AplikaceAplikace
Nastavení

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Next revision		Previous revision
en:seznamy:syn2025_attributes [2026/02/16 12:53] – created tomasjelineken:seznamy:syn2025_attributes [2026/02/18 17:38] (current) – michalkren
Line 1: Line 1:
 ====== SYN2025 Token Attributes ====== ====== SYN2025 Token Attributes ======
  
-The [[en:cnk:syn2025|SYN2025]] corpus uses the [[en:cnk:anotacni_standard_cnk|Unified CNC Annotation Scheme]] for morphological annotation and lemmatization and the dependency syntactic annotation as in [[http://ufal.mff.cuni.cz/pdt2.0/doc/manuals/cz/a-layer/html/index.html|the analytic layer of the Prague Dependency Treebank]] for syntactic annotation.+The [[en:cnk:syn2025|SYN2025]] corpus uses the [[en:cnk:anotacni_standard_cnk|Unified CNC Annotation Scheme]] for morphological annotation and lemmatization and the dependency syntactic annotation as in [[http://ufal.mff.cuni.cz/pdt2.0/doc/manuals/cz/a-layer/html/index.html|the analytic layer of the Prague Dependency Treebank]] for [[en:pojmy:syntakticka_analyza|syntactic annotation]].
  
-The following token attributes are used:+The following token (positional) attributes are used, in the given order: 
 + 
 +Basic token attributes
   * [[en:pojmy:word|word]]: word form   * [[en:pojmy:word|word]]: word form
-  * lc: lowercase word form 
   * sword: word form with marked boundaries of syntactic words (in cases where the token is a [[en:cnk:anotacni_standard_cnk?s[]=multiword#tokenization_lemmatization_and_tagging_of_multiword_tokens|multi‑word token]], such as ‘ses’   * sword: word form with marked boundaries of syntactic words (in cases where the token is a [[en:cnk:anotacni_standard_cnk?s[]=multiword#tokenization_lemmatization_and_tagging_of_multiword_tokens|multi‑word token]], such as ‘ses’
 +  * [[en:pojmy:lemma|lemma]]: the basic dictionary form of the word
 +  * [[en:pojmy:lemma?s[]=sublemma#sublemma|sublemma]]: the base form distinguishing stylistic or other variant forms
 +  * [[en:pojmy:tag|tag]]: morphological tag
 +  * pos: part of speech
 +  * case: grammatical case
 +  * [[en:cnk:anotacni_standard_cnk#tagging_of_verb_formsthe_verbtag_attribute|verbtag]]: tag for verbal forms (including compound verb forms)
 +
 +-----
 +
 +Syntactic attributes
 +  * ord: word order position in the sentence
 +  * afun: syntactic function of the word
 +  * parent: (relative) reference to the governing token (parent)
 +
 +-----
 +
 +Attributes derived from the governing token (parent)
 +  * p_ord: order position of the parent token in the sentence
 +  * p_lemma: lemma of the parent token
 +  * p_sublemma: sublemma of the parent token
 +  * p_tag: tag of the parent token
 +  * p_pos: POS of the parent token
 +  * p_case: case of the parent token
 +  * p_verbtag: verbtag of the parent token
 +  * p_afun: syntactic function of the parent token
 +
 +-----
 +
 +Syntactic attributes
 +  * eparent: (relative) reference to the governing content word (effective parent)
 +
 +------
 +
 +Attributes derived from the governing content word (effective parent)
 +
 +  * ep_ord: order position of the effective parent in the sentence
 +  * ep_lemma: lemma of the effective parent
 +  * ep_sublemma: sublemma of the effective parent
 +  * ep_tag: tag of the effective parent
 +  * ep_pos: part of speech of the effective parent
 +  * ep_case: case of the effective parent
 +  * ep_verbtag: verbtag of the effective parent
 +  * ep_afun: syntactic function of the effective parent
  
 +------
  
 +Additional syntactic attribute
  
 +  * prep: lemma of the preposition governing the given word (if any)
  
-  * [[seznamy:afun|afun, p_afun, ep_afun]]: u každého tokenu uvádí syntaktickou funkci podle [[http://ufal.mff.cuni.cz/pdt2.0/doc/manuals/cz/a-layer/html/index.html|analytické roviny PDT]] 
-  * [[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 (přeskakuje předložky, spojky ap.) 
-  * [[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 
-  * v korpusu SYN2025 také [[seznamy:ord|ord]] a p_ord: pořadí slova ve větě a pořadí řídícího slova ve větě 
-  * v korpusu SYN2025 je také více atributů odvozených od atributu parent a eparent: p_pos, p_case, p_afun, p_verbtag; ep_pos, ep_case, ep_afun, ep_verbtag. 
  --- //Tomáš Jelínek//  --- //Tomáš Jelínek//

Trace: