Toto je starší verze dokumentu!
Poziční atributy
Pozičními atributy v korpusech jsou myšleny dodané informace, které se vztahují k jednomu tokenu (k jedné textové pozici). Každý text je při vstupu do korpusů zpřístupňovaných rozhranímXX opatřen anotací a 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, pro něž fungují různé nástroje.
Základními pozičními atributy jsou:
- word - slovní tvar (např. kočce, piš, při )
- lemma - základní (slovníkový) tvar (např. kočka, psát, pře nebo při)
- tag - značka zachycující morfologickou (příp. i jinou, obvykle gramatickou) informaci
Mezi méně využívané poziční atributy patří:
- lc - (z angl. lowercase) ekvivalent slovního tvaru, který ovšem zanedbává velikost písmen
- pos - (z angl. part of speech) značka slovního druhu
Různé korpusy můžou mít rozdílnou sadu pozičních atributů v závislosti na propracovanosti anotace a výzkumných cílech, s nimiž byl daný korpus vytvářen.
