| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| manualy:kontext:filtr [2023/08/29 13:37] – jankrivan | manualy:kontext:filtr [2023/08/30 12:34] (aktuální) – [První nálezy ve větách] jankrivan |
|---|
| Filtrování výsledku hledání ([[pojmy:konkordance|konkordance]]) slouží k zpřesnění původně položeného dotazu dodatečnou podmínkou. Obecně je možné říct, že jakýkoli filtr je možné nahradit složitějším [[pojmy:dotazovaci_jazyk|CQL]] dotazem, nicméně v některých typech výzkumu je lepší postupovat od obecnějšího zadání postupným specifikováním výsledku, kterého chceme dosáhnout. Výhodou takové cesty je možnost průběžné kontroly toho, jaké výsledky se v konkordanci objevují. | Filtrování výsledku hledání ([[pojmy:konkordance|konkordance]]) slouží k zpřesnění původně položeného dotazu dodatečnou podmínkou. Obecně je možné říct, že jakýkoli filtr je možné nahradit složitějším [[pojmy:dotazovaci_jazyk|CQL]] dotazem, nicméně v některých typech výzkumu je lepší postupovat od obecnějšího zadání postupným specifikováním výsledku, kterého chceme dosáhnout. Výhodou takové cesty je možnost průběžné kontroly toho, jaké výsledky se v konkordanci objevují. |
| |
| | Základními typy jsou **filtry pozitivní a negativní** specifikované dalším filtrujícím dotazem. Ve zvláštních případech se vyplatí použít připravený filtr **odstranění vnořených shod** a vyfiltrování **prvních výskytů v dokumentech nebo ve větách**. |
| |
| ===== Pozitivní filtr a negativní filtr ===== | ===== Pozitivní filtr a negativní filtr ===== |
| ==== Nastavení filtru ==== | ==== Nastavení filtru ==== |
| |
| V rámci formuláře je třeba vybrat nastavení specifikující podmínku (ta je ve své podstatě dalším dotazem aplikovaným na výsledky původního hledání), zejména formulovat samotný filtrující dotaz (ať už základní, nebo pokročilý) a následně ve zvláštním oddílu formuláře upravit upřesňující parametry: | V rámci formuláře je třeba vybrat nastavení specifikující podmínku (ta je ve své podstatě dalším dotazem aplikovaným na výsledky původního hledání), zejména formulovat **samotný filtrující dotaz** (ať už jednoduchý, nebo pokročilý) a následně ve zvláštním oddílu formuláře upravit upřesňující parametry: |
| * **Rozsah hledání**, tj. rozsah kontextu, v němž se filtrovaný jev bude hledat, je implicitně nastaven na hledání v okolí pěti tokenů nalevo a napravo od KWICu (-5 5) včetně KWIC. Pokud chceme filtr omezit například jen na KWIC, změníme rozsah na nulový (0 0) včetně KWIC. | |
| * Další parametry (stejné jako u úvodního dotazu): **výchozí [[pojmy:atributy_pozicni|poziční atribut]]**, který je při filtrování implicitně nastaven jako ''word''; v režimu jednoduchého dotazu je to dále zohlednění **velikosti písmen** (case-sensitivity) a také povolení **použití [[pojmy:regularni_vyrazy|regulárních výrazů]]**. | * **Rozsah hledání**, tj. rozsah kontextu, v němž se filtrovaný jev bude hledat; implicitně je nastaven na hledání v okolí pěti tokenů nalevo i napravo od [[pojmy:kwic|KWICu]] (-5 5) včetně KWIC. Pokud chceme filtr omezit například jen na KWIC, změníme rozsah na nulový (0 0) včetně KWIC. |
| | |
| | * Další parametry jsou stejné jako u úvodního dotazu: **výchozí [[pojmy:atributy_pozicni|poziční atribut]]**, který je při filtrování implicitně nastaven jako ''word''; v režimu jednoduchého dotazu je to dále zohlednění **velikosti písmen** (case-sensitivity) a také povolení **použití [[pojmy:regularni_vyrazy|regulárních výrazů]]**. |
| | |
| | * Volba **Zvýraznění shody** (s hodnotami **první shoda**, **poslední shoda**) má smysl pouze při pozitivním filtrování: |
| | |
| [{{ :manualy:kontext:filtr_konkordance.png?direct&300|Výsledná konkordance lemmatu //klidný// s pozitivním filtrem hledajícím //a// v bezprostředním sousedství. }}] | [{{ :manualy:kontext:filtr_konkordance.png?direct&300|Výsledná konkordance lemmatu //klidný// s pozitivním filtrem hledajícím //a// v bezprostředním sousedství. }}] |
| |
| * Volba **Zvýraznit** (s hodnotami **první shoda**, **poslední shoda**) má smysl pouze při pozitivním filtrování. Specifikuje, které z kontextových slov má být označeno jako kookurence ke [[pojmy:kwic|KWIC]]u v případě, že se v jeho okolí nachází takových slov víc. Představme si, že při hledání [[pojmy:lemma|lemmatu]] //klidný// najdeme i větu: | === Zvýraznění shody === |
| | |
| | Nastavení specifikuje, které z kontextových slov má být označeno jako kookurence ke KWICu v případě, že se v jeho okolí nachází takových slov víc. Představme si, že při hledání [[pojmy:lemma|lemmatu]] //klidný// najdeme i větu: |
| |
| ''Stal se nervózním a <fc #FF0000>neklidným</fc> a jeho oči těkaly''. | ''Stal se nervózním a <fc #FF0000>neklidným</fc> a jeho oči těkaly''. |
| ==== Vyhodnocení filtru ==== | ==== Vyhodnocení filtru ==== |
| |
| Vyhodnocení filtru automaticky přesměruje uživatele na stránku s aktualizovanou konkordancí. V případě negativního filtru jsou specifikované případy z konkordance vymazány (sníží se také počet konkordančních řádků). V případě filtru pozitivního jsou ve výsledné konkordanci pouze vyhovující řádky, celková frekvence je rovněž adekvátně snížena, kookurence v kontextu (jsou-li nějaké) jsou vyznačeny červenou barvou. | Vyhodnocení filtru automaticky přesměruje uživatele na stránku s aktualizovanou konkordancí. V případě negativního filtru jsou specifikované případy z konkordance vymazány (čímž se sníží počet konkordančních řádků). V případě filtru pozitivního jsou ve výsledné konkordanci pouze vyhovující řádky, celková frekvence je rovněž adekvátně snížena, kookurence v kontextu (jsou-li nějaké) jsou vyznačeny červenou barvou. |
| |
| ===== Odstranění vnořených shod ===== | ===== Odstranění vnořených shod ===== |
| |
| Kromě dvou výše zmíněných filtrů lze na výsledné konkordance aplikovat další dva doplňkové: Odstranit vnořené shody (odpovídá-li dotazu více vnořených struktur, zůstane zobrazena pouze ta vnější) | Volbu **Filtr > Odstranit vnořené shody** se vyplatí použít v případě, kdy výsledkům dotazu odpovídají různě dlouhé řetězce (struktury) KWICů, z nichž některé jsou do sebe vnořeny. V takovém případě zůstane po odstranění vnořených shod zobrazena pouze struktura vnější, tj. nejdelší možný řetězec KWICů. |
| | |
| | Například budeme chtít vyhledat doklady citoslovečného výrazu //hip hurá//, v němž se první slovo může libovolně opakovat. Zvolíme pokročilý dotaz ''%%[lc="hip"]+ [lc="hurá"]%%'', v němž se nerozlišuje velikost písmen. Výsledkem budou jak konkordance s jedním výskytem slova //hip//, tak s jeho více výskyty. V případě více výskytů slova //hip// se však mezi výsledky zároveň objeví i konkordance s jeho nižším počtem výskytů: |
| | |
| | ''Položil jsem sluchátko a zařval jsem <fc #FF0000>Hip hip hurá</fc> !''\\ |
| | ''Položil jsem sluchátko a zařval jsem Hip <fc #FF0000>hip hurá</fc> !'' |
| | |
| | Po aplikaci filtru zůstane zobrazena pouze konkordance s vyznačeným KWICem ''<fc #FF0000>Hip hip hurá</fc>'', tj. vnější struktura s opakováním řetězce //hip//. |
| | |
| | Odstranění vnořených shod je důležité zvláště tehdy, když potřebujeme s výsledky dále statisticky pracovat. |
| |
| ===== První nálezy v dokumentech a ve větách ===== | ===== První nálezy v dokumentech a ve větách ===== |
| |
| První nálezy v dokumentech (zobrazí se pouze jeden -- první -- výskyt v daném dokumentu). | Volby **Filtr > První nálezy v dokumentech** a **Filtr > První nálezy ve větách** mohou mít částečně podobné využití jako odstranění vnořených shod, ale princip je odlišný. |
| | |
| | Tyto filtry použijeme v případě, kdy se uvnitř určitého dokumentu nebo věty vyskytuje více výsledků pro zadaný dotaz, ale nás v nich zajímá pouze jeden (vždy se zobrazí ten první) doklad. Výsledky přitom oproti vnořeným shodám nemusejí být do sebe vnořené. |
| | |
| | ==== První nálezy v dokumentech === |
| | |
| | Volbu první nálezy v dokumentech můžeme například použít v případě, kdy se ve výsledcích objevují konkordance převážně z jednoho nebo jen z několika zdrojů, ale nás zajímají i další užití tohoto slova, která mezi převažujícími konkordancemi zanikají. |
| | |
| | Například lemma **hnojník** má v SYN2020 celkem 111 dokladů, ale celých 79 dokladů je obsaženo jen v jednom dokumentu (Encyklopedie léčivých hub). Slovo //hnojník// přitom představuje homonymum, které vedle houby může znamenat i skladiště hnoje nebo brouka. Tyto doklady na stránce konkordancí zanikají. Při zobrazení jen prvních nálezů v dokumentech doklady na ostatní významy objevíme snáz. Tato funkce tedy může sloužit jako nástroj pro vytváření zvláštního systematického vzorku (oproti vytváření [[manualy:kontext:konkordance#vzorek|vzorku náhodného]]). |
| | |
| | ==== První nálezy ve větách === |
| | |
| | Filtrování pomocí prvních nálezů ve větách použijeme v případě, kdy se výsledky hledání opakují uvnitř jedné věty, ale nás opět zajímá pouze jeden (vždy se opět zobrazí ten první) doklad. |
| | |
| | Může jít například o hledání víceslovných spojení pomocí atributu [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_lemma]], který je k dispozici ve verzovaných korpusech SYN, např. v syn_v11. |
| | |
| | Zadáme-li dotaz ''%%[col_lemma="bát_se_jako_čert_kříže"]%%'', dostaneme mj. těchto pět výsledků: |
| | |
| | ''Jak ji znám , <fc #FF0000>bojí</fc> se hospod jako čert kříže !''\\ |
| | ''Jak ji znám , bojí <fc #FF0000>se</fc> hospod jako čert kříže !''\\ |
| | ''Jak ji znám , bojí se hospod <fc #FF0000>jako</fc> čert kříže !''\\ |
| | ''Jak ji znám , bojí se hospod jako <fc #FF0000>čert</fc> kříže !''\\ |
| | ''Jak ji znám , bojí se hospod jako čert <fc #FF0000>kříže</fc> !''\\ |
| | |
| | Totožnou hodnotou atributu col_lemma jsou totiž postupně označeny všechny části daného víceslovného spojení. Po použití filtru se pak už zobrazí jen první doklad, tedy jedna konkordance pro jedno víceslovné spojení (frazém //bát se jako čert kříže//), pouze s prvním slovem zvýrazněným jako KWIC. |
| | |
| | Jak bylo uvedeno na začátku této kapitoly, k podobným výsledkům se lze často dostat různými způsoby. Každá automaticky anotovaná kolokace má zároveň jednoho ze svých členů označeného pomocí dvoumístného pozičního atributu [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_type]] s písmenem ''H'' na druhé pozici. Na výše uvedené výsledky bychom tedy mohli uplatnit pozitivní filtr na pozici KWIC s hodnotou ''%%[col_type=".H"]%%'' nebo bychom úvodní dotaz také mohli přímo formulovat jako ''%%[col_lemma="bát_se_jako_čert_kříže" & col_type=".H"]%%'' V takovém případě se vždy zobrazí pouze doklad s vyznačeným tvarem //kříže//, protože jeho hodnota atributu col_type je rovna ''PH''. |
| |
| ---- | ---- |
