Skratky a metaznaky používané v Slovenskom národnom korpuse
Slovenský národný korpus (SNK) je rozsiahly zdroj textových dát, ktorý umožňuje hĺbkovú analýzu slovenského jazyka. Na vyhľadávanie v korpuse sa používajú rôzne nástroje a metódy, ktoré využívajú špecifické skratky a metaznaky.
Vyhľadávanie v Slovenskom národnom korpuse
V Slovenskom národnom korpuse sa vyhľadáva pomocou nástroja NoSketch Engine. Pôvodne sa používal korpusový manažér Manatee s klientom Bonito vyvinutým na Fakulte informatiky Masarykovej univerzity v Brne.
Registrácia
Aby ste mohli používať NoSketch Engine, je nevyhnutné sa najprv zaregistrovať.
Jednoduché vyhľadávanie
Jednoduché vyhľadávanie je možné aj bez registrácie prostredníctvom webového rozhrania, ale s veľmi obmedzeným prístupom ku korpusom (prim-6.0-public-all, r-mak-3.0 a iné), bez možnosti vytvárania podkorpusov. Pred začatím používania webového rozhrania si treba prečítať a odsúhlasiť podmienky používania SNK.
Citovanie korpusu
Verzie a podkorpusy SNK, ako i jednotlivé zdroje z nich citujte podľa nasledujúceho návodu.
Typy a značky anotácií textov SNK
- Bibliografická a štýlovo-žánrová anotácia
- Morfologická anotácia
- Nástroj na tvorbu morfologických značiek
- Nástroj na rekonštrukciu morfologických značiek
Metaznaky na vyhľadávanie
Metaznaky používame pri vyhľadávaní pomocou atribútu CQL, spôsob hľadania jedného tokenu je vždy záväzný a má tvar [atribút=“hľadaný_token“], napr. [lemma=“hlava“]. Regulárny výraz môžeme utvoriť aj pomocou kombinácie atribútov, napr. [word=“.*ací“ & tag!=“A.*“] (vyhľadanie všetkých tvarov slov zakončených na -ací, ktoré nie sú adjektívami).
Znak v korpuse sa chápe ako ľubovoľný znak okrem medzery. Formulácia metaznak BODKA nahrádza ľubovoľný znak znamená, že bodka v tomto prípade nahrádza aj ľubovoľnú číslicu, interpunkčné znamienko, zátvorku a pod.
Nasledujúce príklady platia pre nástroje Bonito I, NoSketch Engine a Sketch Engine.
Tabuľka metaznakov a ich použitie:
| Metaznak | Význam metaznaku | Príklad použitia | Očakávaný výsledok vyhľadávania |
|---|---|---|---|
| . (BODKA) | Nahrádza jeden ľubovoľný znak. | dom.. | domov, domec |
| * (HVIEZDIČKA) | Určuje, že znak, ktorý je pred hviezdičkou, sa opakuje ľubovoľný počet krát (aj nula krát). | hm* | h, hm, hmm, hmmm |
| + (PLUS) | Určuje, že znak, ktorý je pred týmto regulárnym výrazom, sa opakuje raz alebo viackrát. | hm+ | hm, hmm, hmmm… |
| { } (ZLOŽENÉ ZÁTVORKY) | V nich umiestnené číslo určuje, koľkokrát sa má regulárny výraz opakovať. | hm{4} | hm, hmm, hmmm, hmmmm |
| | (ZVISLÁ ČIARA) | Má funkciu operátora ALEBO. | dom|doma | dom, doma |
| [ ] (HRANATÉ ZÁTVORKY) | Definuje sa v nich množina znakov, ktoré sa môžu vyskytovať v danom výraze na mieste zátvoriek. | [r,s,t,u,v]ám | rám, sám, tám, uám, vám (ak sa takéto tokeny v korpuse vyskytujú) |
| ( ) (JEDNODUCHÉ ZÁTVORKY) | Slúžia na zápis súboru požiadaviek na určitý znak vyhľadávaného výrazu pomocou regulárneho výrazu. | (?i)(Kam|tam) | Kam, kam, Tam, tam (ignoruje rozlišovanie veľkých a malých písmen) |
| \ (OBRÁTENÝ LOMENÉ) | Pred znakom regulárneho výrazu znamená, že sa daný znak nebude pri vyhľadávaní chápať ako regulárny výraz, ale ako jednotka textu. | napr\. | napr. (a nie napri, napre, naprd…) |
| ? (OTÁZNIK) | Predstavuje žiaden alebo jeden výskyt predchádzajúceho znaku. | i?šlo | išlo, šlo |
| ^ (STRIEŠKA) | Spôsobí, že znak za ňou nesmie byť v slove na danej pozícii. | SSfs^2 | SSfs1, SSfs3, SSfs4, SSfs5, SSfs6, SSfs7 (nesmie byť 2 za "s") |
| & (AMPERSAND) | Vyjadruje funkciu A SÚČASNE, ktorá umožňuje definovať viaceré hodnoty naraz. | [tag=“SAms4“ & lemma=“.*ci“] | Všetky substantíva (S), s adjektívnou paradigmou (A), s mužským životným rodom (m), v singulári (s) a akuzatíve (4) - ktorých lema sa končí na -ci, napr. |
| .* (Kombinácia BODKA HVIEZDIČKA) | Nahrádza ľubovoľný znak ľubovoľný početkrát. | .*istá | istá, sebaistá, neistá, hmlistá,… |
| .+ (Kombinácia BODKA PLUS) | Používa sa pri vyhľadávaní slov s určitým prefixom, sufixom, skupinou písmen a pod. | za.+ | Všetky slová začínajúce sa písmenami za- (okrem slova za). |
Pri zápise vyhľadávaného výrazu môže byť regulárny výraz použitý na ľubovoľnom mieste. Napríklad pomocou zápisu za.+ík možno nájsť všetky slová začínajúce sa písmenami za- a končiace sa na -ík (okrem zaík). Naopak, zápisom .*koreň.* možno nájsť všetky slová s bázou koreň. Dodatočnou úpravou tohto zápisu na .*kore(ň|n).* sa vo výsledku vyhľadávania nájdu i slová obsahujúce alternáciu v danej báze (napríklad i slová koreniny, vykorenený).
Podmienky používané pri vyhľadávaní v korpuse
within
Táto podmienka sa používa na vyhľadávanie výrazov v rámci určitej štruktúry.
| Príklad | Význam | Očakávaný výsledok |
|---|---|---|
| [tag=“S.*“]{2} within [tag=“V.*“][]*[tag=“V.*“] | Dve bezprostredne za sebou nasledujúce substantíva v skupine výrazov medzi dvoma slovesami. | … že to všetko je vlastne vecou histórie, spoločenského poriadku, nanovo sa vo mne ozvali… |
| [lemma="zelený"] within <doc auth="Vincent Šikula"/> | Všetky lemy „zelený“ v dielach Vincenta Šikulu. | napr. Aký je zelený, - divili sa chlapci. |
| [lemma=“hlava“][lemma=“deravý“] within <s/>[]*</s> | Zobrazenie spojení dvoch lem hlava a deravý v rámci vety. | E.g. Každý má na hlave deravý klobúk a pred sebou šálku, z ktorej stúpa riedky dym. Veru tak, hlava opitá, hlava deravá! |
containing
Táto podmienka sa používa na vyhľadávanie viet, ktoré obsahujú určité lemy alebo značky.
| Príklad | Význam | Očakávaný výsledok |
|---|---|---|
| containing [lemma=“hlava“] [lemma=“deravý“] | Zobrazenie celých viet, ktoré obsahujú lemy hlava a deravý. | napr. Sňal si z hlavy deravý slamený širák, zotrel z čela pot. |
| [tag=“V.*“] []{5} [tag=“V.*“] containing [tag=“S.*“]{3} | Zobrazenie celých 7-tokenových fráz obsahujúcich mennú skupinu zloženú z troch substantív stojacich bezprostredne za sebou, pričom frázy sú ohraničené slovesami. | napr. vybral z vrecka balíček cigariet a podal |
meet
Táto podmienka sa používa na vyhľadávanie kolokácií v určitom rozsahu pozícií.
| Príklad | Význam |
|---|---|
| (meet [tag=“S.*“] [tag=“VL.*“] -3 3) | Zobrazenie substantíva, ktoré je obklopené slovesami v minulom čase v rozsahu pozícií -3 3. |
union
Táto podmienka sa používa na kombinovanie výsledkov vyhľadávania pomocou operátora ALEBO.
| Príklad | Význam |
|---|---|
| (union (meet [lemma=“hovoriť“] [lemma=“pravda“] -4 4) (meet [lemma=“vysloviť“] [lemma=“lož“] -4 4)) | Funkcia ALEBO pri vyhľadávaní kolokácií pomocou funkcie podmienky meet, zobrazí sa len lema hovoriť alebo vysloviť. |
Všeobecné podmienky používané v SketchEngine
Tieto podmienky sa používajú na definovanie vzťahov medzi slovami a ich morfologickými kategóriami.
| Príklad | Význam | Očakávaný výsledok |
|---|---|---|
| 1:[] 2:[] & 1.tag = 2.tag | Všetky slová stojace vedľa seba, ktorých morfologické kategórie sú totožné. | napr. príliš automaticky, exkluzívne ekologické, až prakticky, celkom mimovoľne |
| 1:[] 2:[] & 1.tag = 2.tag & f(1.tag) > 1000 | Všetky slová stojace bezprostredne vedľa seba, ktoré majú rovnakú morfologickú značku, ale frekvencia prvej morfologickej značky musí byť viac ako 1000 v danom korpuse. | napr. Táto knižnica sa najčastejšie používa v kombinácii s jazykom **Python**, avšak je možné ju použiť aj s jazykom C++. |
tags: #skratky #používané #v #slovenskom #národnom #korpuse
