Následující verze | Předchozí verzeNásledující verzeObě strany příští revize |
pojmy:atributy_pozicni [2013/06/19 21:35] – vytvořeno vaclavcvrcek | pojmy:atributy_pozicni [2017/12/14 15:29] – [Poziční atributy] michalkren |
---|
====== Poziční atributy ====== | ====== Poziční atributy ====== |
| |
Pozičními atributy v korpusech jsou myšleny dodané informace, které se vztahují k jednomu [[pojmy:token|tokenu]] (k jedné textové [[pojmy:pozice|pozici]]). Každý text je při vstupu do korpusu opatřen [[pojmy:anotace|anotací]]; ta část anotace, která se neinformuje o textu, z něhož hledaný jev pochází, ale o jevu samotném, je dostupná právě pomocí pozičních atributů. | Pozičními atributy v korpusech jsou myšleny dodané informace, které se vztahují k jednomu [[pojmy:token|tokenu]] (k jedné textové [[pojmy:pozice|pozici]]). Každý text je při vstupu do korpusů zpřístupňovaných rozhraním [[manualy:kontext:index|KonText]] opatřen [[pojmy:anotace|anotací]]. Ta část anotace, která neobsahuje informace o textu jako celku, z něhož hledaný jev pochází, ale o jevu samotném, je dostupná právě pomocí pozičních atributů. (Jinými slovy jde o rozdíl mezi informacemi **metatextovými**, z nichž se některé musí doplňovat ručně – např. autor textu, rok vydání apod. – a automaticky přiřazovanými informacemi **vnitrotextovými**, k jejichž získání se užívají různé nástroje, např. [[pojmy:tag|tagger]] nebo [[pojmy:parser|parser]]). |
| |
Základními pozičními atributy jsou: | Základními pozičními atributy jsou: |
* word - slovní tvar | * [[pojmy:word|word]] - slovní tvar (např. //kočce, piš, při// ) |
* lemma - základní (slovníkový) tvar | * [[pojmy:lemma|lemma]] - základní (slovníkový) tvar (např. //kočka, psát, pře// nebo //při//) |
* tag - značka zachycující morfologickou (příp. i jinou) informaci | * [[pojmy:tag|tag]] - značka zachycující [[pojmy:morfologicka_analyza|morfologickou]] (příp. i jinou, obvykle gramatickou) informaci |
* lc - ekvivalent slovního tvaru, který ovšem zanedbává velikost písmen | |
* pos - značka slovního druhu | |
| |
Různé korpusy můžou mít různou sadu pozičních atributů. | [[pojmy:syntakticka_analyza|Syntaktickou anotaci]] (od [[cnk:syn2015|SYN2015]]) zachycují atributy: |
| * [[seznamy:afun|afun, p_afun, ep_afun]] - u každého tokenu uvádí syntaktickou funkci |
| * [[seznamy:parent|parent]] - relativní pozice tokenu, na němž je daný token závislý |
| * [[seznamy:eparent|eparent]] - pouze u autosémantických slov; vyjadřuje relativní pozici nejbližšího autosémantického tokenu, na němž je daný token závislý |
| * [[seznamy:p_tag|p_tag, p_lemma]] - tag a lemma řídícího tokenu |
| * [[seznamy:p_tag|ep_tag, ep_lemma]] - totéž jako ''p_tag'' a ''p_lemma'', ale pouze u autosémantických slov |
| * [[seznamy:prep|prep]] - u jmen řízených předložkou uvádí lemma předložky |
| |
| Mezi méně využívané poziční atributy patří: |
| * lc - (z angl. //lowercase//) slovní tvar malými písmeny (odvozen z atributu ''word'') |
| * lemma_lc - (z angl. //lemma in lowercase//) lemma malými písmeny (odvozeno z atributu ''lemma'') |
| * pos - (z angl. //part of speech//) slovní druh (odvozen z atributu [[pojmy:tag|tag]]) |
| * case - pád (odvozen z atributu [[pojmy:tag|tag]]) |
| * [[seznamy:proc|proc]] - informace o konkrétním procesu, který je zodpovědný za [[pojmy:desambiguace|disambiguaci]] |
| |
| Následující atributy byly již v ČNK nahrazeny atributy ''pos'' a ''case'', v novějších korpusech se tedy nevyskytují: |
| * k - slovní druh (odvozen z atributu [[pojmy:tag|tag]]) |
| * g - jmenný rod (odvozen z atributu [[pojmy:tag|tag]]) |
| * c - pád (odvozen z atributu [[pojmy:tag|tag]]) |
| |
| **Různé korpusy mají typicky rozdílnou sadu pozičních atributů** v závislosti na propracovanosti anotace a výzkumných cílech, s nimiž byl daný korpus vytvářen. |
| |
| ==== Související odkazy ==== |
| <WRAP round box 45%> |
| [[pojmy:dotazovaci_jazyk|Dotazovací jazyk]] • [[pojmy:atributy_strukturni|Strukturní atributy]] • [[pojmy:struktura_korpusu|Struktura korpusu]] |
| </WRAP> |