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 [2013/12/05 15:35] (current)
bejcek oprava formátování
@@ Line 2: / Line 2: @@
 ===== Pravidla =====
 ==== SemLex -- slovník víceslovných lexémů ====
   * Vyhledávání
+    - kliknout na Hledat, nebo stisknout S
+    - vyplnit "Základní tvar", nebo "Lemmatizovaný tvar"
+    - stisknout Enter (neklikat na Hledat)
+    - Pomocí tlačítek "P" a "N" (či pomocí Ctrl-p a Ctrl-n) vybrat z více možností tu požadovanou, nebo pomocí roletkového menu Základní tvar (nefunguje vždy dobře, viz ticket #79)
   * Přidávání do slovníku
     * nejde-li něco udělat, poznamenat to do "glosa" a označit třemi hvězdičkami (tedy ''%%***%%poznámka'') k dalšímu ručnímu posouzení
@@ Line 10: / Line 26: @@
       * 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.
+    * Pro frazémy neurčitého slovního druhu (jako např. "laicky řečeno" -- asi částice?) a větné frazémy (jako přísloví) zvolte jako PoS hodnotu "N/A".
-    * Je-li potřeba položku smazat, použijte ''%%***%%remove'' a případně připište důvod (vytvořeno omylem, duplicitní heslo, není frazémem, ...)
+    * Je-li potřeba položku smazat, použijte ''%%***%%remove'' do glosy a případně připište důvod (vytvořeno omylem, duplicitní heslo, není frazémem, ...)
+      * Existuje-li heslo jak v singuláru, tak v plurálu (a není pro to důvod), je potřeba tímto způsobem jedno z nich smazat. V případech jako "cenný papír", "obchodní vztah" se smaže plurál (který není ničím jiným než více kusy singuláru). V případě jako "sportovní potřeby" se singulár prakticky nepoužívá, smaže se tedy ten.
+    * 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.)
+    * Homonymie -- v případě, že je potřeba založit druhé heslo se stejným "Základním tvarem", připište na jeho konec ":2", například "přímá volba :2". (Přímá volba se týká volby například presidenta lidem a také telefonní volby jedním tlačítkem.)
+    * Při vytváření lemmatisovaného tvaru od
+      * negovaného slova platí, že se předpona "ne-" odtrhává od slova vždy -- krom případů, kdy vzniklé slovo buď neexistuje, nebo není protikladem. Existuje-li tedy jasná dvojice protikladů tvořených pomocí "ne-", pište prosím jako lemma vždy tvar bez předpony.\\ nejasný -> jasný\\ nepřijít -> přijít\\ ...\\ ale:\\ nenechavý -> nenechavý (nechavý neexistuje)\\ nemocný -> nemocný (mocný má úplně jiný význam)
+      * výrazu s čárkou ("Ministerstvo školství**,** mládeže a tělovýchovy") se (zatím, pro konsistenci) čárka v lemmatisovaném tvaru také uvádí.
+    * Vybrané příklady:
+      * rozpočtová kapitola -- **ano** (ne každá kapitola lze říci takto s adjektivem)\\ Hypothesa: <html>Existuje-li spojení X<font size="-5">Adj</font>-Y<font size="-5">Subst</font> ("rozpočtová kapitola"), které lze obrátit na Y<font size="-5">Subst</font>-X<font size="-5">Subst</font> ("kapitola rozpočtu") s přibližně stejným významem, zatímco jiné podobné A<font size="-5">Subst</font>-B<font size="-5">Subst</font> ("kapitola zákona") na adjektivní formu převést nelze (*"zákonná kapitola"), je to dobrý důvod pro anotaci. (Případné další příklady a také protipříklady možno psát sem.)</html>
+        * diplomatická čtvrť, ekonomický náměstek, měnový výbor -- ano
+        * marketingová metoda, marketingová smlouva -- asi ne
+        * Grepl v Příruční mluvnici mluví o tom, že adjektivní spojení zastírá význam a jako příklad uvádí oblíbené knedlíky (bramborové vs. švestkové). To tedy svědčí pro to, že adjektivní varianta by se měla anotovat, neboť má zastřenější význam.
+      * imobilní občan -- **ne** (je to jako "občan, který nemůže chodit")
+      * veřejný objekt, bytový objekt -- **ano**
+      * přímá úměra, nepřímá úměra -- **ano** (obojí, není to protiklad; lemma "přímý úměra")
+      * schodišťová plošina, šikmá schodišťová plošina -- **ano** (obojí; "schodišťová plošina" (MWE) má často podobu "šikmé schodišťové plošiny" (MWE))
+    * Položky ze SČFI nemají vyplněn PoS. Doplňujte ho, když takové slovníkové heslo použijete.
@@ Line 32: / Line 62: @@
      * //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 76: @@
        - biologické názvy (brouk patří do "čeledi X, druhu Y, skupiny Z")
      * //ČNB Na Příkopech// -- tím je myšlena budova, nikoli instituce, tudíž je to **objekt**
+     * //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**
@@ Line 64: / Line 102: @@
      * //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 113: @@
      * //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**
+     * //od září do dubna// -- nic, není to absolutní udání času (které září)
+   * **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 141: @@
 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
 ==== Frazémy ====
-Příklady toho, co už není frazém:
+Vždy anotovat **doslova** přesně tou položkou slovníku, která je použita v textu.
+  * tedy "ministerstvo privatizace" je jiné než "privatizační ministerstvo"
+  * vyjímku tvoří:
+    * zdrobněliny: "rodinný dům" lze použít i pro anotaci "rodinného d//omku//"
+    * přechýlení: "ministr vnitra" lze použít i pro "ministr//yni// vnitra"
+    * elipsa: viz níže
+    * pravopisné varianty: "kuponová privatisace" lze použít pro "kup//ó//nová privati//z//ace"
+    * vidové dvojice: "zneuž//ití// pravomoci veřejného činitele" lze anotovat pomocí "zneužívání pr. veř. čin."
+    * překlep/chyba autora textu: "ministr //průmyslu a obchodu//" se anotuje "ministrem obchodu a průmyslu", ačkoli autor prohodil pořadí slov
+    * zkratky: "kriminální film" se použije také pro "//krim.// film"; podobně "dok. film"...
+    * (Pokud jsem na něco zapomněl, připište to, nebo se zeptejte. --EB)
+\\
+Příklady toho, co už **není frazém**:
   * moskevský čas
   * antisemitská politika, rasistická politika
+  * hlavní město Rakouska (jen "hlavní město")
+  * poslední den (ze SČFI -- zrušit)
+  * principy trhu, tržní principy
+  * //sekundární předložky:// vzhledem k, s ohledem na, ... (již předanotované sek. předl. mazat)
+\\
-Příklady nekomposicionálních frazémů:
+Příklady **frazémů**:
+  * velkosériová výroba -- je to sporné, dohodli jsme se, že ano
+  * sedmá třída
+  * ?? speciální efekt?
+  * zapsat se zlatým písmem
+  * na sklad -- adverbium
+  * z tohoto mraku pršet nemusí (PoS: N/A) (případně jako %%***%%derived, pokud má anotátor pocit, že originál zní jinak, třeba "...pršet nebude")
+  * "převzetí záštity" (%%***%%derived od "převzít záštitu", morfologická derivace)
+\\
+Příklady **nekomposicionálních** frazémů:
   * vládní návrh
+\\
+**Eliptické** užití frazému se anotuje původním frazémem, tedy například "zrakově postižený" je anotováno slovníkovou položkou "zrakově postižený člověk". Podobně "první světová" anotováno "první světovou válkou".
+  * pokud po elipse zbyde jedno slovo, neanotuje se; (tj. článek o "Ministerstvu průmyslu a obchodu" se slovem "ministerstvo" na každém řádku, stejně jako o "fotbalové lize" se slovy "liga" bude mít anotovaný pouze ten plný víceslovný výraz.)
+    * výjimkou je //koordinace// typu "první a druhá světová válka", kde slovo "první" je elipsou za "první světová válka"
+  * "česká inspekce" -- zvláštnost stylu autora článku; s malým 'č' ve významu "Česká inspekce životního prostředí" (což celé je pojmenovaná entita, tedy není v SemLexu);\\ řešení: založit heslo "Česká inspekce životního prostředí", poznamenat k němu, že je to pojmenovaná entita instituce, a pak jím anotovat "českou inspekci"
+\\
+**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"//
+**Citáty** a ustálené věty typu //"Hvězdné nebe nad námi a mravní zákon v nás"// či //"Čo bolo, to bolo, terazky som majorom"// anotovat a zakládat pro ně ve slovníku hesla. (Do oblasti našeho zájmu spadají jen tím, jak jsou ustrnulá a nesubstituovatelná apod., nicméně jiná anotace je také nezachycuje.) Obměny citátů stejně jako obměny přísloví výše.
+V **idiomatických, leč jednoslovných** slovesných konstrukcích typu //"zapsat si další asistenci"//, či //"kéž by to tam padalo"// lze variovat vše krom slovesa. Jsou už podchycena PDT-VALLEXem a my je **neanotujeme**.
+=== problematické ===
+**zákony:** pridavna slova jako "vladni" a "novela" neanotovat.
+Problem je, jak (a ktery) zakon anotovat. Vubec, jako NE, SemLexem.
-Eliptické užití frazému se anotuje původním frazémem, tedy například "zrakově postižený" je anotováno slovníkovou položkou "zrakově postižený člověk".
+  * Pridrzet se pravidla o objektech [[guidelines#pojmenovane-entity-ne|vyse]]: tedy nazvy, ktere oznacuji jeden konkretni zakon, anotovat jako NE. (Tomu je vzdy kvivalentni vlozit ho do slovniku a vyznacit, ze je to ''%%***%%objekt''.)
+  * V druhe rade se ridit poznámkou slecny Stastne,((slovnik je plny souslovi, ktera se prinejmensim zdaji byt kompozicionalni, ovsem nelze na nich provest substitucni test *ministerstvo peneznich prostredku  *zakon o odvodech statu (=zakon o danich) )) totiz zkontrolovat substituovatelnost (prip. komposicionalitu). To se bude tykat asi i delsich zakonu. [Pozor, zda nahodou neni frazemem jen cast celeho vyrazu. Souhlasim se "*zakonem o odvodech statu", ale domnivam se, ze "*zakon o pridavcich na nezletile" nam nerika nic o zakone, ale jen o "pridavcich na deti".]
+  * Pokud ani jedno neplati, nevidim nutnost to anotovat. (Leda byste to chtely mit ve slovníku, stejne jako ostatni zakony, ktere uz v nem jsou.) V techto pripadech bych to nechal na vasem uvazeni. Anotujte konsistentne a pripadne (casem) zformulujte pravidlo, kterym se ridite.
-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"//
+**trestné činy:** Spojeni "trestny cin" asi neni (na rozdil od zakona) soucasti nazvu, viz treba [[http://zakony.kurzy.cz/140-1961-trestni-zakon/cast-2-hlava-3/|Zneužívání pravomoci veřejného činitele]]
+Anotujte tedy "trestny cin" zvlast a v pripade, ze nasleduje neco, co do slovniku dat chcete, tak to tam pridejte samostatne, tedy treba to "zneuziti pravomoci verejneho cinitele". Tedy:
+  * "trestny cin vrazdy" -- anotovat jen "trestny cin"
+  * "trestny cin zneuziti pravomoci verejneho cinitele" -- zvlast 2 MWE
+  * "trestny cin pokusu o vrazdu" -- pouze "trestny cin" (pokud se vam na rozdil od nas nezda "pokus o vrazdu" nejak zajimavy)
+  * "obvinen z pokusu o vrazdu" -- nic
 ===== K nástroji sem-ann =====
@@ Line 167: / Line 273: @@
 ) 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>
+==otázky E. Šťastné (únor 2009)==
+únor 2009; odpovědi P. Straňák + P. Šidák
+  - Jaká je řekněme lingvistická definice toho, co mám pojmenovávat? Víceslovná vlastní jména? Chápu to správně, že se neoznačují všechna víceslovná pojmenování, ale prostě jen to, co začíná velkým písmenem? Proč?  co dělat s příklady, kdy nejde o vlastní jméno, jako "americké ministerstvo zahraničí rozhodlo" - vše s malým, nic?; "arabská čtvrť v Jeruzalémě" - nic?, "izraelsko-palestinská smlouva byla podepsána"? A co dělat s pojmenováními, která mají před sebou adjektivum, takže malé písmeno ("jižní Čechy")
+    * čistě lingvistickou definici nelze dát, neboť se pohybujeme i mimo pole lingvistiky (např. kategorie "adresa" či "bibliografický údaj" jsou extralingvistické); "izraelsko-pal. smlouva" se značit NEBUDE; značila by se jen v případě, kdyby byla psána s velkým písmenem (tam by pak pravopis naznačoval, že jde o vlastní jméno -> objekt; viz bod 4);
+  - jde o funkci nebo lexikální jednotku? - př: "společnosti, které mají v České republice obchodní zastoupení" - ČR je zde místo? x "Česká republika zaujala postoj" -  instituce?  - je cílem spíše určit lex. jednotku jako příslušnou k jednomu určení, nebo postihnout všecny způsoby užití?
+    * v tomto případě je nutné lišit význam "místo" (bude se vyskytovat méně často) a "instituce" - v případě personifikace, resp. synekdochy (bude se vyskytovat výrazně častěji);
+  - apelativa jsou součástí NE pouze u místních názvů, nebo všude? P. Šidák říká jen u místních názvů, v Instrukcích jsou i příklady typu "kniha Babička". Znamená to, že mám anotovat všechna apelativa následovaná propriem (agentura Reuters, pivovar Radegast...)?  s tím také souvisí otázka, zda se "funkce" skutečně neanotují ("český ministr školství, mladeže a tělovýchovy Ivan Pilip" . anotuji jen Ivan Pilip - jméno?)
+    * výrazy, jejichž součástí je proprium a apelativum. Tento problém je obtížný, záleží na (diskrétní) míře kolokace. Nicméně shodli jsme se na obecném pravidle, že tyto výrazy se značit NEBUDOU (substituční zkouška: lze říci nejen "kniha Babička", ale i "román Babička", "tisková kancelář Reuters" namísto "agentury Reuters" apod.); v případě toho minstra školství se značí toto zvlášť a I. Pilip jako jméno;
+  - co národy? "sudetští Němci, bosenští Srbové" - anotuji? jako co?
+    * sudetští Němci a bosenští Srbové jendoznačně ano. Nelze ovšem dát čistě lingvistické zdůvodnění. Shodli jsme se na tom, že tyto termíny mají jakýsi příznak (hisotriografického, kulturologického, sociologického apod.) termínu, a měly by proto být značeny (stejně jako např. "hřib dubový" nebo "elegické distichon"). - - Shodli jsme se na tom, že anotátor vychází iz obecného (P. Straňák říká intersubjektivního, já říkám "encyklopedického" ve smyslu U. Eca) ponětí: co je všeobecně známo jakožto termín, označuje se j. objekt (případ hřibu dubového apod.); v případě Mnichovské dohody je tedy primární fakt, že "všichni" "víme", že je to něco jedinečného, terminologizovaného, a až sekudnární fakt, že se píše s maiuskulí.\\ Anotátor se má tedy držet tohoto obecného povědomí; a i pokud - kdyby např. byl historick specializovaný na izraelsko-palestinské konflikty - věděl, že ta "izraelsko-p." smlouva je jedinčená, a tedy by se měla psát s maiuskulí (a je jen chyba, že tak psána není), a tedy by se měla značit, značit ji NEBUDE, neboť není součástí tohoto obecného povědomí.
+  - zkratky se neanotují, pokud jsou "jednoslovné" - co mám dělat se zkratkami autorů článků? v Instrukcích se sice píše, že anotovat, ale je mi to divné, jak mám vědět, čeho je to zkratka?)
+    * bod "5" záleží na stromech - vyřeší P. Straňák.
 [[oldlines|Starší pravidla]] (používaná do 23. 7. 2008).

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

Institute of Formal and Applied Linguistics Wiki

Differences