====== Řešení úkolů ======
Zde najdete řešení úloh ze všech lekcí z [[kurz:uvod|Kurzu práce s ČNK]].
===== Lekce 1 =====
V korpusu [[cnk:syn2020|SYN2020]] bylo nalezeno 43 výskytů adjektiva //nejvznešenější//, z toho třikrát se daný tvar nachází na začátku věty (je s velkým počátečním písmem) a jednou je celý zapsán velkými písmeny.
Lemma //vznešený// se v tomtéž korpusu vyskytuje 1314krát.
===== Lekce 2 =====
V korpusu [[cnk:syn2020|SYN2020]] byste měli najít tyto údaje:
* 7 919 výskytů lemmatu //vědomí// -- [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=415&attrs=word&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Ddoc.title&q=~HScUEoOyYuy4|výsledek zde]]
* 6 698 výskytů tvaru //vědomí// přesně v této podobě -- [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=415&attrs=word&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Ddoc.title&q=~900EUm4Ug6OS|výsledek zde]]
* zdrojový jazyk: např. //es: španělština//, //cs: čeština// nebo //en: angličtina//
* překladatel: např. //Faltýsková, Alena//, //Dvořák, Libor// nebo //Petkevič, Vladimír//
* autor: např. //Mitosek, Zofia//, //Komárek, Stanislav// či //Habermas, Jürgen//
===== Lekce 3 =====
* Frekvenční distribuce všech předložek předcházejících lemmatu //vědomí// získáme [[vyhodnoceni_dotazu#frekvencni_distribuce_slovnich_druhu_v_okoli_kwicu|analogickým postupem]], jakým jsme hledali příslovce rozvíjející dvojici adjektiv //proslulý// a //věhlasný//, tzn. pomocí atributu **pos** a pozice **1L** v menu **Frekvence → Vlastní**. Zajímat nás bude hned první řádek ([[seznamy:tagy#pozice_1_-_slovni_druh|prepozice jsou značeny zkratkou R]]), na nějž aplikujeme pozitivní filtr a provedeme opět frekvenční distribuci výrazů v pozici 1L, tentokrát však s atributem **lemma**. Výsledek v korpusu [[cnk:syn2020|SYN2020]] by měl vypadat [[https://www.korpus.cz/kontext/freqs?maincorp=syn2020&viewmode=kwic&pagesize=100&attrs=word%2Clemma%2Ctag&attr_vmode=mouseover&base_viewattr=word&structs=s&refs=%3Ddoc.title&q=~ZU2qMgasugci&fcrit=lemma%2Fe%20-1%3C0&flimit=1&fpage=1&ftt_include_empty=0|takto]]:
[{{:kurz:frekvdispredlozkyvedomi.png?direct&338|Frekvenční distribuce předložek předcházejících lemmatu //vědomí// v SYN2020}}]
* Též jsme se pokusili odhalit, jak se liší výskyt výplňového slova //vole// v mluvě mužů a žen. Výsledky (po zaokrouhlení) shrnuje následující tabulka:
^ mluvený korpus ^ absol. frekvence //**vole**// ^ relat. frekvence ([[pojmy:ipm|ipm]]) ^ muži ipm ^ ženy ipm ^
| ORAL2006 | 684 | 521 | 1369 | 147 |
| ORAL2008 | 1343 | 995 | 1732 | 269 |
| ORAL2013 | 3552 | 1081 | 1975 | 152 |
| ORAL v1 | 5977 | 940 | 1865 | 187 |
Můžeme rozhodně vyvodit závěr, že **mužům** je //vole// v mluvě mnohem bližší nežli **ženám**. Ale co s těmi značnými rozdíly v **relativní frekvenci** při srovnávání jednotlivých korpusů (téměř poloviční výskyt v jednom korpusu ve srovnání s dvěma ostatními)? Více mohou napovědět třeba podrobné informace o korpusu [[cnk:oral2006|ORAL2006]] a [[cnk:oral2008|ORAL2008]], někdy je však velmi těžké na příčinu podobných rozdílů přijít.
===== Lekce 4 =====
Hledáme v korpusu [[cnk:syn2015|SYN2015]].
== Slova obsahující sekvenci -kořen-, po níž následuje a jíž předchází alespoň jeden znak ==
Výchozí atribut: **lemma**
Dotaz (s aktivovanými regulárními výrazy): ''.+kořen.+''
Pozn.: V dotazu je třeba použít sekvenci ''.+'', protože v zadání je uvedeno, že předcházet i následovat musí alespoň jeden znak. Z toho důvodu nelze použít sekvenci ''.*'', protože ta odpovídá i nulovému řetězci.
Počet výsledků: [[https://www.korpus.cz/kontext/view?maincorp=syn2015&viewmode=kwic&pagesize=100&attrs=word%2Clemma%2Ctag&attr_vmode=mouseover&base_viewattr=word&structs=p%2Cs&refs=%3Ddoc.title%2C%3Ddoc.author%2C%3Ddoc.pubyear&q=~IAcYwMWa8ioy|1749]]
Nejfrekventovanější výsledky (lemmata): //zakořeněný// (382), //zakořenit// (323), //okořenit// (299), //pokoření// (160), //okořeněný// (142), //pokořený// (82)...
== Infinitivy odvozené od slovesa téct/téci s prefixem ==
Výchozí atribut: **word**
Dotaz (s aktivovanými regulárními výrazy): ''.+téc[it]''
Počet výsledků: [[https://www.korpus.cz/kontext/view?maincorp=syn2015&viewmode=kwic&pagesize=100&attrs=word%2Clemma%2Ctag&attr_vmode=mouseover&base_viewattr=word&structs=p%2Cs&refs=%3Ddoc.title%2C%3Ddoc.author%2C%3Ddoc.pubyear&q=~0EsUMsEueu4q|1997]]
Nejfrekventovanější výsledky: //utéct// (1622), //utéci// (230), //odtéct// (24), //protéct// (15), //přitéct// (14), //vytéct// (12), //stéct// (10)...
== Tvary negativního superlativu (pouze nom. sg.) ==
Výchozí atribut: **word**
Dotaz (s aktivovanými regulárními výrazy): ''nejne.+[šč]í'' (stejný výsledek v tomto korpusu dostaneme i při zadání ''nejne.*[šč]í'')
Počet výsledků: [[https://www.korpus.cz/kontext/view?maincorp=syn2015&viewmode=kwic&pagesize=100&attrs=word%2Clemma%2Ctag&attr_vmode=mouseover&base_viewattr=word&structs=p%2Cs&refs=%3Ddoc.title%2C%3Ddoc.author%2C%3Ddoc.pubyear&q=~PgEWGcaiQsSA|673]]
Nejfrekventovanější výsledky: //nejnebezpečnější// (220), //nejnevhodnější// (38), //nejnepříjemnější// (34), //nejnepatrnější// (27), //nejneuvěřitelnější// (24), //nejnevinnější// (19), //nejnemožnější// (18)...
===== Lekce 5 ====
1. Nejprve hledáme aktualizace přísloví //těžko na cvičišti, lehko na bojišti//. Pohled do korpusu [[cnk:syn2020|SYN2020]] příliš zajímavý není, na dotaz ''[word=%%"cvičišti"][]{1,10}[word="bojišti"%%]'' dostaneme [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=40&attrs=word%2Clemma%2Ctag%2Cverbtag&attr_vmode=mouseover&base_viewattr=word&structs=s&refs=%3Ddoc.title&q=~s6WUkieI6ugk|těchto 23 výskytů]], z nichž aktualizací není ani jeden. O něco zajímavější data nalezneme v SYN2013PUB, týž dotaz najde [[https://www.korpus.cz/kontext/view?maincorp=syn2013pub&viewmode=kwic&pagesize=40&attrs=word&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Dopus.nazev&fromp=2&q=~8Oey4yKCQwgQ|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 jednoduchého dotazu (s využitím regulárních výrazů) ''.*her.*'', ovšem výrazy typu //nádhera// ukazují, že umístění základu //her// uprostřed 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 =====
**1.** Začněme pohledem do aktuálního synchronního korpusu psané češtiny SYN2020. Hledáme v něm lemma //tratoliště//, které se tu vyskytuje 57krát, odfiltrujeme však všechna užití //tratoliště krve//. V menu zvolíme [[manualy:kontext:filtr|Filtr → Negativní]], rozsah hledání upravíme na **od 1 do 1** (jde nám o bezprostřední pravostranný kolokát), jako typ dotazu zvolíme **Lemma** a do řádku vepíšeme dotaz //krev//. Zredukovaná konkordance odhalí ještě jeden případ (na posledním řádku), kdy je substantivum //krev// rozvito adjektivem //teplé//, bude tedy lepší rozšířit rozsah hledání na **od 1 do 2**.
Po odfiltrování by nám mělo zbýt [[https://www.korpus.cz/kontext/view?maincorp=syn2020&viewmode=kwic&pagesize=100&attrs=word%2Clemma%2Ctag&attr_vmode=mouseover&base_viewattr=word&refs=%3Ddoc.title&q=~OsYEGSCYSEes|těchto 20 výskytů]]. Patrně nás nepřekvapí, že až na pár výjimek pocházejí všechny z beletrie: vedle konkrét //tratoliště peří, sazí, tělíček, zrcadel, písku// a expresivnějšího //tratoliště krvavých zvratků// jsou zastoupena i abstrakta: //tratoliště minut, noci, agresivních slov a vět//; poměrně často stojí výraz samostatně, případně je rozvit zleva adjektivem: //rudé, krvavé, divukrásné//.
V SYN2015 by nám po odfiltrování mělo zbýt [[https://kontext.korpus.cz/view?q=~CwuAPcNv&attr_allpos=kw&attrs=word&corpname=syn2015&ctxattrs=word&pagesize=40&refs=%3Ddoc.title&structs=s&viewmode=kwic&|těchto 19 výskytů]]; s výjimkou jediného případu jsou všechny rovněž z beletrie. Vedle metafor krotčejších (//tratoliště voleje, rozbředlého sněhu, moče, vzpomínek, minut, vlastního světla...//) najdeme sem tam nějakou peprnější, např. Hrabalovo //tratoliště básnických chcanek//.
Maličko jiná je situace v SYN2010: 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 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 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 (v korpusu Ortofon pak nenajdeme žádný výskyt). 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]].
Závěrů, které lze z kolokační analýzy odvodit, je celá řada. Vybereme si proto jen ty nejviditelnější. Na první pohled upoutá fakt, že v první desítce kolokátů podle atributu **lc** najdeme jen dva společné: //teprve// a //už//. Synonymní //již// je vyhrazeno skoro výlučně lemmatu //nyní//, což může být důsledek toho, že jak //nyní//, tak //již// mají příznak knižnosti.
^ Pořadí podle logDice ^ Kolokáty //nyní// ^ Kolokáty //teď// ^
^ 1. | již | už |
^ 2. | už | právě |
^ 3. | teprve | ale |
^ 4. | čeká | tady |
^ 5. | však | když |
^ 6. | žije | teprve |
^ 7. | pracuje | zrovna |
^ 8. | hrozí | ? |
^ 9. | máme | mám |
^ 10. | je | co |
Povšimněte si rovněž, že mezi nejčastějšími kolokáty lexému //teď// převažují slova gramatická, kdežto u jeho protějšku je daleko více slov plnovýznamových (autosémantik). Viditelná je zejména preference sloves pojit se s //nyní// (v první desítce jich objevíme hned 6), zatímco //teď// má ve svém okolí spíš modifikátory (adverbia a částice).
Přesnou povahu kolokací zjistíme kliknutím na modře zvýrazněný pozitivní filtr (p). Tímto způsobem např. ověříme, že slovo //už// se objevuje jak na levé, tak na pravé straně obou adverbií, kdežto jiná slova téměř výhradně na jedné straně (//teprve teď/nyní//). Lexém //tady// se kombinuje většinou s //teď//, a to ve spojení //tady a teď// (331krát), ale i //teď a tady// (120) -- zato v úzkém spojení s //nyní// se vyskytuje jen ojediněle (po 1 případu //tady a nyní// a //nyní a tady//).
===== Lekce 7 =====
Publicistické texty z roku 2001 pokrývá korpus [[cnk:syn2005|SYN2005]], zvolíme si proto ten a zadáme v něm tento CQL dotaz: ''[lemma=%%"(?i)dvojče" & word="D.*"%%] within ''. Většina z 31 případů se týká právě newyorských mrakodrapů, manuální filtrací nežádoucích výskytů (pomocí volby **Výběr řádků → Odstranit z výsledku vybrané řádky**) by vám mělo zůstat [[https://kontext.korpus.cz/view?q=~MbHCmhfq&attr_allpos=kw&attrs=word&corpname=syn2005&ctxattrs=word&pagesize=40&refs=%3Dopus.nazev&viewmode=kwic&|těchto 22 výskytů]]. Trvalý subkorpus vytvoříte obdobně zformulovaným dotazem, měl by mít přes 7,8 milionů pozic. Pro kontrolu v něm zkuste zadat první část výše uvedeného dotazu, tedy ''[lemma=%%"(?i)dvojče" & word="D.*"%%]'', opět by vám mělo vyjít 31 výsledků.
Publicistiku z roku 2011 najdeme v korpusu [[cnk:syn2015|SYN2015]]. První část dotazu zůstane stejná (tzn. hledáme lemma //dvojče//, které se v textu vyskytuje s velkým písmenem), oproti starším korpusům se však změnilo označení metainformací, je tedy zapotřebí zapsat dotaz ''[lemma=%%"(?i)dvojče" & word="D.*"%%] within ''. Výsledků je na první pohled výrazně méně, celkem 14, z nichž je navíc zapotřebí odstranit 5 nerelevantních případů, zůstane tak pouze [[https://kontext.korpus.cz/view?q=~xsN03OB8&attr_allpos=kw&attrs=word&corpname=syn2015&ctxattrs=word&pagesize=40&refs=%3Ddoc.title&structs=s&viewmode=kwic&|těchto 9 výskytů]]. Trvalý subkorpus publicistických textů z r. 2011 by měl obsahovat přes 8 milionů wordů.
Aktualizace lexému //tunel// hledáme pomocí dotazu ''[lemma=%%".*tunel.*"%%] within '', případně v již vytvořeném subkorpusu jednoduchým dotazem (s aktivovanými regulárními výrazy a výchozím atributem **lemma**) ''.*tunel.*''. V obou případech dostaneme 339 výskytů. Zatímco samotné základové slovo //tunel// si ve většině případů ponechává svůj původní význam, [[https://www.korpus.cz/kontext/freqs?maincorp=syn2005&viewmode=kwic&pagesize=100&attrs=word&attr_vmode=visible-kwic&base_viewattr=word&refs=%3Dopus.nazev&q=~xKgi4qKikoqI&fcrit=lemma%2Fe%200~0%3E0&flimit=1&fpage=1&ftt_include_empty=0|jeho odvozeniny]] už mají většinou význam přenesený (až na výjimky typu //podtunelování// -- odborný termín, //Eurotunel// -- jméno firmy apod.).
V subkorpusu publicistiky z r. 2011 najdeme 292 výskytů, frekvenční distribuci lemmat můžeme vzájemně porovnat a shrnout např. do následující tabulky (červeně zvýrazněny jsou případy, jež nás zajímají):
^ Lemma ^ 2001pub ^ 2011pub ^
^ tunel | 233 | 245 |
^ tunelář | 29 | 3 |
^ tunelování | 25 | 15 |
^ vytunelovaný | 10 | 6 |
^ vytunelování | 9 | 5 |
^ vytunelovat | 9 | 1 |
^ tunelovat | 8 | 4 |
^ tunelový | 8 | 10 |
^ tunelovaný | 1 | 0 |
^ tunelovitý | 1 | 0 |
^ tuneláž | 0 | 1 |
^ nano-tunel | 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 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)
[...] //moskevská prokuratura ho má za obyčejného //velkotuneláře// a neúspěšně žádala jeho vydání.// (SYN2005)
//Václav Havel v Rudolfinu s vážnou tváří pronesl, že "ekonomická základna je //protunelovaná//, protože se nevyvíjela v řádu Božích přikázání".// (SYN2005)
//A do toho strach, že jsou //podtunelovaný// další banky a že je jen otázka času, kdy se zhroutěj.// (SYN2015)
//Úřady znovu vyšetřují jeho podíl na //vytunelovávání// CS Fondů a okolnostech, za kterých získal MUS.// (SYN2015)
[...] //po letech vrátila bodrý úsměv řadě //supertunelářů//, šéfů H-systému a velkozlodějů všeho druhu.// (SYN2015)