do večera//, dotaz ''[lemma=<nowiki>"</nowiki>rozhodnout<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>se<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>,<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>že<nowiki>"</nowiki>]'' téměř [[https://kontext.korpus.cz/view?q=~EOlDKJmd&attr_allpos=kw&attrs=word&corpname=syn2015&ctxattrs=word&pagesize=30&refs=%3Ddoc.title&structs=s&viewmode=kwic&|tisíc výskytů]] spojení slov //rozhodnout se, že// v různých tvarech. Atributy v jednotlivých pozicích se samozřejmě můžou lišit, např. dotaz ''[pos=<nowiki>"</nowiki>V<nowiki>"</nowiki>][word=<nowiki>"</nowiki>,<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>že<nowiki>"</nowiki>]'' vyhledá slovesa, která předcházejí spojce //že//+Jedny hranaté závorky s atributem a jeho hodnotou odpovídají v CQL jedné pozici v textu. Pokud za sebou v CQL zapíšeme dvoje hranaté závorky za sebou, vyhledají se (samozřejmě podle zadaných podmínek) dvě pozice v textu bezprostředně následující za sebou. Můžeme například vyhledat spojení //zelené jablko//, a to prostřednictvím dotazu ''[word=<nowiki>"</nowiki>zelené<nowiki>"</nowiki>][word=<nowiki>"</nowiki>jablko<nowiki>"</nowiki>]''. Podobně můžeme vyhledat i větší množství slov následujících za sebou v textu, např. dotaz ''[lemma=<nowiki>"</nowiki>od<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>ráno<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>do<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>večer<nowiki>"</nowiki>]'' v korpusu [[cnk:syn2020|SYN2020]] vyhledá [[https://www.korpus.cz/kontext/view?viewmode=kwic&pagesize=50&attrs=word&attrs=verbtag&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Ddoc.title&refs=%3Ddoc.txtype&q=~jG2yEO4SqMks&cutoff=0|415 výskytů]] fráze //od/Od rána do večera//, dotaz ''[lemma=<nowiki>"</nowiki>rozhodnout<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>se<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>,<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>že<nowiki>"</nowiki>]'' [[https://www.korpus.cz/kontext/view?viewmode=kwic&pagesize=50&attrs=word&attrs=verbtag&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Ddoc.title&refs=%3Ddoc.txtype&q=~Nw2kemaeAoUY&cutoff=0|přes 1100 výskytů]] spojení slov //rozhodnout se, že// v různých tvarech. Atributy v jednotlivých pozicích se samozřejmě můžou lišit, např. dotaz ''[pos=<nowiki>"</nowiki>V<nowiki>"</nowiki>][word=<nowiki>"</nowiki>,<nowiki>"</nowiki>][lemma=<nowiki>"</nowiki>že<nowiki>"</nowiki>]'' vyhledá slovesa, která předcházejí spojce //že//
  
 Nyní si ukážeme počítání pozic **včetně interpunkce** (i ta tvoří v korpusech samostatné pozice) ještě na konkrétním dotazu, v němž jde o publicistické užití a aktualizace přísloví //vlk se nažral a koza zůstala celá//: Nyní si ukážeme počítání pozic **včetně interpunkce** (i ta tvoří v korpusech samostatné pozice) ještě na konkrétním dotazu, v němž jde o publicistické užití a aktualizace přísloví //vlk se nažral a koza zůstala celá//:
  
 <WRAP round help 50%> <WRAP round help 50%>
-  * Vyberte korpus [[cnk:syn2009pub|SYN2009PUB]], typ dotazu **CQL**+  * Vyberte korpus [[cnk:syn2009pub|SYN2009PUB]], přepněte na pokročilý dotaz
   * Zadejte dotaz: ''[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>][]{1,5}[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>][]{1,3}[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]''\\ Pro konstrukci dotazu jsme použili jednak CQL dotazy se specifikovanou hodnotou, tak libovolné pozice ''[]'', které se opakují (intervalový zápis pomocí složených závorek ''{1,5}'')   * Zadejte dotaz: ''[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>][]{1,5}[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>][]{1,3}[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]''\\ Pro konstrukci dotazu jsme použili jednak CQL dotazy se specifikovanou hodnotou, tak libovolné pozice ''[]'', které se opakují (intervalový zápis pomocí složených závorek ''{1,5}'')
   * Z 287 výsledků vyberte aktualizace daného frazému, např. //Kavčí hory dumají, kterak vlka státotvorné povinnosti nakrmit, aby koza divákova zájmu zůstala celá.//   * Z 287 výsledků vyberte aktualizace daného frazému, např. //Kavčí hory dumají, kterak vlka státotvorné povinnosti nakrmit, aby koza divákova zájmu zůstala celá.//
 </WRAP> </WRAP>
  
-Jak může vypadat podrobný rozpis pozic v jedné realizaci dotazu ''<fc #FF00FF>[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>]</fc>[]{1,5}<fc #008000>[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>]</fc>[]{1,3}<fc #800000>[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]</fc>'':+Jak může vypadat podrobný rozpis pozic v jedné realizaci dotazu ''<fc #FF00FF>[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>]</fc>[]{1,5}<fc #008000>[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>]</fc>[]{1,3}<fc #800000>[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]</fc>''shrnuje následující tabulka. Číselný údaj odkazující k jednotlivým pozicím se může měnit v závislosti na tom, zda pozici nula přiřadíme pravému či levému okraji KWICu.
  
 ^ slovní tvar | kterak | <fc #FF00FF>vlka</fc> | státotvorné | povinnosti | nakrmit | , | aby | <fc #008000>koza</fc> | divákova | zájmu | zůstala | <fc #800000>celá</fc> | . | ^ slovní tvar | kterak | <fc #FF00FF>vlka</fc> | státotvorné | povinnosti | nakrmit | , | aby | <fc #008000>koza</fc> | divákova | zájmu | zůstala | <fc #800000>celá</fc> | . |
 ^ pozice od začátku (levé strany) KWICu |  1L  |  <fc #FF00FF>0</fc>  |  1P  |  2P  |  3P  |  4P  |  5P  |  <fc #008000>6P</fc>  |  7P  |  8P  |  9P  |  <fc #800000>10P</fc>  |  11P  | ^ pozice od začátku (levé strany) KWICu |  1L  |  <fc #FF00FF>0</fc>  |  1P  |  2P  |  3P  |  4P  |  5P  |  <fc #008000>6P</fc>  |  7P  |  8P  |  9P  |  <fc #800000>10P</fc>  |  11P  |
 +^ pozice od začátku (pravé strany) KWICu |  11L  |  <fc #FF00FF>10L</fc>  |  9L  |  8L  |  7L  |  6L  |  5L  |  <fc #008000>4L</fc>  |  3L  |  2L  |  1L  |  <fc #800000>0</fc>  |  1P  |
 ^ |  levý kontext  |  KWIC  |||||||||||  pravý kontext  | ^ |  levý kontext  |  KWIC  |||||||||||  pravý kontext  |
 +
 <WRAP round important 60%> <WRAP round important 60%>
-Pozor: KWIC je vše, co je v dotazu specifikováno, tedy od levé strany, kde je lemma //vlk//, až po stranu pravou, kde je lemma //celý//. Také proto se celá struktura zobrazí červeně.+KWIC je vše, co je v dotazu specifikováno, tedy od levé strany, kde je lemma //vlk//, až po stranu pravou, kde je lemma //celý//. Také proto se celá struktura zobrazí červeně.
 </WRAP> </WRAP>
    
 Vidíme, že //vlka// a //kozu// dělí přesně 5 pozic (což je maximum umožněné naším dotazem), a stejně tak byl maximální rozptyl uplatněn i mezi lemmaty //koza// a //celý//. Vidíme, že //vlka// a //kozu// dělí přesně 5 pozic (což je maximum umožněné naším dotazem), a stejně tak byl maximální rozptyl uplatněn i mezi lemmaty //koza// a //celý//.
  
-A abyste nemohli říkat: "Vlk slibů, že tento kurz bude podrobný, se nažral, a koza zatajování znalostí zůstala celá", zkusíme si společně ještě právě obměnění počtu pozic v dotazu -- otázkou je, jestli už náhodou nedostaneme takové doklady, které nebudou obměněním zkoumaného přísloví:+A abyste nemohli říkat: "Vlk slibů, že tento kurz bude podrobný, se nažral, a koza zatajování znalostí zůstala celá", zkusme si společně ještě rozšířit počet pozic v dotazu -- otázkou je, jestli už náhodou nedostaneme takové doklady, které nebudou obměnou zkoumaného přísloví:
  
 ''<fc #FF00FF>[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>]</fc>[]{1,7}<fc #008000>[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>]</fc>[]{1,5}<fc #800000>[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]</fc>'' ''<fc #FF00FF>[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>]</fc>[]{1,7}<fc #008000>[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>]</fc>[]{1,5}<fc #800000>[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]</fc>''
Řádek 73: Řádek 75:
 Další možností je počet pozic nijak přesně nespecifikovat: ''[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>][]+[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>][]+[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]''. Výsledků je 383, některé jsou pro náš výzkum zcela nepodstatné (//<fc #FF00FF>vlky</fc> nechali postřílet //[...]// pastevci se zase strachují o své ovce a <fc #008000>kozy</fc>. "Komplex Červené Karkulky je evidentní – lidé z vlků mají strach. Přitom jsou v <fc #800000>celé</fc>// [...]//"//), jiné se výrazně liší od výchozího výrazu, ale můžeme se rozhodnout je do výzkumu zahrnout. Další možností je počet pozic nijak přesně nespecifikovat: ''[lemma=<nowiki>"</nowiki>vlk<nowiki>"</nowiki>][]+[lemma=<nowiki>"</nowiki>koza<nowiki>"</nowiki>][]+[lemma=<nowiki>"</nowiki>celý<nowiki>"</nowiki>]''. Výsledků je 383, některé jsou pro náš výzkum zcela nepodstatné (//<fc #FF00FF>vlky</fc> nechali postřílet //[...]// pastevci se zase strachují o své ovce a <fc #008000>kozy</fc>. "Komplex Červené Karkulky je evidentní – lidé z vlků mají strach. Přitom jsou v <fc #800000>celé</fc>// [...]//"//), jiné se výrazně liší od výchozího výrazu, ale můžeme se rozhodnout je do výzkumu zahrnout.
  
-Na tomto příkladu jsme si ukázali, že na dobře specifikovaných pozicích záleží. Na vás pak je, jaký typ specifikace budete potřebovat. 
 ===== Velikost písmen v CQL ===== ===== Velikost písmen v CQL =====
  
-Pro práci s velikostí písmen slouží v CQL specifická sekvence znaků ''(?i)''. Pokud ji použijeme hned za uvozovkami, bude celý dotaz vyhodnocen jako [[pojmy:case-sensitive|case-insensitive]].+Pro práci s velikostí písmen slouží v CQL specifická sekvence znaků ''(?i)''. Pokud ji použijeme hned za uvozovkami, bude celý dotaz vyhodnocen jako [[pojmy:case-sensitive|case-insensitive]], tedy bez ohledu na velikost písmen.
  
 ^ Dotaz ^ Co mu odpovídá ^ ^ Dotaz ^ Co mu odpovídá ^
Řádek 88: Řádek 89:
 V [[zobrazeni_dotazu|druhé lekci]] jsme se naučili, jak v konkordanci zobrazit [[pojmy:atributy_strukturni|strukturní značky]]. Pokud povolíme zobrazování značek označujících začátky a konce vět (''[[pojmy:s|<s>]]'' a ''</s>''), můžeme si snadno ověřit, jestli funguje hledání slov vyskytujících se na začátku nebo na konci vět: V [[zobrazeni_dotazu|druhé lekci]] jsme se naučili, jak v konkordanci zobrazit [[pojmy:atributy_strukturni|strukturní značky]]. Pokud povolíme zobrazování značek označujících začátky a konce vět (''[[pojmy:s|<s>]]'' a ''</s>''), můžeme si snadno ověřit, jestli funguje hledání slov vyskytujících se na začátku nebo na konci vět:
  
-^ značka ^ význam ^ výzkumná otázka ^ příklad dotazu ^ výsledek pro SYN2015 +^ značka ^ význam ^ výzkumná otázka ^ příklad dotazu ^ výsledek pro SYN2020 
-| ''<s>'' | začátek věty | Vyskytují se věty začínající interpunkcí? | ''<s> [tag=<nowiki> "Z.*"</nowiki>]'' | Převažují přímé řeči+| ''<s>'' | začátek věty | Vyskytují se věty začínající interpunkcí? | ''<s> [tag=<nowiki> "Z.*"</nowiki>]'' | [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=40&attrs=word%2Clemma%2Ctag%2Cverbtag&attr_vmode=mouseover&base_viewattr=word&structs=s&refs=%3Ddoc.title&q=~9OWOMGQUogY8|Převažují přímé řeči]] 
-| ''</s>'' | konec věty | Jaké typy vět končí sekvencí tří interpunkčních pozic? | ''%%[pos="Z"]{3}%% </s> ''Po přihlášení si výsledky [[https://kontext.korpus.cz/view?q=~H1uP3zbS&attr_allpos=kw&attrs=word&corpname=syn2015&ctxattrs=word&pagesize=30&refs=%3Ddoc.title&structs=s&viewmode=kwic&|ověřte sami]] |+| ''</s>'' | konec věty | Jaké typy vět končí sekvencí tří interpunkčních pozic? | ''%%[pos="Z"]{3}%% </s> '' | [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=40&attrs=word%2Clemma%2Ctag%2Cverbtag&attr_vmode=mouseover&base_viewattr=word&structs=s&refs=%3Ddoc.title&q=~TCCwUquwAukE|Různé kombinace interpunkčních znamínek]] |
  
-A jak hledat v rámci jedné věty? Existují dvě cesty. Buď položíme dotaz pomocí ''[[pojmy:within|within]]'' ("v rámci, uvnitř"), nebo za pomoci výrazu ''[[pojmy:containing|containing]]'' ("obsahuje"). Oba příkazy umožňují využívat informace ze strukturních atributů v rámci CQL dotazu a mají následující obecnou podobu: +Chceme-li hledat v rámci jedné věty, máme dvě možnosti. Buď položíme dotaz pomocí ''[[pojmy:within|within]]'' ("v rámci, uvnitř"), nebo za pomoci výrazu ''[[pojmy:containing|containing]]'' ("obsahuje"). Oba příkazy umožňují využívat informace ze strukturních atributů v rámci CQL dotazu a mají následující obecnou podobu: 
  
 ''DOTAZ within STRUKTURA''  ''DOTAZ within STRUKTURA'' 
Řádek 101: Řádek 102:
  
 <WRAP round important 40%> <WRAP round important 40%>
-Pozor, konec věty ''</s>'' má velmi podobnou značku jako její obsah ''<s/>''.+Nenechte se splést tímže konec věty ''</s>'' má velmi podobnou značku jako její obsah ''<s/>''.
 </WRAP> </WRAP>
  
  
-značka ^ význam ^ výzkumná otázka ^ příklad dotazu ^ výsledek pro SYN2015 ^ +příkaz ^ výzkumná otázka ^ příklad dotazu ^ výsledek pro SYN2015 ^ 
-| ''within <s/>'' | celá věta | Jaké věty obsahují zároveň citoslovce a slovesa (v libovolném pořadí)? | ''[tag=%%"I.*"][]*[tag="V.*"]|[tag="V.*"][]*[tag="I.*"%%] within <s/>'' | Např.: //Hele, já vím, jaký to je.// nebo //Sakra, někdo tam je!// | +| ''within <s/>'' | Jaké věty obsahují zároveň citoslovce a slovesa (v libovolném pořadí)? | ''[tag=%%"I.*"][]*[tag="V.*"]|[tag="V.*"][]*[tag="I.*"%%] within <s/>'' | Např.: //Hele, já vím, jaký to je.// nebo //Sakra, někdo tam je!// | 
-| ''<s/> containing'' | celá věta | Jaké věty obsahují posloupnost čtyř substantiv? | ''<s/> containing %%[tag="N.*"]%%{4}'' | Např.: //Oběžník vyvolá v Oddělení verifikace faktů pobavení.// |+| ''<s/> containing'' | Jaké věty obsahují posloupnost čtyř substantiv? | ''<s/> containing %%[tag="N.*"]%%{4}'' | Např.: //Oběžník vyvolá v Oddělení verifikace faktů pobavení.// |
  
 Rozdíl mezi příkazy ''within'' a ''containing'' je pouze v podobě [[pojmy:kwic|KWICu]]. Vyhodnocení dotazu s příkazem ''within'' označí za KWIC pouze specifikovanou sekvenci (např. sloveso, citoslovce a vše mezi nimi), kdežto dotaz s příkazem ''containing'' označí za KWIC celou strukturu (v našem případě větu), která odpovídá specifikované podmínce. Rozdíl mezi příkazy ''within'' a ''containing'' je pouze v podobě [[pojmy:kwic|KWICu]]. Vyhodnocení dotazu s příkazem ''within'' označí za KWIC pouze specifikovanou sekvenci (např. sloveso, citoslovce a vše mezi nimi), kdežto dotaz s příkazem ''containing'' označí za KWIC celou strukturu (v našem případě větu), která odpovídá specifikované podmínce.
  
 <WRAP round help 60%> <WRAP round help 60%>
-Ve stejném korpusu (SYN2009PUBzadejte dotaz ''%%[lemma="vlk"][]+[lemma="koza"][]+[lemma="celý"]%% within <s/>'' a porovnejte přesnost vyhledávání s pečlivě specifikovanými počty pozic.+korpusu SYN2009PUB zadejte dotaz ''%%[lemma="vlk"][]+[lemma="koza"][]+[lemma="celý"]%% within <s/>'' a porovnejte přesnost vyhledávání s pečlivě specifikovanými počty pozic.
  
 Výskytů je oproti předchozím dotazům o něco více, [[https://kontext.korpus.cz/view?q=~HBFbCLdp&attr_allpos=kw&attrs=word&corpname=syn2009pub&ctxattrs=word&pagesize=30&refs=%3Dopus.nazev&structs=p%2Cg%2Cerr%2Ccorr&viewmode=kwic&|celkem 312]] V těch nových figuruje např. věta //<fc #FF00FF>Vlk</fc> by měl předstírat, že žere, a <fc #008000>koza</fc> rozhodně musí zůstat celá.// Mezi klíčovými slovy //vlk// a //koza// je, včetně samostatně počítané interpunkce, dohromady 8 pozic, ve větě //%%...%% uzná sice obžalované vinnými (takže <fc #FF00FF>vlk</fc> se nažere), ale zároveň poukáže na to, že dosud nebyli trestáni a žili řádným občanským životem (<fc #008000>koza</fc> zůstane celá) -- takže mohou domů.// dokonce 20. Všechny nově nalezené případy jsou aktualizacemi námi hledaného frazému, v tomto případě se tudíž jako nejpřesnější jeví použití podmínky within. Výskytů je oproti předchozím dotazům o něco více, [[https://kontext.korpus.cz/view?q=~HBFbCLdp&attr_allpos=kw&attrs=word&corpname=syn2009pub&ctxattrs=word&pagesize=30&refs=%3Dopus.nazev&structs=p%2Cg%2Cerr%2Ccorr&viewmode=kwic&|celkem 312]] V těch nových figuruje např. věta //<fc #FF00FF>Vlk</fc> by měl předstírat, že žere, a <fc #008000>koza</fc> rozhodně musí zůstat celá.// Mezi klíčovými slovy //vlk// a //koza// je, včetně samostatně počítané interpunkce, dohromady 8 pozic, ve větě //%%...%% uzná sice obžalované vinnými (takže <fc #FF00FF>vlk</fc> se nažere), ale zároveň poukáže na to, že dosud nebyli trestáni a žili řádným občanským životem (<fc #008000>koza</fc> zůstane celá) -- takže mohou domů.// dokonce 20. Všechny nově nalezené případy jsou aktualizacemi námi hledaného frazému, v tomto případě se tudíž jako nejpřesnější jeví použití podmínky within.
Řádek 118: Řádek 119:
 ==== Automaticky vložená podmínka within ==== ==== Automaticky vložená podmínka within ====
  
-[[kurz:kontext|Rozhraní KonText]] uživatelům umožňuje vložit do CQL dotazu formulář podmínky pomocí klikatelné nabídky. V rámci jedné věty lze díky tomu vyhledávat i pomocí automaticky vložené podmínky ''within <s id=%%".*"%%/>'' (lze interpretovat takto: hledej v rámci jedné //libovolné// věty).+Rozhraní KonText uživatelům umožňuje vložit do CQL dotazu formulář podmínky pomocí klikatelné nabídky. V rámci jedné věty lze díky tomu vyhledávat i pomocí automaticky vložené podmínky ''within <s id=%%".*"%%/>'' (lze interpretovat takto: hledej v rámci jedné //libovolné// věty).
  
-[{{:kurz:vetybezsloves.png?400|Within vkládané přímo v rozhraní KonText}}]+[{{:kurz:vetybezsloves.png?direct&500|Within vkládané přímo v rozhraní KonText }}]
  
 ===== Shoda (a neshoda) atributů ===== ===== Shoda (a neshoda) atributů =====
  
-V CQL lze využít také dotaz na shodu či neshodu atributů dvou nebo více tokenů; jejich hodnoty přitom nemusejí být jinak stanoveny. Je však nejprve potřeba označit pozice, u kterých chceme shodu testovat, a to uvedením čísla a dvojtečky v dotazu před hranatou závorku. Například dotazem '' %%1:[pos="N"] [word="a"] 2:[pos="N"]%% '' hledáme sekvenci tří tokenů, z nichž první je substantivum označené jako '1', následuje slovní tvar //a// a po něm další substantivum označené jako '2'. Shodu pak testujeme jako součást tzv. globální podmínky uvedené za znakem **&**, která je vždy až na konci celého dotazu. Samotný test shody se skládá z číselného odkazu na označenou pozici, tečky a názvu atributu, který se má shodovat, např. takto:+V CQL lze využít také dotaz na shodu či neshodu atributů dvou nebo více tokenů; jejich hodnoty přitom nemusejí být jinak stanoveny. Je však nejprve potřeba označit pozice, u kterých chceme shodu testovat, a to uvedením čísla a **dvojtečky** v dotazu před hranatou závorku. Například dotazem 
  
-'' %%1:[pos="N"] [word="a"] 2:[pos="N"] & 1.lemma = 2.lemma%% '' najde sekvenci substantivum, slovní tvar //a// a substantivum, přičemž lemmata obou substantiv jsou shodná.+'' %%1:[pos="N"] [word="a"] 2:[pos="N"]%% ''  
 + 
 +hledáme sekvenci třÍ tokenů, z nichž první je substantivum označené jako <fc #ff0000>1</fc>, následuje slovní tvar //a// a po něm další substantivum označené jako <fc #ff0000>2</fc>. Shodu pak testujeme jako součást tzv. globální podmínky uvedené za znakem **&**, která je vždy až na konci celého dotazu. Samotný test shody se skládá z číselného odkazu na označenou pozici, **tečky** a názvu atributu, který se má shodovat, např. takto: 
 + 
 +'' %%1:[pos="N"] [word="a"] 2:[pos="N"] & 1.lemma = 2.lemma%% ''  
 + 
 +najde sekvenci substantivum, slovní tvar //a// a substantivum, přičemž lemmata obou substantiv jsou shodná.
  
 Chceme-li najít po sobě následující adjektivum a substantivum, které se shodují v pádě, zadáme dotaz:\\ Chceme-li najít po sobě následující adjektivum a substantivum, které se shodují v pádě, zadáme dotaz:\\
Řádek 134: Řádek 141:
 '' %%1:[pos="N"] [word="a"] 2:[pos="N"] & 1.case != 2.case%% '' (dotaz najde dvě substantiva oddělená slovem //a//, která se **ne**shodují v pádě). '' %%1:[pos="N"] [word="a"] 2:[pos="N"] & 1.case != 2.case%% '' (dotaz najde dvě substantiva oddělená slovem //a//, která se **ne**shodují v pádě).
  
-Podmínky lze také kombinovat, tj. uvést jich více oddělených znakem **&**:\\+Podmínky lze také kombinovat, tj. uvést jich více oddělených znakem &:\\
 '' %%1:[pos="N"] 2:[pos="A"] 3:[pos="N"] & 1.case = 2.case & 2.case != 3.case%% '' (najde sekvenci substantivum - adjektivum - substantivum, ve které se adjektivum shoduje v pádě s prvním substantivem, ale ne s druhým). '' %%1:[pos="N"] 2:[pos="A"] 3:[pos="N"] & 1.case = 2.case & 2.case != 3.case%% '' (najde sekvenci substantivum - adjektivum - substantivum, ve které se adjektivum shoduje v pádě s prvním substantivem, ale ne s druhým).
  
-**Upozornění**: podmínky lze aplikovat pouze na celé atributy, ne na jejich části. Lze tak ověřovat shodu či neshodu celých slovních tvarů, lemmat nebo morfologických značek, ne však už například shodu v rodě nebo čísle (nemají-li samostatný atribut).+<WRAP round important 60%> 
 +Podmínky lze aplikovat pouze na celé atributy, ne na jejich části. Lze tak ověřovat shodu či neshodu celých slovních tvarů, lemmat nebo morfologických značek, ne však už například shodu v rodě nebo čísle (nemají-li samostatný atribut). 
 + 
 +</WRAP>
  
 ===== Vyzkoušejte si na závěr ===== ===== Vyzkoušejte si na závěr =====
  
-Byla tato lekce náročná? Doufejme, že platí //těžko na cvičišti kurzu, lehko na bojišti praxe//. Nebo se nic podobného neříká?+Pravda, tato lekce byla poněkud náročná, doufejme však, že platí //těžko na cvičišti kurzu, lehko na bojišti praxe//. Nebo se nic podobného neříká?
  
 <WRAP round help 60%> <WRAP round help 60%>
-  * Zkuste zformulovat dotaz, jímž ověříte ne/existující aktualizace přísloví //těžko na cvičišti, lehko na bojišti// v korpusech [[cnk:syn2015|SYN2015]] a [[cnk:syn2013pub|SYN2013PUB]]. +  * Zkuste zformulovat dotaz, jímž ověříte ne/existující aktualizace přísloví //těžko na cvičišti, lehko na bojišti// v korpusech [[cnk:syn2020|SYN2020]] a [[cnk:syn2013pub|SYN2013PUB]]. 
-  * A z jiného soudku: zaujaly vás někdy nadávky odvozené od německého //Herr Gott// jako např. //hergot//, //herdek// či //hernajs//Vyhledejte co nejvíc takovýchto odvozenin v korpusu [[cnk:oral2013|ORAL2013]] a zjistěte, zda se jejich užití liší podle regionů. +  * A z jiného soudku: Nadávek odvozených od německého //Herr Gott// je nemálo (např. //hergot//, //herdek////hernajs// a jistě vymyslíte další). Vyhledejte co nejvíc takovýchto odvozenin v korpusu [[cnk:oral2013|ORAL2013]] a zjistěte, zda se jejich užití liší podle regionů. 
  
 Řešení naleznete opět na [[reseni_ukolu#lekce_5|zvláštní stránce]]. Řešení naleznete opět na [[reseni_ukolu#lekce_5|zvláštní stránce]].