pojmy:anonymizace - 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.

====== Anonymizace dat ======

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 [[pojmy:mluveny#ceske_korpusy_mluveneho_jazyka|ORAL]] se používají pro anonymizaci následující značky:
  * NP = příjmení
  * NN = přezdívka
  * NJ = křestní jméno
  * NM = název místa
  * NO = ostatní vlastní jména
===== 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:

|  byli v hospodě s tima , s bohemistama , jak |  <fc #FF0000>NJ</fc>  | s nima vždycky chodí . . . hmm . . . a to  |
|  náš pes je fakt dobytek . hele , počkej , |  <fc #FF0000>NN</fc>  | , tak teda jak zejtra ? to já nevim eště  |
|  tak sme šli chrápat , ty vole , a |  <fc #FF0000>NN</fc>  | eště hrozně řešil : <nowiki>"</nowiki> no , ty vole  |
|  sou příjemný náhodou . sou . vopravdu jo . Jana |  <fc #FF0000>NP</fc>  | je má v modrym . nó . na ty sem  |
|  jít na sociálku . ale volala , že jedou z |  <fc #FF0000>NM</fc>  | , jesli sem doma , že za chvíli sou tam  |

 --- //M. Kopřivová, V. Cvrček//

==== Související odkazy ====
<WRAP round box 49%>
[[cnk:struktura#korpusy_mluvene|Korpusy mluvené češtiny]] • [[pojmy:anotace|Anotace korpusů]] • [[cnk:oral2006|ORAL2006]] • [[cnk:oral2008|ORAL2008]] • [[cnk:bmk|BMK]] • [[cnk:pmk|PMK]]
</WRAP>

Historie: • zaciname • verzovany • txtype • monokolokabilita • strukturni_atributy_mluvene • nahodne_vzorky • akvizicni_korpus • anonymizace • verbtagy_detail • desambiguace