Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzePoslední revizeObě strany příští revize |
manual:menu:kolokace [2013/08/15 11:45] – vaclavcvrcek | manualy:kontext:kolokace [2018/08/08 14:18] – jankocek |
---|
====== Menu: Kolokace ====== | ====== Menu: Kolokace ====== |
| |
Jednou ze stěžejních vlastností [[rozhraní XX]] je možnost identifikovat pomocí statistických metod [[pojmy:kolokace|kolokace]] k vyhledanému slovu. Kolokací se přitom rozumí smysluplné, ustálené, syntagmatické spojení dvou (nebo víc) slovních tvarů (někdy celých lexémů) v blízkém kontextu. Kolokace je tvořena základovým slovem (**node**, většinou se jedná o [[pojmy:kwic|KWIC]]) a kontextovým slovem (**kolokátem**). Seznam kolokátů, s kterými se hledané slovo nebo slovní spojení pojí, je základem korpusové analýzy, protože umožňuje vysledovat, jaký konktext je pro hledaný jev typický. | [{{ :manualy:kontext:kolokace-form.png?direct&300|Formulář pro specifikaci analýzy kolokací }}] |
| |
[{{ :manual:menu:kolokace-form.png?direct&300|Formulář pro specifikaci analýzy kolokací}}] | Jednou ze stěžejních vlastností rozhraní KonText je možnost identifikovat pomocí statistických metod [[pojmy:kolokace|kolokace]] k vyhledanému slovu. Kolokací se přitom rozumí smysluplné, ustálené, syntagmatické spojení dvou (nebo víc) slov v blízkém kontextu. Kolokace je tvořena základovým slovem (**node**, většinou se jedná o [[pojmy:kwic|KWIC]]) a kontextovým slovem (**kolokátem**). Seznam kolokátů, s kterými se hledané slovo nebo slovní spojení pojí, je základem korpusové analýzy, protože umožňuje vysledovat, jaký kontext je pro hledaný jev typický. |
| |
Pro identifikaci kolokací se používají [[pojmy:asociacni_miry|asociační míry]], v současnosti je v [[rozhraní XX]] implementováno těchto 8 základních: t-score, MI, MI3, log likelihood, min. citlivost, logDice, MI.log_f, relat. freq. | |
| |
Předpokládejme, že jsme v korpusu [[cnk:syn2010|SYN2010]] [[manual:menu:novy_dotaz|vytvořili konkordanci]] lemmatu //dřevo//. Po kliknutí na položku Kolokace v menu se zobrazí zadávací formulář kolokační analýzy. | Pro identifikaci kolokací se používají [[pojmy:asociacni_miry|asociační míry]], v současnosti se v rozhraní KonText využívá těchto 8 základních: t-score, MI, MI3, log likelihood, min. citlivost, logDice, MI.log_f a relativní frekvence. Každá z měr je citlivá na jiný typ slovního spojení a každá v některých případech selhává, je proto obecně doporučeníhodné míry kombinovat a porovnávat jejich výstupy. Výsledkem statistické analýzy pomocí asociačních měr je seznam kolokačních **kandidátů**, o jejichž skutečné kolokační platnosti musí rozhodnout až badatel. |
| |
Specifikace hledání kolokací: | Předpokládejme, že jsme v korpusu [[cnk:syn2015|SYN2015]] vytvořili konkordanci lemmatu //dřevo//. Po kliknutí na položku **Kolokace → Vlastní** v menu se zobrazí zadávací formulář kolokační analýzy. V něm je možné specifikovat následující hodnoty hledání kolokací v rámci vytvořené konkordance: |
| |
- **Atribut**: volba [[pojmy:atributy_pozicni|pozičního atributu]] kolokátu (můžeme hledat lemmata v okolí lemmatu //dřevo//, nebo slovní tvary, nebo jakýkoli jiný z dostupných atributů) | - **Atribut**: volba [[pojmy:atributy_pozicni|pozičního atributu]] kolokátu (můžeme hledat lemmata v okolí lemmatu //dřevo//, nebo slovní tvary, popř. jakýkoli jiný z dostupných atributů) |
- **V rozsahu od - do**: specifikace kontextového okna (v okolí [[pojmy:kwic|KWICu]]), kde budeme kolokáty vyhledávat (záporná čísla označují pozice předcházející KWIC, kladná pozice následující za ním, číslování pozic funguje obdobně jako při zadávání [[manual:menu:frekvencni_distribuce|frekvenční distribuce]]) | - **V kontextu**: specifikace kontextového okna (v okolí [[pojmy:kwic|KWIC]]u), kde budeme kolokáty vyhledávat (záporná čísla označují pozice předcházející KWIC, kladná pozice následující za ním, srov. [[manualy:kontext:frekvence#frekvencni_distribuce_podle_pozicnich_atributu|frekvenční distribuce]]) |
- **Minimální frekvence v korpusu**: stanovení minimální celkové frekvence jednotky, která může být do seznamu kolokátů zařazena (kolokátem lemmatu dřevo se v našem případě tak nemůžou stát jednotky, které se v korpusu vyskytují méně než pětkrát) | - **Minimální frekvence kolokátu v korpusu**: stanovení minimální celkové frekvence jednotky, která může být do seznamu kolokátů zařazena (kolokátem lemmatu //dřevo// se tak v případě stanovení minimální frekvence 5 nemůžou stát jednotky, které se v celém korpusu vyskytují méně než pětkrát) |
- **Minimální frekvence v daném rozsahu**: pokud jsme specifikovali kontextové okno hledání kolokátů od -3 do 3, pak tato volba určuje, kolikrát se jednotka musí v okolí KWICu vyskytovat, aby byla zařazena do seznamu kolokátů (při výpočtu asociačních měr budou brány v potaz pouze jednotky, které se v okolí KWICu, v našem případě lemmatu dřevo, vyskytují alespoň třikrát) | - **Minimální frekvence kolokátu v kontextu**: pokud jsme specifikovali kontextové okno hledání kolokátů od -3 do 3, pak volba minimální frekvence v rozsahu určuje, kolikrát se jednotka musí v okolí KWICu vyskytovat, aby byla zařazena do seznamu kolokátů (při výpočtu asociačních měr budou brány v potaz pouze jednotky, které se v okolí KWICu, v našem případě lemmatu //dřevo//, vyskytují stejně nebo vícekrát, než je zvolený limit) |
- **Zobrazit funkce**: jaké asociační míry budou pro každý kolokát, který splňuje podmínky specifikované výše, počítány a vypsány | - **Zobrazit míry**: jaké asociační míry budou počítány a vypsány pro každý kolokát, který splňuje podmínky specifikované výše |
- **Setřídit dle**: podle jaké z asociačních měr bude seznam setříděn (podstatné zejména u dlouhých seznamů) | - **Třídit podle**: podle jaké z asociačních měr bude seznam setříděn (faktor podstatný zejména u dlouhých seznamů) |
| |
===== Výpis kolokátů ===== | ===== Výpis kolokátů ===== |
| |
[{{ :manual:menu:kolokace-drevo.png?direct&300|Výpis kolokátů lemmatu //dřevo//}}] | [{{ :manualy:kontext:kolokace-drevo.png?direct&300|Výpis kolokátů lemmatu //dřevo// }}] |
| |
Pro lemma //dřevo// bylo na základě zadaných specifikací nalezeno celkem 2386 různých slovních tvarů, které můžou fungovat jako jeho kolokáty. Při setřídění podle logDice se jako nejvýznamnější kolokáty ukazují tvary: //tvrdého, bázi, kus, kusy, dubového...// | Při setřídění výpisu podle [[pojmy:logdice|logDice]] od njevyšší hodnoty se jako nejvýznamnější kolokační kandidáti ukazují tyto tvary: //masivního//, //tvrdého//, //kus//, //kovu//, //tmavého//, //dubového//... |
| |
V seznamu najdeme pro každou jednotku (nejčastěji slovní tvar nebo lemma) jednak celkovou frekvenci souvýskytu vyhledaného jevu a jeho kolokátu (např. lemmatu //dřevo// a kolokátu //tvrdého//) a pak hodnoty vybraných asociačních měr pro takovéto spojení. Při kliknutí na záhlaví tabulky je možné seznam přetřídit podle zvolené veličiny. Stejně jako ve výpisu [[manual:menu:frekvencni_distribuce|frekvenční distribuce]] je i v seznamu kolokátů možné pomocí odkazů **p/n** vytvořit pozitivní nebo negativní filtr, který hledá kolokát v okolí původního KWICu. | |
| |
Na místě je dvojí upozornění: | |
| |
- V seznamu kolokátů se zobrazují všechna slova, která odpovídají specifikacím kontextového okna a minimální frekvence v korpusu a v rozsahu, bez ohledu na to, zda se skutečně o kolokát jedná či ne. Asociační míry slouží pouze k setřídění všech jednotek nacházejících s danou frekvencí v daném rozsahu hledání - to jestli dané slovo skutečně funguje v kolokaci s vyhledaným jevem je otázka interpretace, která nemůže být rozhodnuta čistě na základě hodnoty asociační míry (ta funguje spíše jako pomůcka pro odfiltrování nezajímavých a statisticky nesignifikantních kolokátů na konec seznamu) | |
- Každá asociační míra je citlivá na jiný druh kolokací; je proto vhodné kolokační seznam procházet opakovaně po setřídění dle různých asociačních měr | |
| |
| V seznamu najdeme pro každou jednotku jednak celkovou frekvenci souvýskytu vyhledaného jevu a jeho kolokátu (např. lemmatu //dřevo// a kolokátu //tvrdého//) a jednak hodnoty vybraných asociačních měr pro takovéto spojení. Při kliknutí na záhlaví tabulky je možné seznam přetřídit podle zvolené veličiny. Stejně jako ve výpisu [[manualy:kontext:frekvence|frekvenční distribuce]] je i v seznamu kolokátů možné pomocí odkazů **p/n** vytvořit pozitivní nebo negativní filtr, který hledá kolokát v okolí původního KWICu. |
| |
| <WRAP round important 70%> |
| - V seznamu kolokátů se zobrazují všechna slova, která odpovídají specifikacím kontextového okna a minimální frekvence v korpusu a v rozsahu, bez ohledu na to, zda se skutečně o kolokát jedná či ne. Asociační míry slouží pouze k setřídění všech jednotek splňujících zadaná kritéria – to, jestli dané slovo skutečně funguje v kolokaci s vyhledaným jevem (jestli s ním např. tvoří syntagma), je otázka dalšího zkoumání, která nemůže být rozhodnuta čistě na základě hodnoty asociační míry (ta funguje spíše jako pomůcka pro odfiltrování nezajímavých a statisticky nevýznamných kolokátů na konec seznamu) |
| - Každá [[pojmy:asociacni_miry|asociační míra]] je citlivá na jiný druh kolokací; je proto vhodné kolokační seznam procházet opakovaně po setřídění dle různých asociačních měr |
| </WRAP> |
| |
| |
---- | ---- |
| |
| <WRAP center round box 48%> |
<WRAP center round box 49%> | **[[manualy:kontext:index|Menu]]**: [[manualy:kontext:novy_dotaz|Dotaz]] • [[manualy:kontext:korpusy|Korpusy]] • [[manualy:kontext:ulozit|Uložit]] • [[manualy:kontext:konkordance|Konkordance]] • [[manualy:kontext:filtr|Filtr]] • [[manualy:kontext:frekvence|Frekvence]] • [[[[manualy:kontext:kolokace|Kolokace]] • [[zobrazeni|Zobrazení]] • [[manualy:kontext:napoveda|Nápověda]] |
**[[manual:menu:index|Menu]]**: [[manual:menu:novy_dotaz|Nový dotaz]] • [[manual:menu:subkorpus|Subkorpus]] • [[manual:menu:ulozit|Uložit]] • [[manual:menu:konkordance|Konkordance]] • [[manual:menu:filtr|Filtr]] • [[manual:menu:frekvencni_distribuce|Frekvenční distribuce]] • [[[[manual:menu:kolokace|Kolokace]] • [[manual:menu:moznosti_zobrazeni|Možnosti zobrazení]] • [[manual:menu:napoveda|Nápověda]] | |
</WRAP> | </WRAP> |