Differences

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

--- external:lexemann:guidelines [2009/03/25 17:44]
bejcek Doplnění adres, čísel a časů; nepojmenované entity
+++ external:lexemann:guidelines [2009/04/20 23:23]
stastna
@@ Line 2: / Line 2: @@
 ===== Pravidla =====
 ==== SemLex -- slovník víceslovných lexémů ====
@@ Line 12: / Line 14: @@
     * 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, ...)
+    * 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.)
@@ Line 32: / Line 37: @@
      * //Železná lady// -- přidat do **SemLex**u a anotovat
      * (víceslovné značky autorů pod článkem (pokud víceslovné existují) značit jako entity reprezentující jména osob)
+   * **instituce**
+        * //Dental, s.r.o.// celé **instituce**, ovšem pouze když je to zkratkou (jako prof. Novák)
+        * **veletrhy** a **soutěže** jsou **instituce** (podle dokumentu "Skupiny pojmenovaných entit")
    * **objekt** jsou __pojmenované__ věci, které nejsou lidi, zvířata, instituce a místní názvy\\ viz zmínku u **biblio**.
      * Spadají sem tedy:
        - kulturní artefakty (názvy knih, filmů, festivalů apod., předpisů, zákonů, ...)
+         * podtitul je součástí názvu (knihy)
        - 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!))
@@ Line 42: / Line 52: @@
        - biologické názvy (brouk patří do "čeledi X, druhu Y, skupiny Z")
      * //ČNB Na Příkopech// -- tím je myšlena budova, nikoli instituce, tudíž je to **objekt**
-   * **adresa**\\ problém hranice mezi **jméno**/**instituce** + **místo** a **adresa**\\ přesné pravidlo: **adresa musí obsahovat ulici a/nebo doplňující (ne-místní) údaj typu tel./PSČ/fax/e-mail**; jinak se anotuje každé zvlášť, tj. např. obvyklá forma //jméno a/nebo instituce, město// není dostatečně přesně určeno, aby to mohlo být považováno za adresu. Příklady:
+     * //2654 m n.m.//, //v tisíci metrech nad mořem// -- //"m n.m."// (i psaný slovy) je **objekt**
+     * //př. K.// -- **objekt**
+     * //Kč/hod.//, //korun za hodinu// -- **objekt**
+* **adresa**\\ problém hranice mezi **jméno**/**instituce** + **místo** a **adresa**\\ přesné pravidlo: **adresa musí obsahovat ulici a/nebo doplňující (ne-místní) údaj typu tel./PSČ/fax/e-mail**; jinak se anotuje každé zvlášť, tj. např. obvyklá forma //jméno a/nebo instituce, město// není dostatečně přesně určeno, aby to mohlo být považováno za adresu. Příklady:
      * //Petr Novák, ÚFAL// -- **jméno**, **instituce**
      * //Worchester & sons, New Haven, Connecticut// -- **instituce**, **místo**
@@ Line 64: / Line 78: @@
      * //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%// -- obojí **X**
+     * //3%//, //3-7%//, //pět a půl procenta// -- vše **X**
    * **čas** anotujeme pouze v případě odpovědi na otázku "kdy", ne však na otázku "kolik"
      * //devět sekund// -- nic (kolik)
@@ Line 75: / Line 89: @@
      * //20. století// -- v zásadě ano, ale 20 je jednoslovné => nic
      * //20 hodin 15 minut// -- celé **čas**
-     * //v 1. polovině 20. století// -- nic FIXME
+     * //v 1. polovině 20. století// -- nic
-     * //léta 1980/1// -- FIXME
+     * //léta 1968/9//, //v sezoně 1992/1993// -- obecně záleží na tom, zda je "1980/1" je tvořeno více t-uzly (lze ověřit označkováním jedničky a klávesou F5 si nechat obarvit, co vše to zasáhlo); v tomto případě jsou to tři uzly (lomítko má vlastní uzel), takže anotovat (//"léta"// a //"v sezoně"// se každopádně neanotuje)
      * //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
 Některá **apelativa** budeme považovat za součást entity, většinu však ne.
@@ Line 100: / Line 116: @@
 Pojmenovanou entitou **není** nic z následujících:
-  * //americká centrální banka// -- je to sice označení jedné konkrétní banky, ale ne její název (stejně jako //nejhlubší bod na Zemi// je Mariánský příkop); //centrální banka// patří do !SemLexu
+  * //americká centrální banka// -- je to sice označení jedné konkrétní banky, ale ne její název (stejně jako //nejhlubší bod na Zemi// je Mariánský příkop); //centrální banka// patří do SemLexu
   * //vládní návrh zákona o státní sociální podpoře// -- pokud to nebude název jednoho konkrétního zákona (pak by to mělo být s velkým 'Z'), není to žádná pojmenovaná entita; co se týče frazémů, je to povětšinou komposicionální, možná je //státní sociální podpora// termín (nutno pro každý konkrétní případ vyhledat, vygooglit), který by se měl uložit do SemLexu

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

Institute of Formal and Applied Linguistics Wiki

Differences