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 se k velkým a malým písmenům přihlížet nemusí (case-insensitive). V případě case-insensitive analýzy jsou velká a malá písmena brána jako tentýž znak (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 rozdílné jednotky.

Case-insensitive analýzu si tak můžeme představit jako analýzu, které předchází 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).

===== Vyhledávání =====

To, zda vyhledáváme case-sensitive nebo case-insensitive záleží na [[manual:prvni_dotaz#nac_je_ktery_typ_dotazu_vhodny|typu dotazu]] i na použitém pozičním[[pojmy:atributy_pozicni|atributu]]. Standardní nastavení jsou tato:

==== Typ dotazu ====

^ Typ ^ Nastavení ^
^ Základní | case-insensitive |
^ Lemma | case-insensitive((platí ovšem, že propriální lemmata, mají velké počáteční písmeno, např. //Praha//)) |
^ Fráze | case-sensitive |
^ Slovní tvar | case-insensitive((tuto volbu je možné ve formuláři přepnout)) |
^ Podřetězec | case-sensitive |
^ CQL | case-sensitive |

V případě [[pojmy:dotazovaci_jazyk|CQL]] dotazu je možné case-insensitive hledání zadat pomocí speciální struktury ''(?i)''. Pokud tato značka v CQL dotazu předchází hodnotu, bude dotaz vyhodnocen bez ohledu na velikost písmen, např. [word="(?i)nový"] najde jak slovo //nový//, tak podobu //Nový//.

==== Typ atributu ====

^ Typ ^ Nastavení ^
^ word | case-sensitive |
^ lemma | case-insensitive((apelativní lemmata se vyhodnocují bez ohledu na malá a velká písmena, propriální lemmata mají první počáteční písmeno velké, např. //Liberec//)) |
^ tag | case-sensitive |
^ lc | case-insensitive |

Atribut ''lc'' je přímo vyhrazen na hledání bez shody velikosti písmen, ostatní atributy s výjimkou lemmatu, které rozlišuje propriální a apelativní jednotky, jsou case-sensitive.

===== 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 - velkými písmeny). V korpusech ČNK je ovšem zaveden úzus, že lemmata s propriálním významem mají velké počáteční písmeno, zatímco apelativní lemmata mají všechna písmena malá (obecné adjektivum //nový// vs. vlastní jméno //Nový//).

==== Souvísející odkazy ====

<WRAP round box 49%>
[[pojmy:lemma|Lemma]] • [[pojmy:word|Word]]
</WRAP>

Historie: • regularni_vyrazy • collocations • quitaup • mluveny • syntakticka_analyza • subkorpus • verze6 • atributy_strukturni • frekvence • jirimilicka