This is an old revision of the document!
Přehled pdt-korpusů s manuální tektogramatickou anotací
| PDT 2.0 | PDT 2.5/3.0 | PCEDT-cz | PDTSC | FAUST | |
|---|---|---|---|---|---|
| počet tokenů | 833 195 | 833 195 | 1 151 150 | 742 257 | 33 772 |
| počet vět | 49 431 | 49 431 | 49 208 | 73 835 | 3 000 |
| morfologická | manuálně | manuálně | automaticky | automaticky | automaticky |
| analytická | manuálně | manuálně | automaticky | automaticky | automaticky |
| a.rf | automaticky | automaticky | manuálně | manuálně | manuálně |
| gramatémy | poloauto | poloauto | ne (auto) | ne (auto) | ne (auto) |
| struktura | manuálně | manuálně | manuálně | manuálně | manuálně |
| funktory | manuálně | manuálně | manuálně | manuálně | manuálně |
| subfunktory | automaticky | automaticky | ne | ne | ne (auto) |
| valence | manuálně | manuálně | manuálně | manuálně | manuálně |
| – u substantiv | manuálně | manuálně | ne (RSTR) | ne (RSTR) | ne (RSTR) |
| coref-gram | manuálně | manuálně | manuálně | bude | ne |
| coref-text | manuálně | manuálně | manuálně | bude | ne |
| deepord, tfa | manuálně | manuálně | bude | ne | ne |
| quot | manuálně | manuálně | ne | ne | ne |
| klauze (na anal.) | ne | automaticky | ne | ne | ne |
| víceslovné výrazy | ne | manuálně | ne | ne | ne |
| typgroup | ne | manuálně | ne | manuálně | ne |
| formémy | ne | bude | automaticky | ne | ne |
| sentmod | automaticky | manuálně | ne | ne | ne |
| factmod | ne | manuálně | ne | ne | ne |
| coref – 1a2. osoba | ne | bude | bude | bude | ne |
| coref-text-rozšíř. | ne | manuálně | ne | ne | ne |
| diskurz | ne | manuálně | ne | ne | ne |
| bridging | ne | manuálně | ne | ne | ne |
manuálně = ruční anotace (může být automaticky předpřipravená, ale vždy ručně zkontrolovaná)
automaticky = hodnoty jsou dosazeny automatickým nástrojem
poloauto = hodnoty jsou dosazeny automatickým nástrojem, v některých případech zkontrolované a doplňované ručně
ne = hodnoty nejsou vyplněny
ne (auto) = hodnoty nejsou vyplněny, a pokud ano, jsou to nespolehlivé hodnoty, které vyprodukoval automatický parser, který stromy připravuje k anotaci.
ne (RSTR) = namísto funktorů aktantů a substantivních funktorů MAT, APP, AUTH je vždy funktor RSTR
PDT 2.0 (2006, LDC)
Prague Dependency Treebank 2.0
http://ufal.mff.cuni.cz/pdt2.0/
Morfologická: 2 mil. slov Analytická: 1,5 mil. slov Tektogramatická: 0,8 mil. slov
Lidové noviny (deník), ISSN 1213-1385, 1991, 1994, 1995
Mladá fronta Dnes (deník), 1992
Českomoravský Profit (ekonomický týdeník), 1994
Vesmír (populárně vědecký měsíčník), ISSN 1214-4029, Vesmír, s.r.o., 1992, 1993
(časopis Vesmír není zastoupen na tektogramatické rovině)