manualy:kontext:filtr - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.
====== Menu: Filtr ======

Filtrování výsledku hledání ([[pojmy:konkordance|konkordance]]) slouží k zpřesnění původně položeného dotazu dodatečnou podmínkou. Obecně je možné říct, že jakýkoli filtr je možné nahradit složitějším [[pojmy:dotazovaci_jazyk|CQL]] dotazem, nicméně v některých typech výzkumu je lepší postupovat od obecnějšího zadání postupným specifikováním výsledku, kterého chceme dosáhnout. Výhodou takové cesty je možnost průběžné kontroly toho, jaké výsledky se v konkordanci objevují.

Základními typy jsou **filtry pozitivní a negativní** specifikované dalším filtrujícím dotazem. Ve zvláštních případech se vyplatí použít připravený filtr **odstranění vnořených shod** a vyfiltrování **prvních výskytů v dokumentech nebo ve větách**.

===== Pozitivní filtr a negativní filtr =====

[{{ :manualy:kontext:filtr.png?direct&300|Formulář filtrování }}]

V rozhraní KonText máte na výběr ze dvou základních typů filtrování. Vyvolávají se přes položku **Filtr > Pozitivní...** a **Filtr > Negativní...** anebo stisknutím klávesy ''F'':
  - P-filtr (pozitivní filtr) 
  - N-filtr (negativní filtr)

Zatímco pozitivní filtr slouží k výběru podmnožiny konkordancí z výchozího seznamu, negativní filtr umožňuje některé nehodící se konkordance ze seznamu vyřadit. V případě P-filtru tak uživatel specifikuje podmínku, jejíž splnění podmiňuje ponechání řádku v konkordančním seznamu. N-filtr na základě uživatelovy specifikace naopak identifikuje ty konkordance, které je třeba z výsledku vyřadit (to, co odpovídá podmínce, je vyloučeno).

==== Nastavení filtru ====

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.

  * 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]]**.
 
  * Volba **Zvýraznění shody** (s hodnotami **první shoda**, **poslední shoda**) má smysl pouze při pozitivním filtrování: 

[{{ :manualy:kontext:filtr_konkordance.png?direct&300|Výsledná konkordance lemmatu //klidný// s pozitivním filtrem hledajícím //a// v bezprostředním sousedství. }}]

=== Zvýraznění shody ===

Nastavení specifikuje, které z kontextových slov má být označeno jako kookurence ke KWICu v případě, že se v jeho okolí nachází takových slov víc. Představme si, že při hledání [[pojmy:lemma|lemmatu]] //klidný// najdeme i větu: 

''Stal se nervózním a <fc #FF0000>neklidným</fc> a jeho oči těkaly''. 

Budeme-li chtít vyfiltrovat pouze ty konkordance, kde se v bezprostředním okolí lemmatu //klidný// objevuje spojka //a//, budeme mít v tomto případě dvě možnosti: buď jako kookurenci označíme předcházející spojku, nebo spojku následující za KWICem. Pokud v nastavení filtru zvolíme **první shoda** vybraný token, bude označen v hledaném kontextovém rozsahu ten nejvíce nalevo, v případě volby **poslední shoda** bude označen ten nejvíce napravo.

==== 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.

===== 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.

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 Hip <fc #FF0000>hip</fc> hurá !''

Po aplikaci filtru zůstane zobrazena pouze konkordance s vyzačeným KWICem ''<fc #FF0000>Hip hip</fc>'', tj. vnější struktura s opakováním řetězce //hip//.

Odstranění vnořených shod je důležité zvláště tehdy, když potřebujeme s výsledky dále statisticky pracovat.

===== První nálezy v dokumentech a ve větách =====

Volby **Filtr > První nálezy v dokumentech** a **Filtr > První nálezy ve větách** mohou mít částečně podobné využití jako odstranění vnořených shod, ale princip je odlišný.

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 ===

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.

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]]).

==== 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 , bojí <fc #FF0000>se</fc> hospod jako čert kříže !''\\
''Jak ji znám , bojí se hospod <fc #FF0000>jako</fc> čert kříže !''\\
''Jak ji znám , bojí se hospod jako <fc #FF0000>čert</fc> kříže !''\\
''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 už zobrazí jen první doklad, tedy jedna konkordance pro jedno víceslovné spojení (frazém //bát se jako čert kříže//).


----


<WRAP center round box 48%>
**[[manualy:kontext:index|Menu]]**: [[manualy:kontext:novy_dotaz|Dotaz]] • [[manualy:kontext:korpusy|Korpusy]] • [[manualy:kontext:ulozit|Uložit]] • [[manualy:kontext:konkordance|Konkordance]] • [[manualy:kontext:filtr|Filtr]] • [[manualy:kontext:frekvence|Frekvence]] • [[[[manualy:kontext:kolokace|Kolokace]] • [[zobrazeni|Zobrazení]] • [[manualy:kontext:napoveda|Nápověda]]
</WRAP>
Historie: • frekvence • koditex • tokenizace • filtr • syn2013pub • oral • frekvencni_distribuce • kolokace • syntakticka_analyza • syn2010