Differences

This shows you the differences between two versions of the page.

--- external:lexemann:guidelines [2007/07/08 00:22]
stranak
+++ external:lexemann:guidelines [2008/08/29 13:49]
bejcek opravení FIXME
@@ Line 1: / Line 1: @@
 ====== Anotační instrukce ======
+===== Pravidla =====
-==== Pravidla ====
+==== SemLex -- slovník víceslovných lexémů ====
-== SemLex -- slovník víceslovných lexémů ==
   * Vyhledávání
   * Přidávání do slovníku
@@ Line 10: / Line 9: @@
     * je vhodné časté pojmenované entity také přidávat do slovníku, v další verzi programu to poslouží k automatické předanotaci
       * Pro odlišení pojmenovaných entit od ostatních lexémů ve slovníku je potřeba určit typ entity do glosy:\\ ''%%***%%(jméno)''\\ ''%%***%%(instituce)''\\ ''%%***%%(místo)''\\ ''%%***%%(objekt)''\\ ''%%***%%(foreign)''.
+    * Pokud přidáváte položku zřetelně odvozenou od jiné, která už ve slovníku je, poznamenejte to opět do glosy jako ''%%***%%derived from: <ID číslo původní položky>''\\ později bude vyhledání přidáno přimo do programu (např. "zrakově postižený člověk" je odvozený od "zdravotně postižený člověk").
+    * Pro frazémy neurčitého slovního druhu (jako např. "laicky řečeno" -- asi částice?) a větné frazémy (jako přísloví) bude možno v příští verzi vybrat N/A.
+    * Je-li potřeba položku smazat, použijte ''%%***%%remove'' a případně připište důvod (vytvořeno omylem, duplicitní heslo, není frazémem, ...)
-== Pojmenované entity ==
-  - **v této fázi se zabýváme jen striktně víceslovnými NE: tedy těmi, uvnitř nichž nemá smysl ani závislostní popis, ani funktory. Jednoslovné NE se budou anotovat až v 2. fázi v TrEdu.**
+==== Pojmenované entity ("NE") ====
----
+**v této fázi se zabýváme jen striktně víceslovnými NE:** tedy těmi, uvnitř nichž nemá smysl ani závislostní popis, ani funktory. Jednoslovné NE se budou anotovat až v 2. fázi v TrEdu. Z toho důvodu neanotujeme ani jednoslovné zkratky víceslovných NE (např. ČSSD). (Pozor, KDU-ČSL má tři tektogramatické uzly, proto je (a všechny ostatní zkratky s pomlčkou, spojovníkem, či mezerou ("MFF UK")) chceme **anotovat** již v této fázi jako instituce).
-   * TODO Sjednotit (zde i ve sem-ann-u) anglické a české názvy. Třeba person pro jméno žáby je poněkud matoucí. (podle mne není, jde o personifikaci --ps)
+Vnitřní struktura nás (prozatím) nezajímá, takže například "Astronomický ústav Univerzity Karlovy v Praze" anotujeme jako jednu jedinou instituci.
+<html><font color="red">V současné podobě jsou instrukce (zejména v oblasti apelativ) někdy až protichůdné. Neznajíce dobré řešení, zveřejňujeme je alespoň tak a řešení zkusíme zkonsultovat s prací O. Krůzy.</font></html>
+----
    * **jméno** jsou jména pouze osob a zvířat\\ ke jménu osoby patří i tituly
      * v případech jako "prezident V. Klaus" nebude 'prezident' anotován jako součást jména. Výraz je totiž do značné míry samostatný, jméno může být i vynecháno. Titul jako součást jména anotujeme jen v případech, kdy nemá samostatný význam, kdy o danou funkci v textu vůbec nejde. V těchto případech je titul typicky zapisován zkratkou. Jméno v těchto případech nemůže být elidováno.
+     * //profesor P. Novák// -- **jméno** je //P. Novák//
+     * //prof. Novák// -- **jméno**
+     * //princ z Walesu// -- nic (je to titul, takže to celé může být přidáno do **SemLex**u)
+     * //Železná lady// -- přidat do **SemLex**u a anotovat
+     * (víceslovné značky autorů pod článkem (pokud víceslovné existují) značit jako entity reprezentující jména osob)
    * **objekt** jsou __pojmenované__ věci, které nejsou lidi, zvířata, instituce a místní názvy\\ viz zmínku u **biblio**.
@@ Line 36: / Line 48: @@
      * //Petr Novák, ÚFAL, Malostranské náměstí 25// -- **adresa**
      * //Svoboda, 777 578 975// -- **adresa**
+     * //jdu do galerie Václava Špály// -- **místo**
+     * //Galerie Václava Špály koupila obraz// -- **instituce**, protože je to personifikace
    * **biblio** je pouze bibliografický údaj, čili něco strukturovaného\\ jméno knihy (stejně jako jméno filmu) je jen **objekt** (zadny **biblio**)\\ Kde je hranice? //Božena Němcová, Babička, str. 143// budeme posuzovat jak? (Kol. Šidák dostal pokyn označit jako **biblio** a poznamenat na papír s připomínkami pro nás)
-   * **X** slouží primárně pro nezařaditelné entity\\ prozatím také pro označování množství, neboť to dosud (TODO) nemá vlastní značku
+   * **X** slouží primárně pro nezařaditelné entity\\ prozatím také pro označování množství, neboť to dosud (TODO) nemá vlastní značku;\\ pomocí **X** se také anotují např. šachové koncovky
      * //100 -- 200 metrů čtverečních// -- **X**, **objekt**
      * //10 m// -- nic nic
      * //od 10 do 18 let// -- **X** je "//od 10 do 18//", "//let//" je nic
      * //mezi sedadly 30 a 40// -- **X** je "//mezi 30 a 40//", "//sedadly//" není nic
+     * //1. c7 Vd6+ 2. Kb5 Vd5+ 3. Kb4 Vd4+ 4. Kb3 Vd3+ 5. Kc2! Vd4! 6. c8V! Va4 7. Kb3// -- celé jako **X** jakožto šachová koncovka
+   * **čas** anotujeme pouze v případě odpovědi na otázku "kdy", ne však na otázku "kolik"
+     * //devět sekund// -- nic (kolik)
+     * //pět let// -- nic (kolik)
+     * //20 hodin// -- udává-li období => nic; udává-li večerní čas => 20 by byl **čas**, ale je to jednoslovné => také nic
+     * //rok 1994// -- FIXME **čas**
+     * //únor 2002// -- **čas**
+     * //počátek září 1974// -- //"počátek"// neanotovat, zbytek je **čas**
+     * //60. léta// -- v zásadě ano, ale 60 je jednoslovné => nic
+     * //20. století// -- v zásadě ano, ale 20 je jednoslovné => nic
+     * //20 hodin 15 minut// -- celé **čas**
+     * //v 1. polovině 20. století// -- nic FIXME
+     * //léta 1980/1// -- FIXME
-==== K nástroji sem-ann ====
+Všechna **apelativa** budeme považovat za součást entity. Hlavním důvodem je, že určují její typ. (Příklady: "ulice Politických vězňů", "náměstí Míru", "Staroměstské náměstí", "chrám sv. Víta", "kniha Babička".)
+  * //Univerzita Karlova v Praze// -- anotovat celé
+  * //Washington, DC// -- celé
+  * //Washington, USA// -- celé
+  * //České Budějovice, Česká republika// -- celé
+  * //Matematicko-fyzikální fakulta, Univerzita Karlova v Praze// -- celé
+  * //Filozofická fakulta v Českých Budějovicích// -- zvlášť fakultu, zvlášť město
+  * //kapela Doors// -- nic (anotovalo by se jen jednoslovné //Doors//)
+  * //turnaj U.S. Open// -- FIXME
+  * //chrám sv. Václava// -- celé
+  * //pan Novák// -- nic
+  * //ulice pplk. Sochora// -- FIXME jsou součástí pojmenovaných entit - ano --ps
+  * //Staroměstské náměstí// i //náměstí Míru// -- FIXME jsou součástí pojmenovaných entit - ano --ps
+  * //zákon o daních// -- celé FIXME
+  * //podle zákona 1456/18, Sb.// -- bez //"podle"// celé FIXME
- * Zobrazuje-li se vlevo pod oknem s textem hvězdička (v samostatném rámečku), značí to, že soubor byl změněn a nebyl dosud uložen.
- * Program lze spouštět také například takto: ''./sem-ann.pl anot/lnd94103_1*.t.gz anot/lnd94103_002.t.gz''. Pak program po startu automaticky otevře soubor ''lnd94103_100.t.gz''. Po dokončení práce a uložení souboru klávesa F8 otevře soubor ''lnd94103_101.t.gz'' atd. až předposlední soubor bude ''lnd94103_199.t.gz'' a poslední ''lnd94103_002.t.gz''. Klávesa F7 umožňuje naopak vracet se k předchozímu vyjmenovanému souboru.
+==== Frazémy ====
+Příklady toho, co už není frazém:
+  * moskevský čas
+  * antisemitská politika, rasistická politika
+Příklady nekomposicionálních frazémů:
+  * vládní návrh
+Eliptické užití frazému se anotuje původním frazémem, tedy například "zrakově postižený" je anotováno slovníkovou položkou "zrakově postižený člověk".
+Parafráze a variace typu //"Zloději nechodí po horách, ale po domácnostech"// se vloží jako nová položka do SemLexu s poznámkou "derived" v Glosse, která odkazuje na původní //"Neštěstí nechodí po horách, ale po lidech"//. (Pokud neexistuje, tak samozřejmě nejprve ho vyrobit, pak vyrobit odvozenou variantu s odkazem na něj.) Podobně //"Ne Rudé, ale Šedé právo"//; nový význam spojení //"Sarajevský atentát"//
+===== K nástroji sem-ann =====
+  * Zobrazuje-li se vlevo pod oknem s textem hvězdička (v samostatném rámečku), značí to, že soubor byl změněn a nebyl dosud uložen.
+  * Program lze spouštět také například takto: ''./sem-ann.pl anot/lnd94103_1*.t.gz anot/lnd94103_002.t.gz''. Pak program po startu automaticky otevře soubor ''lnd94103_100.t.gz''. Po dokončení práce a uložení souboru klávesa F8 otevře soubor ''lnd94103_101.t.gz'' atd. až předposlední soubor bude ''lnd94103_199.t.gz'' a poslední ''lnd94103_002.t.gz''. Klávesa F7 umožňuje naopak vracet se k předchozímu vyjmenovanému souboru.
 === Některé užitečné klávesy ===
@@ Line 57: / Line 116: @@
 |F8|Next file|//od revize 94//|
-==== Dotazy, nejasnosti ===
+===== Dotazy, nejasnosti ====
 Máme několik dalších nejasností, zatím jsme se shodli na následujících řešeních:
   * Obecně: frazém je to, co nelze lexikálně variovat (dopravní přestupek/*dopravní hřích) a co není odlučitelné (*dopravní závažný přestupek).
     - obojí je obvyklé, ale když alespoň jedno neplatí, neznamená to ještě, že o frazém v nějakém smyslu nejde.
-      - Máme dost různých kreativních užití ("ne Rudé, ale Šedé právo"; nový význam spojení "Sarajevský atentát"), některé jsou pak časem více či méně lexikalizované. Otázka je, jak "ad hoc" frazémy značit.Prozatím navrhuji zanést jej do Semlexu a do pozn. uvést od jakého frazému je odvozen, pokud je to zřejmé (je-li ten původní kiž v SemLexu, tak ID).
+      - <del>Máme dost různých kreativních užití ("ne Rudé, ale Šedé právo"; nový význam spojení "Sarajevský atentát"), některé jsou pak časem více či méně lexikalizované. Otázka je, jak "ad hoc" frazémy značit.Prozatím navrhuji zanést jej do Semlexu a do pozn. uvést od jakého frazému je odvozen, pokud je to zřejmé (je-li ten původní kiž v SemLexu, tak ID).</del>
       - //neodlučitelnost// je také sporná. Zaprvé je možná (a běžná) elipsa (Sarajevský atentát -> Sarajevo). To ale není odloučení. Ovšem i rozvití části frazému je ale možné. Co možné není, je porušení přímé závislosti všech částí frazému, neboli rozdělení (přerušení) jeho syntaktického stromu jiným uzlem.
-  * Apelativa jako "ulice", "náměstí" (např. ve spojení "Staroměstské náměstí" i "náměstí Míru") apod. jsou součástí pojmenovaných entit
+  * <del>Apelativa jako "ulice", "náměstí" (např. ve spojení "Staroměstské náměstí" i "náměstí Míru") apod. jsou součástí pojmenovaných entit</del>
-    - ano --ps
+    - <del>ano --ps</del>
-  * slovo "zákon" je součástí názvu (zákon o daních, podle zákona 1456/18, Sb.)
+  * <del>slovo "zákon" je součástí názvu (zákon o daních, podle zákona 1456/18, Sb.)</del>
-    - souhlas. --ps
+    - <del>souhlas. --ps</del>
-  * NE typu „galerie Václava Špály“: je to místo, když se tím míní místo; ale když je tam personifikace, je to INSTITUCE (GVŠ koupila obraz x jdu do GVŠ)
+  * <del>NE typu „galerie Václava Špály“: je to místo, když se tím míní místo; ale když je tam personifikace, je to INSTITUCE (GVŠ koupila obraz x jdu do GVŠ)</del>
-    - ano, přesně tak si to představuji. --ps
+    - <del>ano, přesně tak si to představuji. --ps</del>
-  * devět sekund, pět let, 20 hodin – jde o čas ?(shodli jsme se, že „rok 1994“ značíme celé jako čas), nebo máme postupovat analogicky podle „10 metrů“ a neanotovat?
+  * <del>devět sekund, pět let, 20 hodin – jde o čas ?</del>(shodli jsme se, že „rok 1994“ značíme celé jako čas), nebo máme postupovat analogicky podle „10 metrů“ a neanotovat?\\ <del>Nemůžu najít odpověď na tuto otázku -- je někde jinde? Další příklad je "únor 2002" a ten snad anotovat chceme. Ovšem stejně jako všechny předchozí příklady sestává ze dvou (a více) tektogramatických uzlů, což snad je naše kritérium... --EB</del>
-  * Problém značení variabilních frazémů (dostal x měsíců natvrdo) a nekonečně rozvinutelných frazémů ("výkonná rada oddělení obvodního úřadu pro míru nezaměstnanosti")
+   * Problém značení variabilních frazémů (dostal x měsíců natvrdo) a nekonečně rozvinutelných frazémů ("výkonná rada oddělení obvodního úřadu pro míru nezaměstnanosti")
     - //variabilní//: zavést "dostat měsíců natvrdo" apod. vzhledem k syntakt. struktuře se najdou všechny výskyty. Ovšem do poznámky uvést, že to rozvití "měsíců" je obligatorní. Horší je, že zde může variovat i měsíců/let a "natvrdo a podmíněně". Prozatím nezbyde, než to vše mít jako samostatná hesla SemLexu, ale optimální to není. MOC DOBRÝ PŘÍKLAD. DÍKY. --ps
     - //rozvíjitelné//: označit celek, zavést jej do SemLexu. Jeho frazeologické části jsou zajímavý problém do budoucna, ale zcela samostatný. Lexikografická záležitost. Alespoň dokud nenajdete lepší příklad :-)
-  * //značky autorů pod článkem navrhuji značit jako entity reprezentující jména osob// (--ps)
+  * Případy jako //první vlna//, //druhá vlna// aj. kazdý značíme jako  frazém, těch vln asi není až tak hodně, max. 10.
+  * Ve frazémech typu //přešla mne chut'// značíme jen //přejít chut'//.
-====PŠ+PV====
-Ještě technický problém: občas některé lexémy naprosto nevysvětlitelně nelze označit a  program hlásí, že "vybraný text nemá smysl anotovat"(přitom to jsou ale výrazy, které prokazatelně smysl anotovat má), několikrát se to stalo i u celého souboru. (PŠ+PV)
+==PŠ+PV==
-  - potřebujeme přesný údaj, kde se to stalo. Jinak chybu nemůžeme opravit. (--ps)
+Další otázky:
+) jak znacit vyrazy jako: vládní návrh zákona o sociální podpoře
+ jmena zakonu obecne znacim jako objekty, ale tady se zaroven krizi: vladni navrh, navrh zakona, zakon o socialni podpore a socialni podpora - je v takovych pripadech lepsi zadat cele heslo do slovniku s tim, ze bude slovnik velmi rychle narustat, nebo vyraz rozkouskovat a v tom pripade jak?
+) jak anotovat <del>fakulty a názvy univerzit,</del> obory apod?
+) <del>jak znacit parafraze a nekonecne mnozstvi variaci typu "Zloději nechodí po horách, ale po domácnostech" (pv)</del>
+[[oldlines|Starší pravidla]] (používaná do 23. 7. 2008).

[ Back to the navigation ] [ Back to the content ]

Institute of Formal and Applied Linguistics Wiki

Differences