seznamy:tagy - 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.
====== Morfologické značky (tagy) ======

Morfologické [[pojmy:tag|značky (tagy)]] jsou součástí výsledku (výstupem) [[pojmy:morfologicka_analyza|morfologické analýzy]], která pracuje s izolovanými slovními tvary, tedy bez ohledu na jejich kontext. Druhou částí výsledku je tzv. [[pojmy:lemma|lemma]], které identifikuje příslušnou lexikální jednotku ve smyslu slovníkového hesla. Morfologická analýza je obecně nejednoznačná; slovní tvary, brány izolovaně a bez ohledu na kontext, pochopitelně nemohou být v mnoha případech jednoznačně určeny, a to jak z hlediska lemmatu, tak z hlediska morfologické značky. V druhé fázi dochází k [[pojmy:desambiguace|desambiguaci]] (zjednoznačnění), která z plejády možných interpretací vybírá v ideálním případě tu nejvhodnější.

Morfologické značky slouží k snadnějšímu hledání v korpusech (povětšinou pouze [[cnk:syn|psané češtiny]]), jejich účelem tedy není být základem pro analýzu konkrétních výskytů. Automatická analýza není přirozeně bezchybná, podíl špatně určených značek se odhaduje na 4 % (úroveň kolísá v závislosti na typu morfologické kategorie).

===== Struktura značky =====

[{{:seznamy:tagy.png?300|Popis tagu odpovídajícího slovním tvarům //otevříno, zavříno// v korpusu [[cnk:syn|SYN]]}}]

Každá značka je řetězcem 16 znaků (16. pozice chybí pouze v korpusech [[cnk:syn2000|SYN2000]] a [[cnk:orwell|ORWELL]]). Značka je konstruována tak, aby každá pozice odpovídala jedné morfologické kategorii podle víceméně tradičního lingvistického pojetí. Každé hodnotě v dané kategorii odpovídá jeden znak, převážně písmeno velké abecedy (např. 'P' pro plurál, neboli množné číslo), výjimečně i jiný znak (např. 'f' pro infinitiv, nebo ',' pro podřadicí spojky). Hodnota, která nedává smysl (např. pád u sloves), je reprezentována znakem '-' (pomlčka).

V případě, že značka je tvořena symbolem, který v rámci regulárních výrazů má speciální význam, je třeba naznačit zpětným lomítkem, že máme na mysli doslovný význam znaku. Např. pomocí znaku hvězdičky (*) jsou na druhé pozici tagovány výrazy jako plus, krát apod. ve funkci spojek (J). Chceme-li vyhledat slova s tímto tagem, musíme před hvězdičku přidat zpětné lomítko, abychom vyznačili, že nejde o její speciální význam: ''[tag=%%"J\*.*"%%]'' (viz [[pojmy:regularni_vyrazy|regulární výrazy]]).

===== Změny v morfologickém značkování =====

S uveřejněním korpusu [[cnk:syn2005|SYN2005]] byla přidána 16. pozice, vyjadřující slovesný vid. I všechny následující korpusy používají morfologickou značku, kterou tvoří 16 pozic. 

S uveřejněním korpusu [[cnk:syn2006pub|SYN2009PUB]] bylo provedeno zjednodušení systému značek. Změny se týkají pozic č. 3 - 9, na kterých byla vypuštěna písmena, která souhrnně označovala více hodnot (např. "Y" pro maskulinum animatum i inanimatum). V následujícím seznamu jsou tyto změny označeny hvězdičkou (*). 

Pro sestavení morfologické značky můžete kromě následujícího seznamu použít i jednoduchý program pro vytváření tagů, který je integrován do rozhraní [[manualy:kontext:index|KonText]].

===== Popis jednotlivých pozic značky =====

Pozice jsou číslovány od 1 do 16 (16. pozice chybí pouze v korpusech [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]] a [[cnk:intercorp|InterCorp]] ve vydání 6 a starších). Každé pozici odpovídá jiná gramatická kategorie:

  - [[seznamy:tagy#pozice_1_-_slovni_druh|Slovní druh]]
  - [[seznamy:tagy#pozice_2_-_detailni_urceni_slovniho_druhu|Detailní určení slovního druhu]]
  - [[seznamy:tagy#pozice_3_-_jmenny_rod|Jmenný rod]]
  - [[seznamy:tagy#pozice_4_-_cislo|Číslo]]
  - [[seznamy:tagy#pozice_5_-_pad|Pád]]
  - [[seznamy:tagy#pozice_6_-_privlastnovaci_rod|Přivlastňovací rod]]
  - [[seznamy:tagy#pozice_7_-_privlastnovaci_cislo|Přivlastňovací číslo]]
  - [[seznamy:tagy#pozice_8_-_osoba|Osoba]]
  - [[seznamy:tagy#pozice_9_-_cas|Čas]]
  - [[seznamy:tagy#pozice_10_-_stupen|Stupeň]]
  - [[seznamy:tagy#pozice_11_-_negace|Negace]]
  - [[seznamy:tagy#pozice_12_-_aktivum_pasivum|Aktivum/pasivum]]
  - pozice nepoužita
  - pozice nepoužita
  - [[seznamy:tagy#pozice_15_-_varianta_stylovy_priznak|Varianta (stylový příznak)]]
  - [[seznamy:tagy#pozice_16_-_vid|Vid]]
==== Pozice 1 - Slovní druh ====

Označuje hlavní slovní druh, víceméně podle obvyklého schématu známého z českých gramatik včetně školních. Přiřazení i těchto hlavních slovních druhů je však řízeno především potřebami konzistentnosti další analýzy přirozeného jazyka. Proto je možné, že v některých případech (zejména tehdy, kdy se gramatiky a slovníky v určení slovního druhu neshodují nebo uvádějí jiné rozdělení na významy slova) nemusí být zařazení zcela "tradiční".

^  Značka  ^  Význam  ^
|  N	| substantivum (podstatné jméno) |
|  A    | adjektivum (přídavné jméno) |
|  P	| pronomen (zájmeno) |
|  C	| numerál (číslovka, nebo číselný výraz s číslicemi) |
|  V	| verbum (sloveso) |
|  D	| adverbium (příslovce) |
|  R	| prepozice (předložka) |
|  J	| konjunkce (spojka) |
|  T	| partikule (částice) |
|  I	| interjekce (citoslovce) |
|  X	| neznámý, neurčený, neurčitelný slovní druh |
|  Z	| interpunkce, hranice věty |

==== Pozice 2 - Detailní určení slovního druhu ====

Detailní určení slovního druhu slouží především k zachycení dalších relevantních morfologických kategorií, které jsou uvedeny na dalších pozicích (ne vždy však jednoznačně). Ze znaku použitého pro detailní určení slovního druhu je možné jednoznačně vyvodit hlavní [[seznamy:tagy#pozice_1_-_slovni_druh|slovní druh]].

^  Značka  ^  Význam  ^  Značka  ^  Význam  ^
|  !  | zkratka jako adverbium |  R  | předložka, obyčejná |
|  *  | slovo "krát" (slovní druh: spojka) |  S  | zájmeno přivlastňovací "můj", "tvůj", "jeho" (vč. plurálu) |
|  ,  | spojka podřadicí (vč. "aby" a "kdyby" ve všech tvarech) |  T  | částice (slovní druh 'T') |
|  .  | zkratka jako adjektivum |  U  | adjektivum přivlastňovací (na "-ův" i "-in") |
|  :  | interpunkce všeobecně |  V  | předložka vokalizovaná ("ve", "pode", "ku", ...) |
|  ;  | zkratka jako substantivum |  W  | zájmena záporná ("nic", "nikdo", "nijaký", "žádný", ...) |
|  =  | číslo psané číslicemi (značkováno jako slovní druh: číslovka - 'C') |  X  | slovní tvar, který byl rozpoznán, ale značka (ve slovníku) chybí |
|  ?  | číslovka "kolik" |  Y  | zájmeno "co" spojené s předložkou ("oč", "nač", "zač") |
|  <nowiki>^</nowiki>  | spojka souřadicí |  Z  | zájmeno neurčité ("nějaký", "některý", "číkoli", "cosi", ...) |
|  }  | číslovka psaná římskými číslicemi |  a  | číslovka neurčitá ("mnoho", "málo", "tolik", "několik", "kdovíkolik", ...) |
|  ~  | zkratka jako sloveso |  b  | příslovce (bez určení stupně a negace; "pozadu", "naplocho", ...) |
|  @  | morfologickou analýzou nerozpoznaný tvar (slovní druh: 'X' = neznámý) |  c  | kondicionál slovesa být ("by", "bych", "bys", "bychom", "byste") |
|  0  | předložka s připojeným "-ň" (něj), "proň", "naň", atd. (značkováno jako slovní druh: zájmeno - 'P') |  d  | číslovka druhová, adjektivní skloňování ("jedny", "dvojí", "desaterý", ...) |
|  1  | vztažné přivlastňovací zájmeno "jehož", "jejíž", ... |  e  | slovesný tvar přechodníku přítomného ("-e", "-íc", "-íce") |
|  2  | slovo před pomlčkou |  f  | slovesný tvar: infinitiv |
|  3  | zkratka jako číslovka |  g  | příslovce (s určením stupně a negace; "velký", "zajímavý", ...) |
|  4  | vztažné nebo tázací zájmeno s adjektivním skloňováním (obou typů: "jaký", "který", "čí", ...) |  h  | číslovky druhové "jedny" a "nejedny" |
|  5  | zájmeno "on" ve tvarech po předložce (tj. "n-": "něj", "něho", ...) |  i  | slovesný tvar rozkazovacího způsobu |
|  6  | reflexívní zájmeno "se" v dlouhých tvarech ("sebe", "sobě", "sebou") |  j  | číslovka druhová >= 4, substantivní postavení ("čtvero", "desatero", ...) |
|  7  | reflexívní zájmeno "se", "si" pouze v těchto tvarech, a dále "ses", "sis" |  k  | číslovka druhová >= 4, adjektivní postavení, krátký tvar ("čtvery", ...) |
|  8  | přivlastňovací zájmeno "svůj" |  l  | číslovky základní 1-4, "půl", ...; sto a tisíc v nesubstantivním skloňování |
|  9  | vztažné zájmeno "jenž", "již", ... po předložce ("n-": "něhož", "níž", ...) |  m  | slovesný tvar přechodníku minulého, příp. (zastarale) přechodník přítomný dokonavý |
|  A  | adjektivum obyčejné |  n  | číslovky základní >= 5 |
|  B  | sloveso, tvar přítomného nebo budoucího času |  o  | číslovky násobné neurčité ("-krát": "mnohokrát", "tolikrát", ...) |
|  C  | adjektivum, jmenný tvar |  p  | slovesné tvary minulého aktivního příčestí (včetně přidaného "-s") |
|  D  | zájmeno ukazovací ("ten", "onen", ...) |  q  | archaické slovesné tvary minulého aktivního příčestí (zakončení "-ť") |
|  E  | vztažné zájmeno "což" |  r  | číslovky řadové |
|  F  | součást předložky, která nikdy nestojí samostatně ("nehledě", "vzhledem", ...) |  s  | slovesné tvary pasívního příčestí (vč. přidaného "-s") |
|  G  | přídavné jméno odvozené od slovesného tvaru přítomného přechodníku |  t  | archaické slovesné tvary přítomného a budoucího času (zakončení "-ť") |
|  H  | krátké tvary osobních zájmen ("mě", "mi", "ti", "mu", ...) |  u  | číslovka tázací násobná "kolikrát" |
|  I  | citoslovce (značkováno jako slovní druh: citoslovce - 'I') |  v  | číslovky násobné ("-krát": "pětkrát", "poprvé" ...) |
|  J  | vztažné zájmeno "jenž" ("již", ...), bez předložky |  w  | číslovky neurčité s adjektivním skloňováním ("nejeden", "tolikátý", "několikátý" ...) |
|  K  | zájmeno tázací nebo vztažné "kdo", vč. tvarů s "-ž" a "-s" |  x  | zkratka, slovní druh neurčen/neznámý |
|  L  | zájmeno neurčité "všechen", "sám" |  y  | zlomky zakončené na "-ina" (značkováno jako slovní druh: číslovka - 'C') |
|  M  | přídavné jméno odvozené od slovesného tvaru minulého přechodníku |  z  | číslovka tázací řadová "kolikátý" |
|  N  | substantivum, obyčejné |  |  |
|  O  | samostatně stojící zájmena "svůj", "nesvůj", "tentam" |  |  |
|  P  | osobní zájmena (vč. tvaru "tys") |  |  |
|  Q  | zájmeno tázací/vztažné "co", "copak", "cožpak" | | |

==== Pozice 3 - Jmenný rod ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  F	| femininum (ženský rod) |
|  H	| femininum nebo neutrum (tedy nikoli maskulinum)* |
|  I	| maskulinum inanimatum (rod mužský neživotný) |
|  M  	| maskulinum animatum (rod mužský životný) |
|  N	| neutrum (střední rod) |
|  Q	| femininum singuláru nebo neutrum plurálu (pouze u příčestí a jmenných adjektiv)* |
|  T	| masculinum inanimatum nebo femininum (jen plurál u příčestí a jmenných adjektiv)* |
|  X	| libovolný rod (F/M/I/N) |
|  Y	| masculinum (animatum nebo inanimatum)* |
|  Z	| 'nikoli femininum' (tj. M/I/N; především u příslovcí)* |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 4 - Číslo ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  D	| duál (pouze 7. pád feminin) |
|  P	| plurál (množné číslo) |
|  S	| singulár (jednotné číslo) |
|  W  	| pouze v kombinaci s jmenným rodem 'Q' (singulár pro feminina, plurál pro neutra)* |
|  X	| libovolné číslo (P/S/D) |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 5 - Pád ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  1	| nominativ (1. pád) |
|  2	| genitiv (2. pád) |
|  3	| dativ (3. pád) |
|  4	| akuzativ (4. pád) |
|  5	| vokativ (5. pád) |
|  6	| lokál (6. pád) |
|  7	| instrumentál (7. pád) |
|  X	| libovolný pád (1/2/3/4/5/6/7)* |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 6 - Přivlastňovací rod ====

Vyjadřuje rod subjektu nebo objektu, jemuž zájmeno nebo adjektivum přivlastňuje: //jeho/její (kniha)//, kde //jeho// je tagováno jako přivlastňovací maskulinum a //její// jako přivlastňovací femininum, analogicky u adjektiv //otcův/matčin (bratr)// je //otcův// značkován jako maskulinum a //matčin// jako femininum. 

Rody mužský neživotný a střední se nikdy jako samostatná kategorie nevyskytují. Rod mužský životný (M) se může vyskytnout jen u přivlastňovacích adjektiv.

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  F	| femininum (ženský rod) |
|  M  	| maskulinum animatum (rod mužský životný) |
|  X	| libovolný rod (F/M/I/N) |
|  Z	| 'nikoli femininum' (tj. M/I/N; u přivlastňovacích adjektiv)* |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 7 - Přivlastňovací číslo ====

Kategorie, která se uplatňuje u zájmen: //můj, tvůj, jeho// atp. představují přivlastňovací singulár, protože přivlastňují subjektu nebo objektu v singuláru, zatímco //náš, váš jejich// jsou označeny jako přivlastňovací plurál.

^  Značka  ^  Význam  ^
|  -	 | neurčuje se |
|  P  	 | plurál (množné číslo) |
|  S	 | singulár (jednotné číslo) |

==== Pozice 8 - Osoba ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  1	| 1. osoba |
|  2	| 2. osoba |
|  3	| 3. osoba |
|  X  	| libovolná osoba (1/2/3)* |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 9 - Čas ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  F	| futurum (budoucí čas) |
|  H  	| minulost nebo přítomnost (P/R)* |
|  P	| prézens (přítomný čas) |
|  R	| minulý čas |
|  X	| libovolný čas (F/R/P)* |

* Tato značka je k dispozici pouze v korpusech: [[cnk:syn2006pub|SYN2006PUB]], [[cnk:syn2005|SYN2005]], [[cnk:syn2000|SYN2000]], [[cnk:orwell|ORWELL]].

==== Pozice 10 - Stupeň ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  1	| 1. stupeň |
|  2	| 2. stupeň |
|  3  	| 3. stupeň |

==== Pozice 11 - Negace ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  A	| afirmativ (bez negativní předpony "ne-") |
|  N  	| negace (tvar s negativní předponou "ne-") |

==== Pozice 12 - Aktivum/pasivum ====

^  Značka  ^  Význam  ^
|  -	| neurčuje se |
|  A  	| aktivum nebo 'nikoli pasívum' |
|  P	| pasívum |

==== Pozice 13 - Nepoužito ====

^  Značka  ^  Význam  ^
|  -  | neurčuje se |

==== Pozice 14 - Nepoužito ====

^  Značka  ^  Význam  ^
|  -  | neurčuje se |

==== Pozice 15 - Varianta (stylový příznak) ====

Značkování stylového příznaku je z podstaty věci značně subjektivní a vázané na širší kontext, který při automatickém zpracování nelze brát v úvahu. Hodnoty přisuzované jednotlivým jevům jsou založeny na hodnocení, které se objevují v tradičních jazykovědných příručkách, můžou tedy být zastaralé nebo zcela mylné. Doporučujeme proto údaje na této pozici buď zcela ignorovat nebo je brát s velkou rezervou.

^  Značka  ^  Význam  ^
|  -	| neurčuje se ("základní" tvar pro kategorie v pozicích 1-14) |
|  1	| varianta, víceméně rovnocenná ("méně častá") |
|  2	| řídká, archaická nebo knižní varianta |
|  3	| velmi archaický tvar, též hovorový |
|  4	| velmi archaický nebo knižní tvar, pouze spisovný (ve své době) |
|  5	| hovorový tvar, ale v zásadě tolerovaný ve veřejných projevech |
|  6	| hovorový tvar (koncovka standardní obecné češtiny) |
|  7	| hovorový tvar (koncovka standardní obecné češtiny), varianta k '6' |
|  8	| zkratky |
|  9  	| speciální použití (tvary zájmen po předložkách apod.) |

==== Pozice 16 - Vid ====

Tato pozice byla k původní sadě doplněna na základě slovníku morfologické analýzy. Tato pozice není k dispozici v korpusech [[cnk:syn2000|SYN2000]] a [[cnk:orwell|ORWELL]].

^  Značka  ^  Význam  ^
|  -    | neurčuje se |
|  P	| perfektivum (dokonavé sloveso) |
|  I	| imperfektivum (nedokonavé sloveso) |
|  B  	| obouvidé sloveso |


 --- //Jan Hajič, Václav Cvrček//
Historie: • tagy • syn2013pub • zaciname • jerome • net • verze5 • syn2009pub • verze8 • syd • verze6
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
