AplikaceAplikace
Nastavení

Rozdíly

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

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze
Předchozí verze
manualy:kontext:kolokace [2018/08/03 17:04] – [Menu: Kolokace] Michal Škrabalmanualy:kontext:kolokace [2018/11/05 23:20] (aktuální) – [Menu: Kolokace] Michal Škrabal
Řádek 1: Řádek 1:
 ====== Menu: Kolokace ====== ====== Menu: Kolokace ======
  
-[{{ :manualy:kontext:kolokace-form.png?direct&300|Formulář pro specifikaci analýzy kolokací FIXME}}]+[{{ :manualy:kontext:kolokace-form.png?direct&300|Formulář pro specifikaci analýzy kolokací }}]
  
 Jednou ze stěžejních vlastností 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 kontext je pro hledaný jev typický.  Jednou ze stěžejních vlastností 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 kontext je pro hledaný jev typický. 
  
  
-Pro identifikaci kolokací se používají [[pojmy:asociacni_miry|asociační míry]], v současnosti se v rozhraní KonText využívá těchto 8 základních: t-score, MI, MI3, log likelihood, min. citlivost, logDice, MI.log_frelativní 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.+Pro identifikaci kolokací se používají [[pojmy:asociacni_miry|asociační míry]], v současnosti se v 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:syn2015|SYN2015]] 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:+Předpokládejme, že jsme v korpusu [[cnk:syn2015|SYN2015]] vytvořili konkordanci lemmatu //dřevo//. Po kliknutí na položku **Kolokace → Vlastní** (lze využít též klávesovou zkratku ''Shift'' + ''C''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, popř. jakýkoli jiný z dostupných atributů)   - **Atribut**: volba [[pojmy:atributy_pozicni|pozičního atributu]] kolokátu (můžeme hledat lemmata v okolí lemmatu //dřevo//, nebo slovní tvary, popř. jakýkoli jiný z dostupných atributů)
-  - **V kontextu**: specifikace kontextového okna (v okolí [[pojmy:kwic|KWIC]]u), 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]])+  - **V kontextu**: specifikace kontextového okna (v okolí [[pojmy:kwic|KWIC]]u), kde budeme kolokáty vyhledávat (záporná čísla označují pozice předcházející KWIC, kladná pozice následující za ním, srov. [[manualy:kontext:frekvence#frekvencni_distribuce_podle_pozicnich_atributu|frekvenční distribuce]])
   - **Minimální frekvence kolokátu 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 kolokátu 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 kolokátu v kontextu**: 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)+  - **Minimální frekvence kolokátu v kontextu**: 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 stejně nebo vícekrát, než je zvolený limit)
   - **Zobrazit míry**: jaké asociační míry budou počítány a vypsány pro každý kolokát, který splňuje podmínky specifikované výše   - **Zobrazit míry**: jaké asociační míry budou počítány a vypsány pro každý kolokát, který splňuje podmínky specifikované výše
   - **Třídit podle**: podle jaké z asociačních měr bude seznam setříděn (faktor podstatný zejména u dlouhých seznamů)   - **Třídit podle**: podle jaké z asociačních měr bude seznam setříděn (faktor podstatný zejména u dlouhých seznamů)
Řádek 21: Řádek 21:
 [{{ :manualy:kontext:kolokace-drevo.png?direct&300|Výpis kolokátů lemmatu //dřevo// }}] [{{ :manualy:kontext:kolokace-drevo.png?direct&300|Výpis kolokátů lemmatu //dřevo// }}]
  
-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...//+Při setřídění výpisu podle [[pojmy:logdice|logDice]] od njevyšší hodnoty se jako nejvýznamnější kolokační kandidáti ukazují tyto tvary: //masivního//, //tvrdého////kus////kovu////tmavého//, //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. +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:frekvence|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:+
  
 +<WRAP round important 70%>
   - 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)   - 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   - 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>