| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| manualy:kontext:filtr [2023/08/29 17:35] – jankrivan | manualy:kontext:filtr [2023/08/30 12:34] (aktuální) – [První nálezy ve větách] jankrivan |
|---|
| V rámci formuláře je třeba vybrat nastavení specifikující podmínku (ta je ve své podstatě dalším dotazem aplikovaným na výsledky původního hledání), zejména formulovat **samotný filtrující dotaz** (ať už jednoduchý, nebo pokročilý) a následně ve zvláštním oddílu formuláře upravit upřesňující parametry: | V rámci formuláře je třeba vybrat nastavení specifikující podmínku (ta je ve své podstatě dalším dotazem aplikovaným na výsledky původního hledání), zejména formulovat **samotný filtrující dotaz** (ať už jednoduchý, nebo pokročilý) a následně ve zvláštním oddílu formuláře upravit upřesňující parametry: |
| |
| * **Rozsah hledání**, tj. rozsah kontextu, v němž se filtrovaný jev bude hledat; implicitně je nastaven na hledání v okolí pěti tokenů nalevo a napravo od [[pojmy:kwic|KWICu]] (-5 5) včetně KWIC. Pokud chceme filtr omezit například jen na KWIC, změníme rozsah na nulový (0 0) včetně KWIC. | * **Rozsah hledání**, tj. rozsah kontextu, v němž se filtrovaný jev bude hledat; implicitně je nastaven na hledání v okolí pěti tokenů nalevo i napravo od [[pojmy:kwic|KWICu]] (-5 5) včetně KWIC. Pokud chceme filtr omezit například jen na KWIC, změníme rozsah na nulový (0 0) včetně KWIC. |
| |
| * Další parametry jsou stejné jako u úvodního dotazu: **výchozí [[pojmy:atributy_pozicni|poziční atribut]]**, který je při filtrování implicitně nastaven jako ''word''; v režimu jednoduchého dotazu je to dále zohlednění **velikosti písmen** (case-sensitivity) a také povolení **použití [[pojmy:regularni_vyrazy|regulárních výrazů]]**. | * Další parametry jsou stejné jako u úvodního dotazu: **výchozí [[pojmy:atributy_pozicni|poziční atribut]]**, který je při filtrování implicitně nastaven jako ''word''; v režimu jednoduchého dotazu je to dále zohlednění **velikosti písmen** (case-sensitivity) a také povolení **použití [[pojmy:regularni_vyrazy|regulárních výrazů]]**. |
| ==== Vyhodnocení filtru ==== | ==== Vyhodnocení filtru ==== |
| |
| Vyhodnocení filtru automaticky přesměruje uživatele na stránku s aktualizovanou konkordancí. V případě negativního filtru jsou specifikované případy z konkordance vymazány (sníží se také počet konkordančních řádků). V případě filtru pozitivního jsou ve výsledné konkordanci pouze vyhovující řádky, celková frekvence je rovněž adekvátně snížena, kookurence v kontextu (jsou-li nějaké) jsou vyznačeny červenou barvou. | Vyhodnocení filtru automaticky přesměruje uživatele na stránku s aktualizovanou konkordancí. V případě negativního filtru jsou specifikované případy z konkordance vymazány (čímž se sníží počet konkordančních řádků). V případě filtru pozitivního jsou ve výsledné konkordanci pouze vyhovující řádky, celková frekvence je rovněž adekvátně snížena, kookurence v kontextu (jsou-li nějaké) jsou vyznačeny červenou barvou. |
| |
| ===== Odstranění vnořených shod ===== | ===== Odstranění vnořených shod ===== |
| |
| Volbu **Filtr > Odstranit vnořené shody** se vyplatí použít v případě, kdy výsledkům dotazu odpovídají různě dlouhé řetězce KWICů (struktury), které mohou být do sebe vnořeny. V takovém případě zůstane po odstranění vnořených shod zobrazena pouze struktura vnější, tj. nejdelší možný řetězec KWICů. | Volbu **Filtr > Odstranit vnořené shody** se vyplatí použít v případě, kdy výsledkům dotazu odpovídají různě dlouhé řetězce (struktury) KWICů, z nichž některé jsou do sebe vnořeny. V takovém případě zůstane po odstranění vnořených shod zobrazena pouze struktura vnější, tj. nejdelší možný řetězec KWICů. |
| |
| Například budeme chtít vyhledat doklady citoslovečného výrazu //hip hurá//, v němž se první slovo může libovolně opakovat. Zvolíme pokročilý dotaz ''%%[lc="hip"]+ [lc="hurá"]%%'', v němž se nerozlišuje velikost písmen. Výsledkem budou jak konkordance s jedním výskytem slova //hip//, tak s jeho více výskyty. V případě více výskytů slova //hip// se však mezi výsledky zároveň objeví i konkordance s jeho nižším počtem výskytů: | Například budeme chtít vyhledat doklady citoslovečného výrazu //hip hurá//, v němž se první slovo může libovolně opakovat. Zvolíme pokročilý dotaz ''%%[lc="hip"]+ [lc="hurá"]%%'', v němž se nerozlišuje velikost písmen. Výsledkem budou jak konkordance s jedním výskytem slova //hip//, tak s jeho více výskyty. V případě více výskytů slova //hip// se však mezi výsledky zároveň objeví i konkordance s jeho nižším počtem výskytů: |
| |
| ''Položil jsem sluchátko a zařval jsem <fc #FF0000>Hip hip</fc> hurá !''\\ | ''Položil jsem sluchátko a zařval jsem <fc #FF0000>Hip hip hurá</fc> !''\\ |
| ''Položil jsem sluchátko a zařval jsem Hip <fc #FF0000>hip</fc> hurá !'' | ''Položil jsem sluchátko a zařval jsem Hip <fc #FF0000>hip hurá</fc> !'' |
| |
| Po aplikaci filtru zůstane zobrazena pouze konkordance s vyzačeným KWICem ''<fc #FF0000>Hip hip</fc>'', tj. vnější struktura s opakováním řetězce //hip//. | Po aplikaci filtru zůstane zobrazena pouze konkordance s vyznačeným KWICem ''<fc #FF0000>Hip hip hurá</fc>'', tj. vnější struktura s opakováním řetězce //hip//. |
| |
| Odstranění vnořených shod je důležité zvláště tehdy, když potřebujeme s výsledky dále statisticky pracovat. | Odstranění vnořených shod je důležité zvláště tehdy, když potřebujeme s výsledky dále statisticky pracovat. |
| Tyto filtry použijeme v případě, kdy se uvnitř určitého dokumentu nebo věty vyskytuje více výsledků pro zadaný dotaz, ale nás v nich zajímá pouze jeden (vždy se zobrazí ten první) doklad. Výsledky přitom oproti vnořeným shodám nemusejí být do sebe vnořené. | Tyto filtry použijeme v případě, kdy se uvnitř určitého dokumentu nebo věty vyskytuje více výsledků pro zadaný dotaz, ale nás v nich zajímá pouze jeden (vždy se zobrazí ten první) doklad. Výsledky přitom oproti vnořeným shodám nemusejí být do sebe vnořené. |
| |
| **První nálezy v dokumentech** můžeme například použít v případě, kdy se ve výsledcích objevují konkordance převážně z několika zdrojů, ale nás zajímají i jiná užití tohoto slova. | ==== První nálezy v dokumentech === |
| |
| Například lemma **hnojník** má v SYN2020 celkem 111 dokladů, ale celých 79 dokladů je obsaženo jen v jednom dokumentu (Encyklopedie léčivých hub). Slovo //hnojník// přitom představuje homonymum, které vedle houby může znamenat i skladiště hnoje nebo brouka. Tyto doklady na stránce plné konkordancí z jednoho zdroje zanikají. Při zobrazení jen prvních nálezů v dokumentech doklady na ostatní významy objevíme snáz. Tato funkce tedy může sloužit jako nástroj pro vytváření zvláštního systematického vzorku (oproti vytváření [[manualy:kontext:konkordance#vzorek|vzorku náhodného]]). | Volbu první nálezy v dokumentech můžeme například použít v případě, kdy se ve výsledcích objevují konkordance převážně z jednoho nebo jen z několika zdrojů, ale nás zajímají i další užití tohoto slova, která mezi převažujícími konkordancemi zanikají. |
| |
| **První nálezy ve větách** potom použijeme v případě, kdy se (nevnořené) výsledky hledání opakují uvnitř jedné věty, ale nás opět zajímá pouze jeden (první) doklad. Může jít například o hledání víceslovných spojení pomocí atributu [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_lemma]], který je k dispozici ve verzovaných korpusech SYN, např. v syn_v11. | Například lemma **hnojník** má v SYN2020 celkem 111 dokladů, ale celých 79 dokladů je obsaženo jen v jednom dokumentu (Encyklopedie léčivých hub). Slovo //hnojník// přitom představuje homonymum, které vedle houby může znamenat i skladiště hnoje nebo brouka. Tyto doklady na stránce konkordancí zanikají. Při zobrazení jen prvních nálezů v dokumentech doklady na ostatní významy objevíme snáz. Tato funkce tedy může sloužit jako nástroj pro vytváření zvláštního systematického vzorku (oproti vytváření [[manualy:kontext:konkordance#vzorek|vzorku náhodného]]). |
| |
| Zadáme-li dotaz ''%%[col_lemma="bát_se_jako_čert_kříže"]%%'', dostaneme mj. tyto výsledky: | ==== První nálezy ve větách === |
| | |
| | Filtrování pomocí prvních nálezů ve větách použijeme v případě, kdy se výsledky hledání opakují uvnitř jedné věty, ale nás opět zajímá pouze jeden (vždy se opět zobrazí ten první) doklad. |
| | |
| | Může jít například o hledání víceslovných spojení pomocí atributu [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_lemma]], který je k dispozici ve verzovaných korpusech SYN, např. v syn_v11. |
| | |
| | Zadáme-li dotaz ''%%[col_lemma="bát_se_jako_čert_kříže"]%%'', dostaneme mj. těchto pět výsledků: |
| |
| ''Jak ji znám , <fc #FF0000>bojí</fc> se hospod jako čert kříže !''\\ | ''Jak ji znám , <fc #FF0000>bojí</fc> se hospod jako čert kříže !''\\ |
| ''Jak ji znám , bojí se hospod jako čert <fc #FF0000>kříže</fc> !''\\ | ''Jak ji znám , bojí se hospod jako čert <fc #FF0000>kříže</fc> !''\\ |
| |
| Totožnou hodnotou atributu col_lemma jsou totiž postupně označeny všechny části daného víceslovného spojení. Po použití filtru se pak zobrazí jen první doklad, tedy zobrazí se jedna konkordance pro jedno víceslovné spojení (tedy pro frazém //bát se jako čert kříže/ú). | Totožnou hodnotou atributu col_lemma jsou totiž postupně označeny všechny části daného víceslovného spojení. Po použití filtru se pak už zobrazí jen první doklad, tedy jedna konkordance pro jedno víceslovné spojení (frazém //bát se jako čert kříže//), pouze s prvním slovem zvýrazněným jako KWIC. |
| | |
| | Jak bylo uvedeno na začátku této kapitoly, k podobným výsledkům se lze často dostat různými způsoby. Každá automaticky anotovaná kolokace má zároveň jednoho ze svých členů označeného pomocí dvoumístného pozičního atributu [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_type]] s písmenem ''H'' na druhé pozici. Na výše uvedené výsledky bychom tedy mohli uplatnit pozitivní filtr na pozici KWIC s hodnotou ''%%[col_type=".H"]%%'' nebo bychom úvodní dotaz také mohli přímo formulovat jako ''%%[col_lemma="bát_se_jako_čert_kříže" & col_type=".H"]%%'' V takovém případě se vždy zobrazí pouze doklad s vyznačeným tvarem //kříže//, protože jeho hodnota atributu col_type je rovna ''PH''. |
| |
| ---- | ---- |
