| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| pojmy:anonymizace [2013/09/11 14:39] – Schvaleno pro 1. verzi vaclavcvrcek | pojmy:anonymizace [2014/11/24 11:46] (aktuální) – vaclavcvrcek |
|---|
| ====== 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=<nowiki>"</nowiki>N[PNJMO]<nowiki>"</nowiki>]'' a jeho [[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: |
| |
| | byli v hospodě s tima , s bohemistama , jak | <fc #FF0000>NJ</fc> | s nima vždycky chodí . . . hmm . . . a to | | | byli v hospodě s tima , s bohemistama , jak | <fc #FF0000>NJ</fc> | s nima vždycky chodí . . . hmm . . . a to | |
