Základy korpusové lingvistiky – termíny:


Viz též

http://wiki.korpus.cz/doku.php/manual:zobrazeni_dotazu


Jazykový korpus je rozsáhlý soubor autentických textů (psaných nebo mluvených) převedený do
elektronické podoby v jednotném formátu tak, aby v něm bylo možné jednoduše vyhledávat jazykové
jevy, zejména slova a slovní spojení (kolokace).


Každý text je při vstupu do korpusů zpřístupňovaných rozhraním KonText opatřen anotací = slova
v něm jsou tzv. označkována.

Každému slovu jsou přiděleny tzv. poziční atributy = vlastnosti, podle kterých je můžeme hledat.

Základními pozičními atributy jsou:
  * word - slovní tvar (např. kočkou, modrou, píše)
  * lc - (z angl. lowercase) ekvivalent slovního tvaru, který ovšem zanedbává velikost písmen
  * lemma - základní (slovníkový) tvar (např. kočka, modrý, psát)
  * tag - značka zachycující morfologickou (příp. i jinou, obvykle gramatickou) informaci

Příklad:

kočkou – word/lc: kočkou

                lemma: kočka (word/lc kočkou patří k lemmatu kočka)

                tag: podstatné jméno, rod ženský, jednotné číslo, 7. pád  (NNFS7.*)

(N = podstatné jméno, N – obyčejné, tj. bez další zvláštní charakteristiky, F = femininum, S =
singuálr, 7 = 7. pád; značka „.*“ znamená, že další gramatické vlastnosti nepotřebujeme)


modrou – word/lc: modrou

                lemma: modrý (word/lc modrou patří k lemmatu modrý – nikoliv modrá!!!)

                tag: přídavné jméno, rod ženský, jednotné číslo, 7. pád  (AAFS7….1A.*) nebo 4. pád
(AAFS4….1A.*)

(A = přídavné jméno, A – obyčejné, tj. bez další zvláštní charakteristiky, F = femininum, S =
singuálr, 7 = 7. pád // 4 = 4. pád; pak 4 nedefinované pozice, 1 = 1. stupeň, A = bez negace,
značka „.*“ znamená, že další gramatické vlastnosti nepotřebujeme)


píše – word/lc: píše

                lemma: psát (word/lc píše patří k lemmatu kočka)

    tag: – sloveso, 3. osoba jednotného čísla přítomného času, činný rod, kladný tvar
(VB.S…3P.AA.*)

(V = verbum/sloveso, B – tvar přítomného nebo budoucího času, „.“ = pozice není definována, S =
singulár, pak 3x nedefinovaná pozice, 3 = 3. osoba, P = prézens, pak nedefinovaná pozice, A =
aktivum, A = kladný tvar)

Toto značkování umožní vyhledat právě ten výraz, který potřebujeme, nebo právě ty tvary slov (např.
dativ podstatných jmen rodu ženského, všechny přechodníky přítomné apod.


Další termíny:

dotaz

příkazový řádek

konkordance

Jednoduché hledání: kombinace nastavení „atributu“ (word, lemma…) a vepsání slova do příkazového
řádku: např. nastavíme „word“ a zadáme „kočkou“.

Dotazy:

základní

lemma

slovní tvar (= word, lc)

část slova

CQL





Další dotazy: základní, fráze, CQL – necháme na později

Další možnosti dotazů:

„základní“:

–        zadáme-li „slovníkový tvar“, tj. 1. pád jedn. č. jména nebo infinitiv slovesa, funguje
„základní“ jako lemma (většinou)

–        zadáme-li jiný tvar (např. kočkou, píše), funguje „základní“ jako „word“.

V tomto je tedy „nevýhoda“ dotazu „základní“. Výhodou je, že můžeme zadat i slovní spojení (frázi).
Pozor, pokud chceme všechny tvary daného spojení,