Kalbos dalių ir gramatinių formų pasiskirstymas lietuvių kalbos tekstynuose. Morfologiškai anotuoti
tekstynai
Doc. dr. Erika Rimkutė
Vytauto Didžiojo universitetas
Lituanistikos katedra
Kompiuterinės lingvistikos centras
erika.rimkute@vdu.lt
1

2
11 kalbos dalių:
•daiktavardžiai,
•būdvardžiai,
•skaitvardžiai,
•įvardžiai,
•veiksmažodžiai,
•prieveiksmiai,
•prielinksniai,
•jungtukai,
•dalelytės,
•jaustukai ir ištiktukai.

Kalbos dalių pasiskirstymas
Kalbos dalis
Sakytinė k.
Rašytinė k.
Daiktavardis
16,2
39,37
Būdvardis
2,8
7,33
Įvardis
16,9
8,7
Skaitvardis
1,9
0,96
Veiksmažodis
22,8
20,5
Prieveiksmis
10,2
6,72
Prielinksnis
4,2
4,65
Dalelytė
12
1,97
Jungtukas
8,2
7,62
Ištiktukas, jaustukas
4,8
0,2


Kalbos dalys
Administracinis stilius
Grožinis stilius
Mokslinis stilius
Publicistinis stilius
Daiktavardžiai
45,14
26,2
42,6
39,76
Veiksmažodžiai
19,14
24,69
19,1
20,45
Būdvardžiai
6,8
5,56
9,68
7,2
Skaitvardžiai
0,7
0,73
0,67
1,12
Įvardžiai
7,36
13,16
7,82
8,25
Prieveiksmiai
3,9
10,39
5,12
6,54
Dalelytės
1,42
4,16
1,42
2,13
Jungtukai
7,76
8,83
7,69
7,37
Jaustukai
0,37
0,37
0,02
0,075
Ištiktukai
–
0,051
0,0008
0,013
Prielinksniai
4,28
5,77
3,89
4,8

Linksnis
Dažnumas rašytinėje k.
Dažnumas sakytinėje k.
Vardininkas
26,38
vns. 31,6, dgs. 30
Kilmininkas
40,88
vns. 22,9, dgs. 33,5
Naudininkas
4,07
vns. 2,6, dgs. 2,3
Galininkas
16,49
vns. 26, dgs. 22,8
Įnagininkas
6,25
vns. 5, dgs. 9
Vietininkas
5,37
vns. 8,6, dgs. 2,1
Šauksmininkas
0,48
vns. 3,3, dgs. 0,3
Iliatyvas
0,08
5

Veiksmažodžių formų pasiskirstymas
Formos
Rašytinė kalba
Sakytinė kalba
Asmenuojamosios
50,7
82,1
Dalyviai
27,7
5,4
Padalyviai
3,2
0,4
Pusdalyviai
1,8
0,2
Bendratys
16,6
11,9

Giminės kategorijos pasiskirstymas
•vyriškoji 57,2 proc.,
•moteriškoji 36,6 proc.

Skaičiaus kategorijos pasiskirstymas
•vienaskaita 65 proc.
•daugiskaita 32 proc.

Laipsnio kategorijos pasiskirstymas
•nelyginamasis 87,5 proc.,
•aukštesnysis 8 proc.,
•aukščiausiasis – 4,5 proc.

Nuosakos kategorijos pasiskirstymas
•tiesioginė 91,5 proc.,
•liepiamoji 2,7 proc.,
•tariamoji 5,8 proc.

Laiko kategorijos pasiskirstymas
•esamasis 52,8 proc.,
•būtasis k. 31,2 proc.,
•būtasis d. 1,1 proc.,
•būsimasis 4,9 proc.

Asmens kategorijos pasiskirstymas
•pirmasis 12,3 proc.,
•antrasis 6,4 proc.
•trečiasis 81,3 proc.

Gramatinių formų vartosena
•Rašytinės kalbos tekstyne vidutiniškai vartojama kaitybinių formų:
•2,54 daiktavardžių,
•2,63 veiksmažodžių,
•8,23 įvardžių,
•4,72 būdvardžių,
•3,55 skaitvardžių,
•1,52 prieveiksmių.
•
•Vidutiniškai vartojama 2,34 kaitybinės formos visų kalbos dalių.

Morfologiniai anotatoriai
•http://tekstynas.vdu.lt/page.xhtml?id=morphological-annotator
•
•http://semantika.lt (paslauga Lietuviško teksto analizė ir taisymas)
14

Morfologiškai anotuoti tekstynai
•Morfologiškai anotuotas lietuvių kalbos tekstynas (1,6 mln. žodžių)
https://clarin.vdu.lt/xmlui/handle/20.500.11821/9.
•http://158.129.51.247:8080/annis-gui-3.4.4/
•
•Morfologiškai anotuotas lietuvių kalbos tekstynas (208 mln. žodžių; su paieškos sistema)
http://corpus.vdu.lt/lt/ •Sakytinės lietuvių kalbos tekstynas (226 tūkst. žodžių)
http://donelaitis.vdu.lt/sakytines-kalbos-tekstynas/.
15

Morfologinės pažymos http://corpus.vdu.lt/lt (1)
•Morfologinės pažymos sudarytos remiantis MULTEXT-East (Multilingual Text Tools and Corpora for
Central and Eastern European Languages) standartu. •Morfologinių pažymų kodai suderinami su kitų
kalbų gramatinių rinkinių žymėjimais (pvz., noun – n, verb – v, feminine gender – f). •Įvesti keli
papildomi lietuviškai gramatikai būdingi kodai (pvz., būdinys – b).
16

Morfologinės pažymos http://corpus.vdu.lt/lt (2)
•Kiekviena lietuvių kalbos dalis turi skirtingą morfologinių kategorijų skaičių (nuo 2 iki 14).
•Net ir tos pačios kalbos dalies gramatinės formos dažnai turi skirtingą morfologinių kategorijų
skaičių. •Tos pačios kalbos dalies gramatinėms formoms taikomos vienodo ilgio pažymos.
17

Morfologinės pažymos http://corpus.vdu.lt/lt (3)
•vertinimų: lema „vertinimas“, Ncmpgn-;
•turi: lema „turėti“, Vgmp3s--n--ni-;
•nebūti: lema „nebūti“, Vgi-----y--n--;
•nesiprausiančiojo: lema „nesiprausti“, Vgpp-smayygy--;
•bendresnio: lema „bendras“, Agcmsgn;
•ant: lema „ant“, Sgg;
•bei: lema „bei“, Cg;
•vieno: lema „vienas“, Mcmsgdn;
•pvz.: lema „pvz.“, Ys.
•
18

Morfologinių pažymų kombinacijos
•Lietuvių kalboje apie 1500 morfologinių pažymų variantų (60 mln. žodžių tekstyne), pvz.:
•dkt. mot. g. vns. K.
•dkt. mot. g. dgs. V.
•
•vks. teig. nesngr. tiesiog. n. būt. k. l. vns. 1 asm.
•vks. teig. sngr. tiesiog. n. būt. k. l. vns. 1 asm.
•vks. teig. nesngr. tiesiog. n. būs. l. vns. 1 asm.
•vks. teig. nesngr. tiesiog. n. būs. l. dgs. 1 asm.
19







Paieškos galimybės per ANNIS sistemą
•lemma="kalba" (ieškoma lemos kalba);
•pos="ADJ" (ieškoma būdvardžių);
•gram=".M.SG.GEN." (ieškoma vienaskaitos vyriškąja gimine kilmininko forma pavartotų žodžių);
• tok="pasakė" arba "pasakė";
•syfun="Atr" (ieškoma atributų).
•

Nuorodos
•Dabartinės lietuvių kalbos tekstynas (neanotuotas) http://tekstynas.vdu.lt/tekstynas/.
•I. Dabašinskienės straipsnis Šnekamosios lietuvių kalbos morfologinės ypatybės. Acta Linguistica
Lithuanica, LX (2009), p. 1–15.
http://etalpykla.lituanistikadb.lt/fedora/get/LT-LDB-0001:J.04~2009~1367167159055/DS.002.0.01.ARTIC
•E. Rimkutės disertacijos Morfologinio daugiareikšmiškumo ribojimas kompiuteriniame tekstyne, 2006,
2.4 poskyris. http://fcim.vdu.lt/~erika_rimkute/straipsniai/disertacija.pdf.
•Lithuanian Treebank ALKSNIS https://clarin.vdu.lt/xmlui/handle/20.500.11821/10
23