pojmy:case-sensitive - 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.

====== Case-sensitive versus case-insensitive ======

Analýza textu může být prováděna vždy buď s ohledem na velikost písmen (case-sensitive), nebo k velkým a malým písmenům přihlížet nemusí (case-insensitive). V případě case-insensitive analýzy jsou traktována velká a malá písmena shodně (slova //les, LES, Les// či //leS// jsou chápána jako shodná), v případě case-sensitive analýzy je na písmena lišící se velikostí pohlíženo jako na dvě rozdílé jednotky.

Case-insensitive analýzu si tak můžeme představit jako analýzu, které předechází to, že jsme všechna písmena v textu převedli na minuskule (malá písmena). Vyhodnocení takového textu (např. počet různých jednotek - [[pojmy:typ|typů]], jejich [[pojmy:frekvence|frekvence]], třídění apod.) se samozřejmě bude lišit od situace, kdy velikost písmen může rozlišovat slova (case-sensitive přístup).

===== Příklady =====

Atribut [[pojmy:word|word]] je tradičně chápaný jako case-sensitive (s výjimkou korpusů, které velikost písmen nezachycují, např. některé korpusy mluveného jazyka).

[[pojmy:lemma|Lemmata]] jsou tradičně chápána jako case-insensitive jednotky (v historii korpusové lingvistiky byla tradičně zapisována majuskulemi). V korpusech ČNK je ovšem zaveden úzus, že lemma s propriálním významem mají velké počáteční písmeno, zatímco apelativní lemmata mají všechna písmena malá (obecné adjektivum //nový// vs. vlastní jméno //Nový//).

==== Souvísející odkazy ====

[[pojmy:lemma|Lemma]]

[[pojmy:word|Word]]

Historie: • alpha • medium • korpus • loglikelihood • asociacni_miry • corpus_based • case-sensitive • lists • corpus_driven • alignment