Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
external:lexemann:guidelines [2008/07/14 13:38] bejcek přísloví -- PoS:N/A |
external:lexemann:guidelines [2009/03/27 15:50] bejcek podtitul |
||
---|---|---|---|
Line 1: | Line 1: | ||
====== Anotační instrukce ====== | ====== Anotační instrukce ====== | ||
+ | ===== Pravidla ===== | ||
- | + | ==== SemLex -- slovník víceslovných lexémů | |
- | ==== Pravidla ==== | + | |
- | + | ||
- | === SemLex -- slovník víceslovných lexémů === | + | |
* Vyhledávání | * Vyhledávání | ||
* Přidávání do slovníku | * Přidávání do slovníku | ||
Line 13: | Line 11: | ||
* je vhodné časté pojmenované entity také přidávat do slovníku, v další verzi programu to poslouží k automatické předanotaci | * 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:\\ '' | * Pro odlišení pojmenovaných entit od ostatních lexémů ve slovníku je potřeba určit typ entity do glosy:\\ '' | ||
- | * Pokud přidáváte položku zřetelně odvozenou od jiné, která už ve slovníku je, poznamenejte to opět do glosy jako '' | + | * Pokud přidáváte položku zřetelně odvozenou od jiné, která už ve slovníku je, poznamenejte to opět do glosy jako '' |
* Pro frazémy neurčitého slovního druhu (jako např. " | * Pro frazémy neurčitého slovního druhu (jako např. " | ||
* Je-li potřeba položku smazat, použijte '' | * Je-li potřeba položku smazat, použijte '' | ||
+ | * Synonymum -- založit jako novou položku ve slovníku, ideálně propojit se svým protějškem vyplněním okénka Synonyma (vepsat buď výraz, nebo ID synonymního protějšku v SemLexu). (Pokud anotátor ví, nebo později zjistí, že protějšek ve slovníku je, vyplní ID.) | ||
+ | |||
+ | |||
+ | |||
- | === Pojmenované entity (" | + | ==== 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. 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, | **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, | ||
Vnitřní struktura nás (prozatím) nezajímá, takže například " | Vnitřní struktura nás (prozatím) nezajímá, takže například " | ||
+ | |||
+ | < | ||
---- | ---- | ||
Line 26: | Line 30: | ||
* **jméno** jsou jména pouze osob a zvířat\\ ke jménu osoby patří i tituly | * **jméno** jsou jména pouze osob a zvířat\\ ke jménu osoby patří i tituly | ||
* v případech jako " | * v případech jako " | ||
+ | * //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**. | * **objekt** jsou __pojmenované__ věci, které nejsou lidi, zvířata, instituce a místní názvy\\ viz zmínku u **biblio**. | ||
* Spadají sem tedy: | * Spadají sem tedy: | ||
- kulturní artefakty (názvy knih, filmů, festivalů apod., předpisů, zákonů, ...) | - kulturní artefakty (názvy knih, filmů, festivalů apod., předpisů, zákonů, ...) | ||
+ | * podtitul je součástí názvu (knihy) | ||
- názvy výrobků (Intel Pentium Pro) | - názvy výrobků (Intel Pentium Pro) | ||
- názvy měn (americký dolar)((tyto sem sice věcně spadají, ale jelikož jde o skupinu relativně omezenou, zavádějte je jako víceslovné lexémy do slovníku!)) | - názvy měn (americký dolar)((tyto sem sice věcně spadají, ale jelikož jde o skupinu relativně omezenou, zavádějte je jako víceslovné lexémy do slovníku!)) | ||
Line 36: | Line 46: | ||
- biologické názvy (brouk patří do " | - biologické názvy (brouk patří do " | ||
* //ČNB Na Příkopech// | * //ČNB Na Příkopech// | ||
+ | * //2654 m n.m.//, //v tisíci metrech nad mořem// -- //"m n.m."// | ||
+ | * // | ||
* **adresa**\\ problém hranice mezi **jméno**/ | * **adresa**\\ problém hranice mezi **jméno**/ | ||
* //Petr Novák, ÚFAL// -- **jméno**, **instituce** | * //Petr Novák, ÚFAL// -- **jméno**, **instituce** | ||
Line 44: | Line 56: | ||
* //Petr Novák, ÚFAL, Malostranské náměstí 25// -- **adresa** | * //Petr Novák, ÚFAL, Malostranské náměstí 25// -- **adresa** | ||
* //Svoboda, 777 578 975// -- **adresa** | * //Svoboda, 777 578 975// -- **adresa** | ||
+ | * //kontakt: 777 578 975// -- v tomto případě je to celé **adresa**, neboť " | ||
+ | * //kontakt: 777 578 975, e-mail pepa@ufal.cz, | ||
+ | * //č.ú.: 4328-483859392054/ | ||
+ | * //jdu do galerie Václava Špály// -- **místo** | ||
+ | * //Galerie Václava Špály koupila obraz// -- **instituce**, | ||
+ | |||
* **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) | * **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// | * //100 -- 200 metrů čtverečních// | ||
* //10 m// -- nic nic | * //10 m// -- nic nic | ||
* //od 10 do 18 let// -- **X** je "//od 10 do 18//", "// | * //od 10 do 18 let// -- **X** je "//od 10 do 18//", "// | ||
* //mezi sedadly 30 a 40// -- **X** je "// | * //mezi sedadly 30 a 40// -- **X** je "// | ||
+ | * //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 | ||
+ | * //pět milionů// -- **X** | ||
+ | * //3%//, //3-7%//, //pět a půl procenta// -- vše **X** | ||
+ | * **čas** anotujeme pouze v případě odpovědi na otázku " | ||
+ | * //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// -- nic | ||
+ | * //únor 2002// -- **čas** | ||
+ | * //počátek září 1974// -- //" | ||
+ | * //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 | ||
+ | * //léta 1968/9//, //v sezoně 1992/1993// -- obecně záleží na tom, zda je " | ||
+ | * //8:20// -- je representováno třemi t-uzly, takže anotovat, **čas** | ||
+ | * **foreign** se použije až v případě, že nelze zařadit jinam -- buď jinam nepatří, nebo anotátor neví, o jakou entitu jde | ||
+ | * //ad hoc// -- **foreign** | ||
+ | * //The Jungle Book// -- **objekt**, protože anotátor ví, že je to kniha | ||
- | Všechna | + | Některá |
+ | Apelativa, která budeme anotovat spolu s entitou, jsou vesměs geografické výrazy, vždy tvoří součást názvu (vynechání lze pak považovat spíše za elipsu), | ||
+ | Příklady: "ulice Politických vězňů", | ||
+ | naopak neanotujeme apelativa | ||
+ | * // | ||
+ | * // | ||
+ | * // | ||
+ | * //České Budějovice, | ||
+ | * // | ||
+ | * // | ||
+ | * //kapela Doors// -- nic (anotovalo by se jen jednoslovné // | ||
+ | * //turnaj U.S. Open// -- jen U.S. Open jako objekt | ||
+ | * //chrám sv. Václava// -- celé | ||
+ | * //pan Novák// -- nic | ||
+ | * //ulice pplk. Sochora// -- celé | ||
+ | * // | ||
+ | * //zákon o daních// -- celé (pokud je to název jednoho konkrétního zákona) | ||
+ | * //podle zákona 1456/18, Sb.// -- bez //" | ||
- | === Frazémy === | + | Pojmenovanou entitou **není** nic z následujících: |
+ | * //americká centrální banka// -- je to sice označení jedné konkrétní banky, ale ne její název (stejně jako // | ||
+ | * //vládní návrh zákona o státní sociální podpoře// -- pokud to nebude název jednoho konkrétního zákona (pak by to mělo být s velkým ' | ||
+ | |||
+ | ==== Frazémy | ||
Příklady toho, co už není frazém: | Příklady toho, co už není frazém: | ||
* moskevský čas | * moskevský čas | ||
* antisemitská politika, rasistická politika | * antisemitská politika, rasistická politika | ||
+ | |||
+ | Příklady nekomposicionálních frazémů: | ||
+ | * vládní návrh | ||
Eliptické užití frazému se anotuje původním frazémem, tedy například " | Eliptické užití frazému se anotuje původním frazémem, tedy například " | ||
- | ==== K nástroji sem-ann ==== | + | Parafráze a variace typu //" |
+ | |||
+ | |||
+ | ===== 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. | * Zobrazuje-li se vlevo pod oknem s textem hvězdička (v samostatném rámečku), značí to, že soubor byl změněn a nebyl dosud uložen. | ||
Line 80: | Line 144: | ||
- | ==== Dotazy, nejasnosti === | + | |
+ | |||
+ | ===== Dotazy, nejasnosti | ||
Máme několik dalších nejasností, | Máme několik dalších nejasností, | ||
* Obecně: frazém je to, co nelze lexikálně variovat (dopravní přestupek/ | * Obecně: frazém je to, co nelze lexikálně variovat (dopravní přestupek/ | ||
- obojí je obvyklé, ale když alespoň jedno neplatí, neznamená to ještě, že o frazém v nějakém smyslu nejde. | - 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"; | + | - <del>Máme dost různých kreativních užití ("ne Rudé, ale Šedé právo"; |
- // | - // | ||
- | * Apelativa jako " | + | * <del>Apelativa jako " |
- | - ano --ps | + | - <del>ano --ps</ |
- | * slovo " | + | * <del>slovo " |
- | - souhlas. --ps | + | - <del>souhlas. --ps</ |
- | * NE typu „galerie Václava Špály“: je to místo, když se tím míní místo; ale když je tam personifikace, | + | * <del>NE typu „galerie Václava Špály“: je to místo, když se tím míní místo; ale když je tam personifikace, |
- | - ano, přesně tak si to představuji. --ps | + | - <del>ano, přesně tak si to představuji. --ps</ |
- | * 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 ?</ |
- | * Problém značení variabilních frazémů (dostal x měsíců natvrdo) a nekonečně rozvinutelných frazémů (" | + | |
- // | - // | ||
- // | - // | ||
- | * (víceslovné značky autorů pod článkem (pokud víceslovné existují) značit jako entity reprezentující jména osob) | ||
* Případy jako //první vlna//, //druhá vlna// aj. kazdý značíme jako frazém, těch vln asi není až tak hodně, max. 10. | * 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'// | * Ve frazémech typu //přešla mne chut'// | ||
Line 104: | Line 169: | ||
==PŠ+PV== | ==PŠ+PV== | ||
- | |||
- | Ještě technický problém: občas některé lexémy naprosto nevysvětlitelně nelze označit a program hlásí, že " | ||
- | - potřebujeme přesný údaj, kde se to stalo. Jinak chybu nemůžeme opravit. (--ps) | ||
- | |||
- | * první příklad, se kterým jsem se dnes setkal: v souboru | ||
- | * další příklad: soubor ln95047_137, | ||
- | * dalsi priklady souboru, kdy je posledni veta zdvojena a nektere vyrazy v ni nelze anotovat: davka 14/soubor 18; 14/ | ||
- | 14/50; 14/72; 15/22, 23 (skoro celé nelze anotovat); 16/51; 16/74; 16/134 (pv) | ||
Další otázky: | Další otázky: | ||
1) jak znacit vyrazy jako: vládní návrh zákona o sociální podpoře | 1) 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? | 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? | ||
- | 2) jak anotovat fakulty a názvy univerzit, obory apod? | + | 2) jak anotovat |
- | 3) jak znacit parafraze a nekonecne mnozstvi variaci typu " | + | 3) <del>jak znacit parafraze a nekonecne mnozstvi variaci typu " |
+ | [[oldlines|Starší pravidla]] (používaná do 23. 7. 2008). |