CJBB75

7. 3. Různé korpusy a rozdíly v anotačních schématech

Tokenizace, automatická anotace, d[ei]sambiguace

Anotace velkých synchronních korpusů ČNK

Anotace mluvených korpusů

Anotace KSK

Pražský a brněnský systém anotací

Specifika anotací SYN2005

Co se skrývá za označením slovní druh XX.* a  X@.*

Doporučná četba pro zájemce o probíranou problematiku:

Jelínek, T.: Nové značkování v Českém národním korpusu. Naše řeč 91, 2008, s. 13–20.

Jelínek, T., Petkevič, V.:  Systém jazykového značkování korpusů současné psané češtiny. In
Petkevič, V. – Rosen, A. (eds.) 3. Gramatika a značkování korpusů, Praha : Nakladatelství Lidové
noviny/Ústav Českého národního korpusu, 2011,  s. 154–170.

Osolsobě, K.: Popis gramatických významů (hodnot) jednoduchých slovesných tvarů  v anotacích
českých (slovenských) korpusů. SPFFBU A 55, Brno : FF MU, 2007, s. 201–218.

Petkevič, V.: Reliable Morphological Desambiguation of Czech: Rule-Based Approach is Necessary. In:
Šimková, M. (ed.), Insight into the Slovak and Czech Corpus Linguistics, Bratislava : Veda, 2006,
s. 26–44.

Petkevič, V.: Využití vidu ke zkvalitnění automatického značkování češtiny. In Bičan, A. – Klaška,
J. – Macurová, P. – Zmrzlíková, J. (eds.), Karlík a továrna na lingvistiku. Prof. Petru Karlíkovi
k životnímu jubileu, Host : Brno, 2010,s. 368–387.



14. 3. ÚKOL 2

V Internetové jazykové příručce (http://prirucka.ujc.cas.cz) v kapitole

Psaní spřežek a spřahování

http://prirucka.ujc.cas.cz/?id=130&dotaz=sp%C5%99e%C5%BEka

1.1.1 Typ například – na příklad, zpočátku – z počátku

Tyto příslovečné spřežky se v úzu vyskytují jak v podobě dvojslovné, tak jednoslovné bez
významového rozlišení. Spřežky tedy mají stejný význam a plní ve větě tytéž funkce jako jejich
dvojslovné protějšky – na příklad (předložka + podstatné jméno) i například (příslovce). Jediný
rozdíl bývá v četnosti užívání, některé výrazy se v úzu objevují psané spíše jako dvě slova,
u jiných převažuje podoba jednoslovná.

Další příklady: do široka – doširoka, na boso – naboso, na čisto – načisto (viz Psaní spřežek typu
naměkko – na měkko, domodra – do modra, po anglicku), z počátku – zpočátku, k večeru – kvečeru; na
podiv – napodiv, nade všecko – nadevšecko, na čase – načase atp.

Psaní spřežek typu naměkko – na měkko, domodra – do modra, po anglicku

Do roku 1993 (tedy do posledního vydání Pravidel českého pravopisu, která přinesla změny
v některých oblastech pravopisu) se doporučovalo psát spojení tohoto typu zvlášť při vyjadřování
děje (vymalovat strop do modra) a dohromady při vyjádření stavu (šaty domodra). Toto rozlišování
bylo PČP v roce 1993 opuštěno.

Nyní jsou jako správné chápány obě varianty psaní – zvlášť (jako spojení předložky a jména: na
černo, na kyselo, do křupava) i dohromady (jako tzv. spřežka Psaní spřežek a spřahování: načerno,
nakyselo, dokřupava). Mezi příslovečným předložkovým výrazem a spřežkou není žádný významový
rozdíl.

Možnost tvořit nové spřežky je zde téměř neomezená, v tomto směru nám nejširší pole působnosti
poskytují výrazy s předložkami do a na. Pokud si budeme zapisovat recepty, máme situaci poměrně
jednoduchou. Nemůžeme udělat chybu, protože tyto spřežky můžeme psát dvojím způsobem. Píšeme tedy:
nasekáme na hrubo i nahrubo, na jemno i najemno; smažíme do zlatova i dozlatova, vaříme do měkka
i doměkka, zpracujeme za tepla i zatepla, za sucha i zasucha; vejce na tvrdo i natvrdo; kapr na
černo i načerno atp.

V názvech, které jsou svým původem ustrnulá spojení předložky s jmenným tvarem přídavného jména
(např. kapr po mlynářsku, pstruh po námořnicku), píšeme předložku zvlášť (na rozdíl od ustálených
spojení poslepu i po slepu, postaru i po staru, podomácku i po domácku, která můžeme psát dvojím
způsobem); zeměpisná jména v nich píšeme s malým počátečním písmenem: vepřové po německu, nákyp po
francouzsku; stejně tak lze zmizet po anglicku.

1.      Najděte v korpusech řady SYN případy, které jsou kodifikovanými dubletami dokládajícími
proces adverbializace.

2.      Vytvořte tabulku a uveďte čísla (procenta) dublet.

3.      Nastudujte v manuálu manažeru Bonito kapitolu o Konkordace/Statistiky/Rozložení a podívejte
se na užití dublet (vyberte si jednu dvojici s vyššími frekvencemi) s ohledem na relevantní
ukazatele (např. žánr).

Např. takto ....


          do křupava

                    tagy

                             dokřupava

                                      tag

SYN2000

          6

                    RR.* NN.*

                             4

                                      Db.*

SYN2005





SYN2010





SYN2006PUB





SYN2009PUB