| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| pojmy:anonymizace [2013/08/21 09:20] – alzbetavitkova | pojmy:anonymizace [2014/11/24 11:46] (aktuální) – Václav Cvrček |
|---|
| ====== Anonymizace dat ====== | ====== Anonymizace dat ====== |
| |
| Anonymizace je odstranění osobních údajů z korpusových dat. Týká se především [[cnk:struktura|korpusů mluveného jazyka]], ve kterých jsou osobní data ze zvukového záznamu odstraněna a v přepise jsou dohodnutým způsobem kódována. Jedná se především o příjmení, přezdívky, místní jména, adresy, telefonní čísla a podobně. Kódování v přepise může být buď formou číselného či písmenného kódu, nebo zde může být použito „univerzální“ příjmení, místní jméno apod. Tento druhý způsob je výhodný pro následnou morfologickou analýzu, protože zachovává gramatické kategorie původního jména. | Anonymizace je odstranění osobních údajů z korpusových dat. Týká se především [[cnk:struktura#korpusy_mluvene|korpusů mluveného jazyka]], ve kterých jsou osobní data ze zvukového záznamu odstraněna a v přepise jsou dohodnutým způsobem kódována. Jedná se především o příjmení, přezdívky, místní jména, adresy, telefonní čísla a podobně. Kódování v přepise může být buď formou číselného či písmenného kódu, nebo zde může být použito „univerzální“ příjmení, místní jméno apod. Tento druhý způsob je výhodný pro následnou [[pojmy:morfologicka_analyza|morfologickou analýzu]], protože zachovává gramatické kategorie původního jména. |
| |
| V mluvených korpusech řady ORAL se používají pro anonymizaci následující značky: | V mluvených korpusech řady [[pojmy:mluveny#ceske_korpusy_mluveneho_jazyka|ORAL]] se používají pro anonymizaci následující značky: |
| * NP = příjmení | * NP = příjmení |
| * NN = přezdívka | * NN = přezdívka |
| * NM = název místa | * NM = název místa |
| * NO = ostatní vlastní jména | * NO = ostatní vlastní jména |
| |
| ===== Ukázka z korpusu ORAL2008 ===== | ===== Ukázka z korpusu ORAL2008 ===== |
| |
| Dotaz, kterým najdeme všechny anonymizační značky v tomto korpusu, má tuto podobu: ''[word="N[PNJMO]"]'' a jeho [[https://www.korpus.cz/corpora/run.cgi/first?reload=&corpname=oral2008&queryselector=cqlrow&iquery=&phrase=&word=&char=&cql=%5Bword%3D%22N%5BPNJMO%5D%22%5D&default_attr=word&fc_lemword_window_type=both&fc_lemword_wsize=5&fc_lemword=&fc_lemword_type=all|výsledkem]] jsou např. tyto věty: | Dotaz, kterým najdeme všechny anonymizační značky v tomto korpusu, má tuto podobu: ''[word=<nowiki>"</nowiki>N[PNJMO]<nowiki>"</nowiki>]'' a jeho výsledkem jsou např. tyto věty: |
| |
| <latex> | | byli v hospodě s tima , s bohemistama , jak | <fc #FF0000>NJ</fc> | s nima vždycky chodí . . . hmm . . . a to | |
| \begin{tabular}{rcl} | | náš pes je fakt dobytek . hele , počkej , | <fc #FF0000>NN</fc> | , tak teda jak zejtra ? to já nevim eště | |
| byli v hospodě s tima , s bohemistama , jak & NJ & s nima vždycky chodí \dots hmm . \dots a to\\ | | tak sme šli chrápat , ty vole , a | <fc #FF0000>NN</fc> | eště hrozně řešil : <nowiki>"</nowiki> no , ty vole | |
| náš pes je fakt dobytek . hele , počkej , & NN & , tak teda jak zejtra ? to já nevim eště\\ | | sou příjemný náhodou . sou . vopravdu jo . Jana | <fc #FF0000>NP</fc> | je má v modrym . nó . na ty sem | |
| tak sme šli chrápat , ty vole , a & NN & eště hrozně řešil : " no , ty vole\\ | | jít na sociálku . ale volala , že jedou z | <fc #FF0000>NM</fc> | , jesli sem doma , že za chvíli sou tam | |
| sou příjemný náhodou . sou . vopravdu jo . Jana & NP & je má v modrym . nó . na ty sem\\ | |
| jít na sociálku . ale volala , že jedou z & NM & , jesli sem doma , že za chvíli sou tam\\ | |
| \end{tabular} | |
| </latex> | |
| |
| --- //M. Kopřivová, V. Cvrček// | --- //M. Kopřivová, V. Cvrček// |
