Skrýt
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Obě strany předchozí revize Předchozí verze
Následující verze
Předchozí verze
Poslední revize Obě strany příští revize
kurz:reseni_ukolu [2016/10/19 14:38]
Michal Škrabal špatnej link
kurz:reseni_ukolu [2018/08/08 12:05]
Michal Škrabal [Lekce 6]
Řádek 25: Řádek 25:
 ===== Lekce 3 ===== ===== Lekce 3 =====
  
-  * Podřetězec ​//pes// se v korpusu [[cnk:​syn2015|SYN2015]] vyskytuje celkem 15 581krát (typ dotazu: ​Slovní tvar; zaškrtnuta volba Shoda velikosti). Frekvenční distribuce lemmat je následující:​+  * Část slova //pes// se v korpusu [[cnk:​syn2015|SYN2015]] vyskytuje celkem 15 581krát (typ dotazu: ​Část slova). Frekvenční distribuce lemmat ​(tedy slov, jejichž některý z tvarů obsahuje tuto sekvenci znaků - např. //kapsa//, gen. pl. //​kapes//​) ​je následující:​
  
 [{{:​kurz:​podretezec_pes.png}}] [{{:​kurz:​podretezec_pes.png}}]
Řádek 98: Řádek 98:
 ===== Lekce 5 ==== ===== Lekce 5 ====
  
-1. Nejprve hledáme aktualizace přísloví //těžko na cvičišti, lehko na bojišti//. Pohled do korpusu [[cnk:​syn2015|SYN2015]] příliš zajímavý není, na dotaz ''​[word=%%"​cvičišti"​][]{1,​10}[word="​bojišti"​%%]''​ dostaneme [[https://​kontext.korpus.cz/​view?​q=~yvns3xpG&​attr_allpos=kw&​attrs=word&​corpname=syn2015&​ctxattrs=word&​pagesize=40&​refs=%3Ddoc.title&​structs=s&​viewmode=kwic&​|těchto 14 výskytů]],​ z nichž aktualizací jsou jen první a pátý. O něco zajímavější data nalezneme v SYN2013PUB, týž dotaz najde 152 případů. Zde už bude vhodné uplatnit negativní filtr, rozsah hledání nastavíme na **od -2 do -2**, zrušíme volbu **včetně KWIC** a typ dotazu nastavíme na **Slovní tvar**, načež vepíšeme nejběžnější formu na dané pozici (2L): ''​těžko|těžce''​. Výsledkem by měla být [[https://​kontext.korpus.cz/​view?​q=~TbBJljWz&​attr_allpos=kw&​attrs=word&​corpname=syn2013pub&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|tato konkordance]],​ z níž je patrné, že toto přísloví ​má stabilnější formu a je daleko ​méně náchylné k modifikacím než to o vlku a koze. Doložena je nicméně i [[https://​kontext.korpus.cz/​view?​q=~jQgjF6OO&​attr_allpos=kw&​attrs=word&​corpname=syn2013pub&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|varianta obrácená]] (zde stačilo jen v dotazu prohodit oba slovní tvary).+1. Nejprve hledáme aktualizace přísloví //těžko na cvičišti, lehko na bojišti//. Pohled do korpusu [[cnk:​syn2015|SYN2015]] příliš zajímavý není, na dotaz ''​[word=%%"​cvičišti"​][]{1,​10}[word="​bojišti"​%%]''​ dostaneme [[https://​kontext.korpus.cz/​view?​q=~yvns3xpG&​attr_allpos=kw&​attrs=word&​corpname=syn2015&​ctxattrs=word&​pagesize=40&​refs=%3Ddoc.title&​structs=s&​viewmode=kwic&​|těchto 14 výskytů]],​ z nichž aktualizací jsou jen první a pátý. O něco zajímavější data nalezneme v SYN2013PUB, týž dotaz najde 152 případů. Zde už bude vhodné uplatnit negativní filtr, rozsah hledání nastavíme na **od -2 do -2**, zrušíme volbu **včetně KWIC** a typ dotazu nastavíme na **Slovní tvar**, načež vepíšeme nejběžnější formu na dané pozici (2L): ''​těžko|těžce''​. Výsledkem by měla být [[https://​kontext.korpus.cz/​view?​q=~TbBJljWz&​attr_allpos=kw&​attrs=word&​corpname=syn2013pub&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|tato konkordance]],​ z níž je patrné, že toto přísloví ​mělo stabilnější formu a bylo méně náchylné k modifikacím než to o vlku a koze. Doložena je nicméně i [[https://​kontext.korpus.cz/​view?​q=~jQgjF6OO&​attr_allpos=kw&​attrs=word&​corpname=syn2013pub&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|varianta obrácená]] (zde stačilo jen v dotazu prohodit oba slovní tvary).
  
-2. Dále nás zajímaly kletby odvozené od slovního spojení //Herr Gott// a dostupné prostřednictvím korpusu [[cnk:​oral2013|ORAL2013]]. Nejprve zkusíme dosáhnout co nejvyšší hodnoty [[pojmy:​recall|recall]] pomocí ''​[word=%%"​.*her.*"​%%]''​((Stejných výsledků bychom dosáhli, kdybychom použili typ dotazu [[prvni_dotaz#​nac_je_ktery_typ_dotazu_vhodny|podřetězec]] a jako hledanou sekvenci vyplnili //her//.)), ovšem výrazy typu //​nádhera//​ ukazují, že umístění základu //her// doprostřed hledaného řetězce k ideálnímu výsledku nepovede. Potřebujeme také eliminovat frekventovaný //​hermelín//​ a //herce// s //​herečkami//​ -– možný dotaz vypadá takto: ''​[word=%%"​her[^cme][^cč].*"​%%]''​. Výsledných 65 výskytů se jeví lépe, ovšem stále obsahuje hodně //heren// a //​herních//​ odvozenin. ​ Jak je vyřadit, když hlásku //n// musíme ponechat kvůli //​hernajs//?​ Vyloučíme alespoň frekventované nejkratší tvary tím, že nás budou zajímat pouze výrazy o šesti a více znacích -- kvantifikátor ''​*''​ nahradíme kvatifikátorem ''​+''​ a zadáme dotaz v této podobě: ''​[word=%%"​her[^cme][^cč].+"​%%]''​. Zbývajících 41 případů už snadno vyfiltrujeme manuálně pomocí okének na začátku příslušných konkordančních řádků, nepotřebujeme-li ale výsledná data ukládat či s nimi dále pracovat, postačí pohled na frekvenční distribuci tvarů (**Frekvence → Slovní druhy**). Zajímavé je, že mezi nimi figuruje pouze //hergot// (27krát) a jedno //​hernajs//​. O něco pestřejší je [[https://​kontext.korpus.cz/​view?​q=~KHaUPHs9&​attr_allpos=kw&​attrs=word&​corpname=oral2006&​ctxattrs=word&​pagesize=40&​refs=%3Ddoc.id&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|situace v ORAL2006]].+2. Dále nás zajímaly kletby odvozené od slovního spojení //Herr Gott// a dostupné prostřednictvím korpusu [[cnk:​oral2013|ORAL2013]]. Nejprve zkusíme dosáhnout co nejvyšší hodnoty [[pojmy:​recall|recall]] pomocí ''​[word=%%"​.*her.*"​%%]''​((Stejných výsledků bychom dosáhli, kdybychom použili typ dotazu [[prvni_dotaz#​nac_je_ktery_typ_dotazu_vhodny|Část slova]] a jako hledanou sekvenci vyplnili //her//.)), ovšem výrazy typu //​nádhera//​ ukazují, že umístění základu //her// doprostřed hledaného řetězce k ideálnímu výsledku nepovede. Potřebujeme také eliminovat frekventovaný //​hermelín//​ a //herce// s //​herečkami//​ -– možný dotaz vypadá takto: ''​[word=%%"​her[^cme][^cč].*"​%%]''​. Výsledných 65 výskytů se jeví lépe, ovšem stále obsahuje hodně //heren// a //​herních//​ odvozenin. ​ Jak je vyřadit, když hlásku //n// musíme ponechat kvůli //​hernajs//?​ Vyloučíme alespoň frekventované nejkratší tvary tím, že nás budou zajímat pouze výrazy o šesti a více znacích -- kvantifikátor ''​*''​ nahradíme kvatifikátorem ''​+''​ a zadáme dotaz v této podobě: ''​[word=%%"​her[^cme][^cč].+"​%%]''​. Zbývajících 41 případů už snadno vyfiltrujeme manuálně pomocí okének na začátku příslušných konkordančních řádků, nepotřebujeme-li ale výsledná data ukládat či s nimi dále pracovat, postačí pohled na frekvenční distribuci tvarů (**Frekvence → Slovní druhy**). Zajímavé je, že mezi nimi figuruje pouze //hergot// (27krát) a jedno //​hernajs//​. O něco pestřejší je [[https://​kontext.korpus.cz/​view?​q=~KHaUPHs9&​attr_allpos=kw&​attrs=word&​corpname=oral2006&​ctxattrs=word&​pagesize=40&​refs=%3Ddoc.id&​structs=p%2Cg%2Cerr%2Ccorr&​viewmode=kwic&​|situace v ORAL2006]].
  
 ===== Lekce 6 ===== ===== Lekce 6 =====
Řádek 110: Řádek 110:
 V [[cnk:​syn2010|SYN2010]] je situace obdobná: lemma //​tratoliště//​ se tu objevuje 53krát, nejtypičtější je pro beletrii (32krát), hojně je využívá ale i publicistika (17krát). Ve valné většině případů se objevuje ve spojení //v tratolišti krve// -- v této podobě (hledáme jako frázi) celkem 35krát. Po aplikaci stejného negativního filtru nám z původních 53 výskytů zbude [[https://​kontext.korpus.cz/​view?​q=~Kyq0AA2S&​attr_allpos=kw&​attrs=word&​corpname=syn2010&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=s&​viewmode=kwic&​|těchto 8 případů]]. V [[cnk:​syn2010|SYN2010]] je situace obdobná: lemma //​tratoliště//​ se tu objevuje 53krát, nejtypičtější je pro beletrii (32krát), hojně je využívá ale i publicistika (17krát). Ve valné většině případů se objevuje ve spojení //v tratolišti krve// -- v této podobě (hledáme jako frázi) celkem 35krát. Po aplikaci stejného negativního filtru nám z původních 53 výskytů zbude [[https://​kontext.korpus.cz/​view?​q=~Kyq0AA2S&​attr_allpos=kw&​attrs=word&​corpname=syn2010&​ctxattrs=word&​pagesize=40&​refs=%3Dopus.nazev&​structs=s&​viewmode=kwic&​|těchto 8 případů]].
  
-korpusech řady ORAL se toto slovo -- s jedinou výjimkou (//​tratoliště drobků// ​v [[cnk:​oral2008|ORAL2008]]) -- nevyskytuje ​(protože jsou mluvené korpusy nelemmatizované,​ patrně jste hledali slovní tvar ''​tratolišt.*''​). Ovšem ruku na srdce, kdy naposledy jste o //​tratolišti//​ hovořili vy sami?+korpusu [[cnk:oral|ORAL v1]] se toto slovo -- s jedinou, o to však půvabnější ​výjimkou, za niž by se nemusel stydět ani Hrabal ​(// ...eště si ho vodšoupne jako dál a žere a tam prostě pod nim **tratoliště drobků**, a já na něj koukám a řikám Láďo proč si myslíš že sem ti tam dala ten talíř?//) -- nevyskytuje. Ovšem ruku na srdce, kdy naposledy jste o //​tratolišti//​ hovořili vy sami?
  
 2. Porovnáváme kolokační profily adverbií //teď// a //nyní// a zamyšlíme se nad mírou jejich synonymnosti. Prvním rozdílem je jejich odlišná frekvence v korpusu SYN2015: 85 940 výskytů //teď// oproti 34 570 výskytům //nyní// -- první slovo je tedy téměř dvaapůlkrát častější než druhé. Ještě výmluvněji by tento rozdíl byl znát na mluvených korpusech, např. v ORAL2013 je to 8066 případů proti 4 (sic! a to jsme nezapočetli všechny možné varianty typu //​teďkon%%(c)%%//,​ //teďka// apod., které si lze dohledat [[hledani_v_mluvenych_korpusech#​jak_spravne_zadat_hledane_„slovo|zde]]). Mimochodem, obdobné výsledky získáte i pomocí [[http://​syd.korpus.cz/​x0iwEkwx.syn|nástroje SyD]]. 2. Porovnáváme kolokační profily adverbií //teď// a //nyní// a zamyšlíme se nad mírou jejich synonymnosti. Prvním rozdílem je jejich odlišná frekvence v korpusu SYN2015: 85 940 výskytů //teď// oproti 34 570 výskytům //nyní// -- první slovo je tedy téměř dvaapůlkrát častější než druhé. Ještě výmluvněji by tento rozdíl byl znát na mluvených korpusech, např. v ORAL2013 je to 8066 případů proti 4 (sic! a to jsme nezapočetli všechny možné varianty typu //​teďkon%%(c)%%//,​ //teďka// apod., které si lze dohledat [[hledani_v_mluvenych_korpusech#​jak_spravne_zadat_hledane_„slovo|zde]]). Mimochodem, obdobné výsledky získáte i pomocí [[http://​syd.korpus.cz/​x0iwEkwx.syn|nástroje SyD]].
Řádek 156: Řádek 156:
 ^ Eurotunel |  0  |  1  | ^ Eurotunel |  0  |  1  |
  
-Vidíme, že s jedinou výjimkou (//​tunelář//​) jsou počty dokladů přibližně stejné, což signalizuje dostatečnou etablovanost daného významu v tuzemské publicistice za posledních 15 let. Zajímavé doklady však najdeme též v [[pojmy:​txtype_group|jiných typech textů]], byť tam převažuje původní význam slova. Vyhledávání stejného slovního základu (možno též typem dotazu **Podřetězec** ''​tunel''​) v celém korpusu SYN2005, resp. SYN2015 odhalí např. tyto další deriváty:+Vidíme, že s jedinou výjimkou (//​tunelář//​) jsou počty dokladů přibližně stejné, což signalizuje dostatečnou etablovanost daného významu v tuzemské publicistice za posledních 15 let. Zajímavé doklady však najdeme též v [[pojmy:​txtype_group|jiných typech textů]], byť tam převažuje původní význam slova. Vyhledávání stejného slovního základu (možno též typem dotazu **Část slova** ''​tunel''​) v celém korpusu SYN2005, resp. SYN2015 odhalí např. tyto další deriváty:
  
 Veřejnost, která volá po tvrdší odplatě za činy zlosynů, //​tunelujících//​ a plenících naši zem. (SYN2005) Veřejnost, která volá po tvrdší odplatě za činy zlosynů, //​tunelujících//​ a plenících naši zem. (SYN2005)