pojmy:typ - 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.

====== Typ (type) ======

Z hlediska korpusové lingvistiky je typ/type jednotka abstrakce, která vzniká v opozici k pojmu [[pojmy:token|token]]. Zatímco tokenem se míní vždy konkrétní realizace jednotky (konkrétní výskyt formy) v určitém kontextu; **typ** je jednotka dekontextualizovaná (na kontextu nezávislá), která je schopna nabývat takových vlastností, jako je //[[pojmy:frekvence|frekvence]]//. Zatímco velikost korpusu je udávána v počtu tokenů (označuje se většinou jako //N//), počet typů značí množství **různých** jednotek v korpusu (označuje se většinou //V// = vocabulary). Typ může být v podstatě libovolná jednotka, nejčastěji se ovšem v této souvislosti uvažuje o [[pojmy:word|slovním tvaru]] nebo [[pojmy:lemma|lemmatu]].

===== Poměr počtu typů a tokenů =====

**TTR (token-type ratio)** je poměr (někdy vyjádřený procenty) počtu různých slov (typů) k celkovému počtu všech slov v korpusu. Pokud je tento poměr vysoký, můžeme mluvit o textu s velkou lexikální bohatostí (užívá mnoho různých jednotek), malý poměr značí velkou míru opakování.

Token-type jako ukazatel je silně vázaný na celkovou velikost korpusu, je proto jen obtížně využitelný jako obecný referenční ukazatel. Čím delší text máme k dispozici, tím větší je poměr mezi tokeny a typy (ačkoli vztah není lineární, viz [[pojmy:heaps|Heapsův zákon]]).

==== Související odkazy ====

<WRAP round box 49%>
[[pojmy:frekvence|Frekvence]] • [[pojmy:lemma|Lemma]] • [[pojmy:zipf|Zipfovy zákony]] • [[pojmy:word|Slovní tvar (word)]]
</WRAP>

Historie: • diakorp • ngram • intro_to_metadata • syntakticka_analyza • frekvence • prototypicnost • korpusy • referencni • t-score • asociacni_miry