====== Strukturní jednotky a atributy ======

Každý korpus je strukturován do nějakých (většinou) hierarchicky uspořádaných jednotek. Takové uspořádání (zachycené pomocí [[pojmy:metadata|metadat]]) se může u každého korpusu lišit. Důvodem je fakt, že každému typu dat vyhovuje jiná vnitřní [[pojmy:struktura_korpusu|strukturace]]. Každý korpus se tak člení na různé **strukturní jednotky** a ke každé jednotce (v závislosti na anotaci) náleží jeden nebo více **strukturních atributů**.

===== Strukturní jednotky =====

Rozdíly mezi strukturními jednotkami korpusů psané a mluvené češtiny jsou dané rozdílnou povahou těchto dat. Zároveň se korpusy od sebe můžou lišit typem i počtem strukturních jednotek (nápadný je v tomto směru zejména rozdíl mezi [[cnk:syn2000|SYN2000]], prvním velkým korpusem ČNK, a ostatními korpusy [[cnk:syn|řady SYN]]).

Struktury podle typu korpusu jsou představeny na zvláštních stránkách:

  * [[seznamy:strukturni_atributy_syn#struktury_korpusu_psane_cestiny|Strukturní jednotky korpusů psané češtiny]]
  * [[seznamy:strukturni_atributy_mluvene#struktury_korpusu_mluvene_cestiny|Strukturní jednotky korpusů mluvené češtiny]]
  * [[seznamy:strukturni_atributy_intercorp#struktury_korpusu_intercorp|Strukturní jednotky paralelních korpusů]]

Z obecného pohledu je další strukturní jednotkou i [[pojmy:pozice|pozice]], tj. nejmenší jednotka, na niž je každý text v průběhu [[pojmy:token|tokenizace]] rozčleněn. O pozicích se však jako o strukturách běžně neuvažuje. Vlastnosti pozic a jejich atributy popisuje samostatný článek o [[pojmy:atributy_pozicni|pozičních atributech]].

===== Strukturní atributy =====

Strukturním jednotkám (strukturám) mohou být přiřazeny další údaje (tzv. [[pojmy:metadata|metadata]]), a to prostřednictvím strukturních atributů. Všechny jednotky mají standardně atribut ''id'', který slouží pro jednoznačnou identifikaci strukturní jednotky v korpusu (nebo v rámci hierarchicky vyšší strukturní jednotky). 

Např. ''<doc>'' //Sport 5. 4. 2012// v korpusu [[cnk:syn2015|SYN2015]] má následující hodnotu atributu ''id'': //id=%%"%%sp120405%%"%%//, analogicky ''<opus>'' //Lidové noviny, 28. 4. 2008// v korpusu [[cnk:syn2010|SYN2010]] má ''id=<nowiki>"</nowiki>ln080428<nowiki>"</nowiki>''. Dokumenty nebo opusy se dále dělí na menší strukturní jednotky (např. ''<text>'' nebo ''<s>''), každá z nich má přitom svůj jednoznačný identifikátor.

Strukturní atributy podle typu korpusu jsou představeny na zvláštních stránkách.

Strukturní atributy korpusů psané češtiny:

    * [[seznamy:strukturni_atributy_syn##strukturni_atributy_korpusu_syn2015_a_novejsich|korpusy SYN2015 a novější]]
    * [[seznamy:strukturni_atributy_syn#strukturni_atributy_korpusu_z_let_2005_az_2013|korpusy z let 2005 až 2013]]
    * [[seznamy:strukturni_atributy_syn#strukturni_atributy_korpusu_syn2000|korpus SYN2000]]

Strukturní atributy korpusů mluvené češtiny:

    * [[seznamy:strukturni_atributy_mluvene#strukturni_atributy_korpusu_ortofon_a_spojeneho_korpusu_oral|korpus ORTOFON a spojený korpus ORAL]]
    * [[seznamy:strukturni_atributy_mluvene#strukturni_atributy_korpusu_orator|korpus ORATOR]]
    * [[seznamy:strukturni_atributy_mluvene#strukturni_atributy_korpusu_dialekt|korpus DIALEKT]]
    * [[seznamy:strukturni_atributy_mluvene#strukturni_atributy_korpusu_oral2006_oral2008_a_oral2013|korpusy ORAL2006, ORAL2008 a ORAL2013]]

Strukturní atributy paralelních korpusů:

    * [[seznamy:strukturni_atributy_intercorp#strukturni_atributy_korpusu_intercorp|korpus InterCorp]]


==== Související odkazy ====

<WRAP round box 49%>
[[pojmy:dotazovaci_jazyk|Dotazovací jazyk]] • [[pojmy:atributy_pozicni|Poziční atributy]] • [[pojmy:struktura_korpusu|Struktura korpusu]] • [[kurz:subkorpusy#podminky_within_hledani_v_ramci_urcitych_struktur|Hledání pomocí podmínky within]]
</WRAP>