Návod na vyhľadávanie

Vyhľadávanie v Slovenskom národnom korpuse

1. NoSketch Engine s dátami SNK

V Slovenskom národnom korpuse sa vyhľadáva pomocou nástroja NoSketch Engine. Pôvodne sa používal korpusový manažér Manatee s klientom Bonito vyvinutým na Fakulte informatiky Masarykovej univerzity v Brne. Webové rozhranie NoSketch Engine s dátami SNK je prístupné na adrese https://bonito.korpus.sk. Aby ste ho mohli používať, je nevyhnutné sa najprv zaregistrovať.

2. Jednoduché vyhľadávanie bez registrácie

Jednoduché vyhľadávanie je možné aj bez registrácie prostredníctvom webového rozhrania, ale s veľmi obmedzeným prístupom ku korpusom (prim-6.0-public-all, r-mak-3.0 a iné), bez možnosti vytvárania podkorpusov. Pred začatím používania webového rozhrania si treba prečítať a odsúhlasiť podmienky používania SNK.

Ako citovať korpus

Verzie a podkorpusy SNK, ako i jednotlivé zdroje z nich citujte podľa nasledujúceho návodu.

Typy a značky anotácií textov SNK

Výber najčastejšie používaných metaznakov na vyhľadávanie

Metaznaky používame pri vyhľadávaní pomocou atribútu CQL, spôsob hľadania jedného tokenu je vždy záväzný a má tvar [atribút=“hľadaný_token“], napr. [lemma=“hlava“]. Regulárny výraz môžeme utvoriť aj pomocou kombinácie atribútov, napr. [word=“.*ací“ & tag!=“A.*“] (vyhľadanie všetkých tvarov slov zakončených na -ací, ktoré nie sú adjektívami).

Znak v korpuse sa chápe ako ľubovoľný znak okrem medzery. Formulácia metaznak BODKA nahrádza ľubovoľný znak znamená, že bodka v tomto prípade nahrádza aj ľubovoľnú číslicu, interpunkčné znamienko, zátvorku a pod.

Nasledujúce príklady platia pre nástroje Bonito I, NoSketch Engine a Sketch Engine.

Metaznak	Význam metaznaku	Príklad použitia	Očakávaný výsledok vyhľadávania
.	BODKA nahrádza jeden ľubovoľný znak.	dom..	domov, domec
*	HVIEZDIČKA určuje, že znak, ktorý je pred hviezdičkou, sa opakuje ľubovoľný počet krát (aj nula krát).	hm*	h, hm, hmm, hmmm
+	PLUS určuje, že znak, ktorý je pred týmto regulárnym výrazom, sa opakuje raz alebo viackrát.	hm+	hm, hmm, hmmm…
{ }	ZLOŽENÉ ZÁTVORKY. V nich umiestnené číslo určuje, koľkokrát sa má regulárny výraz, resp. písmeno pred zátvorkami opakovať.	dom.{3}	domový, domček…
{m,n}	Do zátvoriek môžeme zapísať aj interval výskytu znaku stojaceho pred zátvorkami.	.{5,10} hm{1,4}	ľubovoľné slová skladajúce sa z 5 až 10 písmen hm, hmm, hmmm, hmmmm
\|	ZVISLÁ ČIARA má funkciu operátora ALEBO.	dom\|doma	dom, doma
[ ]	HRANATÉ ZÁTVORKY: definuje sa v nich množina znakov, ktoré sa môžu vyskytovať v danom výraze na mieste zátvoriek. Množina sa určuje vymenovaním znakov, ktoré sa neoddeľujú čiarkou, alebo určením intervalu napr. a-z (interval zahŕňa sled znakov bez diakritiky).	[dsl]om [r-v]ám	dom, som, lom rám, sám, tám, uám, vám (ak sa takéto tokeny v korpuse vyskytujú)
( )	JEDNODUCHÉ ZÁTVORKY slúžia na zápis súboru požiadaviek na určitý znak vyhľadávaného výrazu pomocou regulárneho výrazu, resp. viacerých regulárnych výrazov.	(D\|d)om ([Kk]\|[Tt])am	Dom, dom Kam, kam, Tam, tam
(?i)	Tento regulárny výraz spôsobí, že pri vyhľadávaní sa bude ignorovať rozlišovanie veľkých a malých písmen.	(?i)dom	Dom, dom
\	Obrátený znak LOMENÉ pred znakom regulárneho výrazu znamená, že sa daný znak nebude pri vyhľadávaní chápať ako regulárny výraz, ale ako jednotka textu.	napr\.	napr. (a nie napri, napre, naprd…)
?	OTÁZNIK predstavuje žiaden alebo jeden výskyt predchádzajúceho znaku.	i?šlo	išlo, šlo
^	STRIEŠKA spôsobí, že znak za ňou nesmie byť v slove na danej pozícii.	SSfs^2	2-ka nesmie byť za „s“, teda sú to všetky feminína v singulári okrem genitívnych tvarov, t.j. SSfs1, SSfs3, SSfs4, SSfs5, SSfs6, SSfs7, ale teoreticky, ak by také značky existovali, može to byť aj napr. SSfsA, SSfsaBBBB,…
&	AMPERSAND vyjadruje funkciu A SÚČASNE, ktorá umožňuje definovať viaceré hodnoty naraz.	[tag=“SAms4″ & lemma=“.*ci“]	všetky substantíva (S), s adjektívnou paradigmou (A), s mužským životným rodom (m), v singulári (s) a akuzatíve (4) – ktorých lema sa končí na -ci, napr. domáceho, kupujúceho, vedúceho (kde lema je domáci, kupujúci, vedúci – see https://korpus.juls.savba.sk/subst.html)

1. Kombinácia metaznakov

Kombinácia BODKA HVIEZDIČKA nahrádza ľubovoľný znak ľubovoľný početkrát. Výsledkom vyhľadávania zápisu .*istá budú slová zakončené sufixom -istá, ale aj samotné slovo istá. Napr. istá, sebaistá, neistá, hmlistá,…

Kombinácia BODKA PLUS sa používa pri vyhľadávaní slov s určitým prefixom, sufixom, skupinou písmen a pod. Výsledok vyhľadávania zápisu za.+ zobrazí všetky slová začínajúce sa písmenami za- (okrem slova za). Pri zápise vyhľadávaného výrazu môže byť regulárny výraz použitý na ľubovoľnom mieste. Napríklad pomocou zápisu za.+ík možno nájsť všetky slová začínajúce sa písmenami za- a končiace sa na -ík (okrem zaík). Naopak, zápisom .*koreň.* možno nájsť všetky slová s bázou koreň. Dodatočnou úpravou tohto zápisu na .*kore(ň|n).* sa vo výsledku vyhľadávania nájdu i slová obsahujúce alternáciu v danej báze (napríklad i slová koreniny, vykorenený).

2. Podmienky používané pri vyhľadávaní v korpuse

2.1. within

Príklad	Význam	Očakávaný výsledok
[tag=“S.“]{2} within [tag=“V.“][][tag=“V.“]	Dve bezprostredne za sebou nasledujúce substantíva v skupine výrazov medzi dvoma slovesami.	… že to všetko je vlastne vecou histórie* , spoločenského poriadku , nanovo sa vo mne ozvali…*
[lemma="zelený"] within <doc auth="Vincent Šikula"/>	Všetky lemy „zelený“ v dielach Vincenta Šikulu.	napr. Aký je zelený* , — divili sa chlapci .*
[lemma=“hlava“][lemma=“deravý“] within <s/>[]*</s>	Zobrazenie spojení dvom lem hlava a deravý v rámci vety, (farebne zvýraznené sú len hľadané tokeny).	E.g. Každý má na hlave deravý klobúk a pred sebou šálku, z ktorej stúpa riedky dym. Veru tak, hlava opitá, hlava deravá!

2.2. containing

Príklad	Význam	Očakávaný výsledok
containing [lemma=“hlava“] [lemma=“deravý“]	Zobrazenie celých viet, ktoré obsahujú lemy hlava a deravý.	napr. Sňal si z hlavy deravý* slamený širák , zotrel z čela pot .*
[tag=“V.“] []{5} [tag=“V.“] containing [tag=“S.*“]{3}	Zobrazenie celých 7-tokenových fráz obsahujúcich mennú skupinu zloženú z troch substantív stojacich bezprostredne za sebou, pričom frázy sú ohraničené slovesami.	napr. vybral z vrecka balíček cigariet a podal

2.3. meet

Príklad	Význam
(meet [tag=“S.“] [tag=“VL.“] -3 3)	Zobrazenie substantíva, ktoré je obklopené slovesami v minulom čase v rozsahu pozícií -3 3.

2.4. union

Príklad	Význam
(union (meet [lemma=“hovoriť“] [lemma=“pravda“] -4 4) (meet [lemma=“vysloviť“] [lemma=“lož“] -4 4))	Funkcia ALEBO pri vyhľadávaniach kolokácií pomocou funkcie podmienky meet, zobrazí sa len lema hovoriť alebo vysloviť.

3. Všeobecné podmienky používané v SketchEngine

Príklad	Význam	Očakávaný výsledok
1:[] 2:[] & 1.tag = 2.tag	Všetky slová stojace vedľa seba, ktorých morfologické kategórie sú totožné.	napr. príliš automaticky, exkluzívne ekologické, až prakticky, celkom mimovoľne
1:[] 2:[] & 1.tag = 2.tag & f(1.tag) > 1000	Všetky slová stojace bezprostredne vedľa seba, ktoré majú rovnakú morfologickú značku, ale frekvencia prvej morfologickej značky musí byť viac ako 1000 v danom korpuse.	napr. udržateľný ekonomický, Ježišom Kristom, alebo ako, aj keď

Viac informácií o možnostiach vyhľadávania v nástroji Sketch Engine a NoSketch Engine nájdete tu.