Skrýt
Nastavení

Toto je starší verze dokumentu!


Kolokace

Kolokací (dříve se užíval termín slovní spojení) se v rámci korpusové lingvistiky nejčastěji rozumí smysluplné, ustálené, syntagmatické spojení dvou (nebo víc) slovních tvarů (někdy celých lexémů) v blízkém kontextu.

Charakteristika kolokací

Vznik kolokace je podmíněn vzájemnou sémantickou kompatibilitou členů (srov. psát dopis × *psát dřevo) a její význam často přesahuje sumu významů každého z členů (kolokátů) chápaného izolovaně (cestovní ruch). Potřeba vymezení kolokací nabývá na důležitosti zejména v souvislosti s rozšířením korpusů, konkrétně v reakci na pozorování indikující, že volba jednoho prostředku předznamenává volbu prostředků v jeho blízkosti. Tento princip (pojmenovaný jako idiom principle, princip předurčeného výběru) kontrastuje s principem volného výběru (open-choice principle), který předpokládá volnou kombinovatelnost jednotek; ta však v absolutním smyslu nikdy neexistuje.

Výrazem uplatnění principu předurčeného výběru jsou jednak kolokaqce, popř. koligace a jednak frazémy. Kolokace představují svébytnou lexikální jednotku, je tedy možné u nich vymezovat všechny charakteristiky tradičně určované u jednoslovných lexémů (slovnědruhové zařazení, morfologické a syntaktické vlastnosti apod.).

Identifikace kolokací

Ustálenost kolokací je měřitelná celkovou frekvencí spojení v korpusu (čím vyšší frekvence, tím ustálenější kolokace) a ovlivňuje ji také míra kompatibility jejích členů s ostatními jednotkami v korpusu (čím nižší, tím ustálenější). Specifickým typem jsou pak kombinace se slovy monokolokabilními, která jsou schopná vstupovat do kolokace pouze s velmi omezeným počtem lexémů/slovních tvarů (tratoliště se vyskytuje téměř výlučně ve spojení s tvarem krve).

Syntagmatičnost spojení se projevuje nejen existencí syntaktického vztahu mezi slovy, ale především v sémantice spojení: kolokace představuje v prvé řadě slovní spojení kompatibilní sémanticky, syntagmatičnost se však v některých případech projevuje také v tom, že některé významové aspekty slov, které do kolokace vstupují, se realizují až v souvýskytu se slovy jinými (stroužek označuje specifický tvar, realizuje se však téměř výlučně ve spojení se slovem česnek). Důraz na syntagmatičnost spojení se u kolokací projevuje také v tom, že k základovému slovu/frázi (node) se obyčejně hledají kolokáty v rámci úzce vymezeného kontextového okna (span) v textovém řetězu. Opakovaný souvýskyt dvou slov v bezprostředním kontextu (nebo také nízkou průměrnou vzdálenost, proximitu) je přitom možné chápat jako významný indikátor syntagmatičnosti jejich vztahu.

Vymezení kolokací

Kolokace jsou jako pojem stále dosud terminologicky neustálené, existuje proto několik paralelních pohledů, které pod tento pojem zahrnují různě širokou škálu podobných jevů. Kolokace se tak v různých přístupech vymezují v opozici k

  1. volným syntagmatickým spojením (hlavní změna)
  2. víceslovným termínům (hlavní osa)
  3. víceslovným propriím (Hlavní nádraží Praha)
  4. frazémům a idiomům (ležet ladem)
  5. individuálním autorským metaforám (virové hrátky).

K identifikaci kolokací se v praxi používají statistické asociační míry, které ve většině případů dávají do vztahu k frekvenci jednotek do kolokace vstupujících, frekvenci celého spojení a případně také velikost korpusu. Mezi nejběžnější patří MI-score, t-score, log-likelihood, logDice, Z-score ad. Každá asociační míra je citlivá na jiný druh kolokací, žádnou proto není možné označit za univerzálně platnou, identifikujcí automaticky všechny ostatní. Seznam kolokátů jednoho slova bývá někdy označován za kolokační paradigma.