pojmy:atributy_pozicni - 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.
====== 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 [[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:
  * [[pojmy:word|word]] - slovní tvar (např. //kočce, piš, při// )
  * [[pojmy:lemma|lemma]] - základní (slovníkový) tvar (např. //kočka, psát, pře// nebo //při//)
  * [[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 

Z těchto základních atributů jsou pro snazší práci s korpusy odvozeny následující atributy:
  * 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''
  * 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)

[[pojmy:syntakticka_analyza|Syntaktickou anotaci]] (v korpusech [[cnk:syn2025|SYN2025]], [[cnk:syn2020|SYN2020]] a [[cnk:syn2015|SYN2015]]) zachycují atributy:
  * [[seznamy:afun|afun, p_afun, ep_afun]] - u každého tokenu uvádí syntaktickou funkci
  * [[seznamy:parent|parent]] - relativní pozice tokenu, na němž je daný token závislý
  * [[seznamy:eparent|eparent]] - pouze u autosémantických slov; vyjadřuje relativní pozici nejbližšího autosémantického tokenu, na němž je daný token závislý
  * [[seznamy:ord|ord]] - vyjadřuje pozici tokenu ve větě
  * [[seznamy:p_tag|p_tag, p_lemma, p_sublemma, p_verbtag, p_pos, p_case, p_ord]] - atributy řídícího tokenu, např. p_lemma je lemma řídícího tokenu
  * [[seznamy:p_tag|ep_tag, ep_lemma, ep_sublemma, ep_verbtag, ep_pos, ep_case, ep_ord]] - podobně jako ''p_tag'' a ''p_lemma'', ale odvozené od nejbližšího nadřazeného autosémantického tokenu
  * [[seznamy:prep|prep]] - u jmen řízených předložkou uvádí lemma předložky

[[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 ====
<WRAP round box 45%>
[[pojmy:dotazovaci_jazyk|Dotazovací jazyk]] • [[pojmy:atributy_strukturni|Strukturní atributy]] • [[pojmy:struktura_korpusu|Struktura korpusu]]
</WRAP>
Historie: • nahodne_vzorky • korpusove_casopisy • verbtagy_detail • syntakticka_komplexita • pravidla_2008 • hledani_v_diachronnim_korpusu • atributy_pozicni • lexikalni_bohatost • txtype_group