manualy:kontext:kolokace - 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: Kolokace ======

Jednou ze stěžejních vlastností [[manualy:kontext:index|rozhraní KonText]] je možnost identifikovat pomocí statistických metod [[pojmy:kolokace|kolokace]] k vyhledanému slovu. Kolokací se přitom rozumí smysluplné, ustálené, syntagmatické spojení dvou (nebo víc) slov v blízkém kontextu. Kolokace je tvořena základovým slovem (**node**, většinou se jedná o [[pojmy:kwic|KWIC]]) a kontextovým slovem (**kolokátem**). Seznam kolokátů, s kterými se hledané slovo nebo slovní spojení pojí, je základem korpusové analýzy, protože umožňuje vysledovat, jaký konktext je pro hledaný jev typický.

[{{ :manualy:kontext:kolokace-form.png?direct&300|Formulář pro specifikaci analýzy kolokací FIXME}}]

Pro identifikaci kolokací se používají [[pojmy:asociacni_miry|asociační míry]], v současnosti se v [[manualy:kontext:index|rozhraní KonText]] využívá těchto 8 základních: t-score, MI, MI3, log likelihood, min. citlivost, logDice, MI.log_f, relativní frekvence. Každá z měr je citlivá na jiný typ slovního spojení a každá v některých případech selhává, je proto obecně doporučeníhodné míry kombinovat a porovnávat jejich výstupy. Výsledkem statistické analýzy pomocí asociačních měr je seznam kolokačních **kandidátů**, o jejichž skutečné kolokační platnosti musí rozhodnout až badatel.

Předpokládejme, že jsme v korpusu [[cnk:syn2010|SYN2010]] [[manualy:kontext:novy_dotaz|vytvořili konkordanci]] lemmatu //dřevo//. Po kliknutí na položku Kolokace v menu se zobrazí zadávací formulář kolokační analýzy. V něm je možné specifikovat následující hodnoty hledání kolokací v rámci vytvořené konkordance:

  - **Atribut**: volba [[pojmy:atributy_pozicni|pozičního atributu]] kolokátu (můžeme hledat lemmata v okolí lemmatu //dřevo//, nebo slovní tvary, nebo jakýkoli jiný z dostupných atributů)
  - **V rozsahu od - do**: specifikace kontextového okna (v okolí [[pojmy:kwic|KWICu]]), kde budeme kolokáty vyhledávat (záporná čísla označují pozice předcházející KWIC, kladná pozice následující za ním, srov. [[manualy:kontext:frekvencni_distribuce#frekvencni_distribuce_podle_pozicnich_atributu|frekvenční distribuce]])
  - **Minimální frekvence v korpusu**: stanovení minimální celkové frekvence jednotky, která může být do seznamu kolokátů zařazena (kolokátem lemmatu //dřevo// se tak v případě stanovení minimální frekvence 5 nemůžou stát jednotky, které se v celém korpusu vyskytují méně než pětkrát)
  - **Minimální frekvence v daném rozsahu**: pokud jsme specifikovali kontextové okno hledání kolokátů od -3 do 3, pak volba minimální frekvence v rozsahu určuje, kolikrát se jednotka musí v okolí KWICu vyskytovat, aby byla zařazena do seznamu kolokátů (při výpočtu asociačních měr budou brány v potaz pouze jednotky, které se v okolí KWICu, v našem případě lemmatu //dřevo//, vyskytují alespoň třikrát)
  - **Zobrazit funkce**: jaké asociační míry budou počítány a vypsány pro každý kolokát, který splňuje podmínky specifikované výše
  - **Setřídit dle**: podle jaké z asociačních měr bude seznam setříděn (podstatné zejména u dlouhých seznamů)

===== Výpis kolokátů =====

[{{ :manualy:kontext:kolokace-drevo.png?direct&300|Výpis kolokátů lemmatu //dřevo// FIXME}}]

Pro lemma //dřevo// bylo na základě zadaných specifikací nalezeno celkem 2386 různých slovních tvarů (atribut [[pojmy:word|word]]), které můžou fungovat jako jeho kolokáty. Při setřídění podle [[pojmy:logdice|logDice]] se jako nejvýznamnější kolokační kandidáti ukazují tvary: //tvrdého, bázi, kus, kusy, dubového...//

V seznamu najdeme pro každou jednotku jednak celkovou frekvenci souvýskytu vyhledaného jevu a jeho kolokátu (např. lemmatu //dřevo// a kolokátu //tvrdého//) a jednak hodnoty vybraných asociačních měr pro takovéto spojení. Při kliknutí na záhlaví tabulky je možné seznam přetřídit podle zvolené veličiny. Stejně jako ve výpisu [[manualy:kontext:frekvencni_distribuce|frekvenční distribuce]] je i v seznamu kolokátů možné pomocí odkazů **p/n** vytvořit pozitivní nebo negativní filtr, který hledá kolokát v okolí původního KWICu.

Na místě je dvojí upozornění:

  - V seznamu kolokátů se zobrazují všechna slova, která odpovídají specifikacím kontextového okna a minimální frekvence v korpusu a v rozsahu, bez ohledu na to, zda se skutečně o kolokát jedná či ne. Asociační míry slouží pouze k setřídění všech jednotek splňujících zadaná kritéria – to, jestli dané slovo skutečně funguje v kolokaci s vyhledaným jevem (jestli s ním např. tvoří syntagma), je otázka dalšího zkoumání, která nemůže být rozhodnuta čistě na základě hodnoty asociační míry (ta funguje spíše jako pomůcka pro odfiltrování nezajímavých a statisticky nevýznamných kolokátů na konec seznamu)
  - Každá [[pojmy:asociacni_miry|asociační míra]] je citlivá na jiný druh kolokací; je proto vhodné kolokační seznam procházet opakovaně po setřídění dle různých asociačních měr



----

<WRAP center round box 44%>
**[[manualy:kontext:index|Menu]]**: [[manualy:kontext:novy_dotaz|Dotaz]] • [[manualy:kontext:subkorpus|Subkorpusy]] • [[manualy:kontext:ulozit|Uložit]] • [[manualy:kontext:konkordance|Konkordance]] • [[manualy:kontext:filtr|Filtr]] • [[manualy:kontext:frekvencni_distribuce|Frekvence]] • [[[[manualy:kontext:kolokace|Kolokace]] • [[moznosti_zobrazeni|Zobrazení]] • [[manualy:kontext:napoveda|Nápověda]]
</WRAP>
Historie: • korpusove_casopisy • jerome • akvizicni_korpus • napoveda • eparent • zobrazeni • struktura • frekvence • tokenizace • lemmatizace