| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| pojmy:atributy_pozicni [2013/09/11 17:46] – Schvaleno pro 1. verzi vaclavcvrcek | pojmy:atributy_pozicni [2022/01/03 16:49] (aktuální) – jankrivan |
|---|
| ====== Poziční atributy ====== | ====== Poziční atributy ====== |
| |
| Pozičními atributy v korpusech jsou myšleny dodané informace, které se vztahují k jednomu [[pojmy:token|tokenu]] (k jedné textové [[pojmy:pozice|pozici]]). Každý text je při vstupu do korpusů zpřístupňovaných [[rozhraním XX]] opatřen [[pojmy:anotace|anotací]]. Ta část anotace, která neobsahuje informace o textu jako celku, z něhož hledaný jev pochází, ale o jevu samotném, je dostupná právě pomocí pozičních atributů. (Jinými slovy jde o rozdíl mezi informacemi **metatextovými**, z nichž se některé musí doplňovat ručně – např. autor textu, rok vydání apod. – a automaticky přiřazovanými informacemi **vnitrotextovými**, k jejichž získání se užívají různé nástroje, např. tagger). | Pozičními atributy v korpusech jsou myšleny dodané informace, které se vztahují k jednomu [[pojmy:token|tokenu]] (k jedné textové [[pojmy:pozice|pozici]]). Každý text je při vstupu do korpusů zpřístupňovaných rozhraním [[manualy:kontext:index|KonText]] opatřen [[pojmy:anotace|anotací]]. Ta část anotace, která neobsahuje informace o textu jako celku, z něhož hledaný jev pochází, ale o jevu samotném, je dostupná právě pomocí pozičních atributů. (Jinými slovy jde o rozdíl mezi informacemi **metatextovými**, z nichž se některé musí doplňovat ručně – např. autor textu, rok vydání apod. – a automaticky přiřazovanými informacemi **vnitrotextovými**, k jejichž získání se užívají různé nástroje, např. [[pojmy:tag|tagger]] nebo [[pojmy:parser|parser]]). |
| |
| Základními pozičními atributy jsou: | Základními pozičními atributy jsou: |
| * [[pojmy:word|word]] - slovní tvar (např. //kočce, piš, při// ) | * [[pojmy:word|word]] - slovní tvar (např. //kočce, piš, při// ) |
| * [[pojmy:lemma|lemma]] - základní (slovníkový) tvar (např. //kočka, psát, pře// nebo //při//) | * [[pojmy:lemma|lemma]] - základní (slovníkový) tvar (např. //kočka, psát, pře// nebo //při//) |
| * [[pojmy:tag|tag]] - značka zachycující morfologickou (příp. i jinou, obvykle gramatickou) informaci | * [[pojmy:lemma#sublemma|sublemma]] (od [[cnk:syn2020|SYN2020]]) - základní (slovníkový) tvar odpovídající variantě (např. //filosof//, //filozof// nebo //mejdlo//, //mýdlo//) |
| | * [[pojmy:tag|tag]] - značka zachycující [[pojmy:morfologicka_analyza|morfologickou]] (příp. i jinou, obvykle gramatickou) informaci |
| | * [[pojmy:verbtag|verbtag]] (od [[cnk:syn2020|SYN2020]]) - značka gramatických kategorií slovesa |
| |
| Mezi méně využívané poziční atributy patří: | Z těchto základních atributů jsou pro snazší práci s korpusy odvozeny následující atributy: |
| * lc - (z angl. //lowercase//) ekvivalent slovního tvaru, který ovšem zanedbává velikost písmen | * sword (od [[cnk:syn2020|SYN2020]], kde však označeno jako ''sforma'') - syntaktický slovní tvar, v rámci [[pojmy:agregát|agregátu]] odpovídá jeho uspořádání (např. //%%se|s%%//, //%%slyšela|s%%//, //%%a|by%%//, //%%kdy|bych%%//), jinak je totožný s atributem ''word'' |
| * pos - (z angl. //part of speech//) značka slovního druhu | * lc - (z angl. //lowercase//) slovní tvar malými písmeny (odvozen z atributu ''word'') |
| | * lemma_lc - (z angl. //lemma in lowercase//) lemma malými písmeny (odvozeno z atributu ''lemma'') |
| | * sublemma_lc - (z angl. //sublemma in lowercase//) sublemma malými písmeny (odvozeno z atributu ''sublemma'') |
| | * pos - (z angl. //part of speech//) slovní druh (odvozen z atributu [[pojmy:tag|tag]], odpovídá 1. pozici tagu) |
| | * case - pád (odvozen z atributu [[pojmy:tag|tag]], odpovídá 5. pozici tagu) |
| |
| Specifické jsou atributy, které vznikají derivací z morfologické značky: | [[pojmy:syntakticka_analyza|Syntaktickou anotaci]] (od [[cnk:syn2015|SYN2015]]) zachycují atributy: |
| * k - vyjadřuje slovní druh, identický s první pozicí morfologického tagu | * [[seznamy:afun|afun, p_afun, ep_afun]] - u každého tokenu uvádí syntaktickou funkci |
| * g - vyjadřuje jmenný rod, identický s třetí pozicí morfologického tagu | * [[seznamy:parent|parent]] - relativní pozice tokenu, na němž je daný token závislý |
| * c - vyjadřuje pád, identický s pátou pozicí morfologického tagu | * [[seznamy:eparent|eparent]] - pouze u autosémantických slov; vyjadřuje relativní pozici nejbližšího autosémantického tokenu, na němž je daný token závislý |
| Tyto tagy jsou užívány při analýze slovních profilů ([[pojmy:korpusovy_manazer#sketch_engine|Word Sketches]]) a téměř nemají další praktické uplatnění. | * [[seznamy:p_tag|p_tag, p_lemma]] - tag a lemma řídícího tokenu |
| | * [[seznamy:p_tag|ep_tag, ep_lemma]] - totéž jako ''p_tag'' a ''p_lemma'', ale pouze u autosémantických slov |
| | * [[seznamy:prep|prep]] - u jmen řízených předložkou uvádí lemma předložky |
| |
| Různé korpusy můžou mít rozdílnou sadu pozičních atributů v závislosti na propracovanosti anotace a výzkumných cílech, s nimiž byl daný korpus vytvářen. | [[pojmy:frazem#frazemy_v_korpusech|Frazémovou anotaci]] zajišťují (pouze v korpusech [[cnk:syn|SYN]], od verze 4) atributy: |
| | * [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_lemma]] (collocation lemma) - lemma víceslovné jednotky v podobě slovníkového hesla v základním tvaru |
| | * [[seznamy:frazemy#oznaceni_automaticky_identifikovanych_viceslovnych_jednotek_v_korpusu|col_type]] - (collocation type) - určuje druh víceslovné jednotky a rozlišuje její hlavní a závislá slova |
| | |
| | [[seznamy:mluvene_atributy|Poziční atributy specifické pro některé mluvené korpusy]]: |
| | * fon - fonetický přepis slovního tvaru (pokud primární vrstva ''word'' obsahuje standardizovaný přepis) |
| | * dial - nářeční přepis slovního tvaru (pokud primární vrstva ''word'' obsahuje standardizovaný přepis) |
| | * ort - standardizovaný přepis slovního tvaru (pokud primární vrstva ''word'' obsahuje nářeční přepis) |
| | * uid - sdružuje pozice vyslovené v rámci jedné repliky |
| | |
| | Méně využívané nebo neaktuální poziční atributy: |
| | * [[seznamy:proc|proc]] - informace o konkrétním procesu, který je zodpovědný za [[pojmy:desambiguace|disambiguaci]] |
| | * k - slovní druh (odvozen z atributu [[pojmy:tag|tag]], nahrazeno atributem ''pos'') |
| | * g - jmenný rod (odvozen z atributu [[pojmy:tag|tag]]) |
| | * c - pád (odvozen z atributu [[pojmy:tag|tag]], nahrazeno atributem ''case'') |
| | |
| | **Různé korpusy mají typicky rozdílnou sadu pozičních atributů** v závislosti na propracovanosti anotace a výzkumných cílech, s nimiž byl daný korpus vytvářen. |
| |
| ==== Související odkazy ==== | ==== Související odkazy ==== |
| <WRAP round box 49%> | <WRAP round box 45%> |
| [[pojmy:dotazovaci_jazyk|Dotazovací jazyk]] • [[pojmy:atributy_strukturni|Strukturní atributy]] • [[pojmy:struktura_korpusu|Struktura korpusu]] | [[pojmy:dotazovaci_jazyk|Dotazovací jazyk]] • [[pojmy:atributy_strukturni|Strukturní atributy]] • [[pojmy:struktura_korpusu|Struktura korpusu]] |
| </WRAP> | </WRAP> |
