• Vyhledávání
• Přidávání do slovníku
  • nejde-li něco udělat, poznamenat to do “glosa” a označit třemi hvězdičkami (tedy ***poznámka) k dalšímu ručnímu posouzení
  • 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: <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?) 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, …)

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).

Vnitřní struktura nás (prozatím) nezajímá, takže například “Astronomický ústav Univerzity Karlovy v Praze” anotujeme jako jednu jedinou instituci.

• 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.

• objekt jsou pojmenované věci, které nejsou lidi, zvířata, instituce a místní názvy
  viz zmínku u biblio.
  • Spadají sem tedy:
    1. kulturní artefakty (názvy knih, filmů, festivalů apod., předpisů, zákonů, …)
    2. názvy výrobků (Intel Pentium Pro)
    3. názvy měn (americký dolar)¹⁾
    4. měrné jednotky (námořní míle)²⁾
    5. názvy chemických sloučenin (oxid hlinitý)
    6. 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:
  • Petr Novák, ÚFAL – jméno, instituce
  • Worchester & sons, New Haven, Connecticut – instituce, místo
  • ČNB Na Příkopech – objekt, místo (viz objekt)
  • Pavel Přibyl, Nábřežní 35, Plzeň – adresa
  • ÚFAL, Malostranské náměstí 25, Praha 1 – adresa
  • Petr Novák, ÚFAL, Malostranské náměstí 25 – adresa
  • Svoboda, 777 578 975 – adresa
• 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
  • 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

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”.)

Příklady toho, co už není frazém:

• moskevský čas
• antisemitská politika, rasistická politika

Eliptické užití frazému se anotuje původním frazémem, tedy například “zrakově postižený” je anotováno slovníkovou položkou “zrakově postižený člověk”.

• 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.

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).
  1. obojí je obvyklé, ale když alespoň jedno neplatí, neznamená to ještě, že o frazém v nějakém smyslu nejde.
     1. 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).
     2. 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
  1. ano –ps
• slovo “zákon” je součástí názvu (zákon o daních, podle zákona 1456/18, Sb.)
  1. souhlas. –ps
• 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)
  1. 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?
  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
• Problém značení variabilních frazémů (dostal x měsíců natvrdo) a nekonečně rozvinutelných frazémů (“výkonná rada oddělení obvodního úřadu pro míru nezaměstnanosti”)
  1. 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
  2. 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

• (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.
• Ve frazémech typu přešla mne chut' značíme jen přejít chut'.

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)

1. potřebujeme přesný údaj, kde se to stalo. Jinak chybu nemůžeme opravit. (–ps)

• první příklad, se kterým jsem se dnes setkal: v souboru ln95047_134.t.gz se (což se stává) opakuje poslední věta dvakrát; v obou případech nelze označit druhou půlku telefonního čísla (= součást adresy). (pš)
• další příklad: soubor ln95047_137, 6. odstavec, výraz “nemocniční zařízení”: lze označit jen “nemocniční”, nikoli “zařízení”. (pš)
• dalsi priklady souboru, kdy je posledni veta zdvojena a nektere vyrazy v ni nelze anotovat: davka 14/soubor 18; 14/31;

14/50; 14/72; 15/22, 23 (skoro celé nelze anotovat); 16/51; 16/74; 16/134 (pv)

Další otázky:
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?
2) jak anotovat fakulty a názvy univerzit, obory apod?
3) jak znacit parafraze a nekonecne mnozstvi variaci typu “Zloději nechodí po horách, ale po domácnostech” (pv)