PL EN


2020 | 11 | 2 | 37-62
Article title

Typologie víceslovných jednotek v češtině a frekvenční zastoupení jejich hlavních vlastností v žánrově vyváženém korpusu

Content
Title variants
EN
Typology of Multiword Expressions in Czech and Frequency of Their Main Features in a Genre-Balanced Corpus
Languages of publication
CS
Abstracts
EN
The paper consists of two main parts: (a) In the first part, a typology of multiword expressions (MWE) in Czech is described in a detailed way. This typology is part of the description of MWE database entries in the lexical database LEMUR containing more than 10,500 MWE entries as of June 2020. MWE properties reflected in this typology are accounted for by categories and their values. Each MWE is identified by a unique lemma; a group of related MWEs is assigned a “superlemma”. A MWE is described by the following properties: a MWE definition, characteristic examples, lemmas and morphological features of MWE components (words), as well as the following key categories: MWE style/register, type of usage, syntactic structure (including its representation by a dependency and a phrase-structure tree), aspects of flexibility (variants and fragments, internal modifiability of individual MWE components, possibilities of syntactic transformations of the main MWE components and morphological constraints) and types of idiomaticity on the lexical, morphological, syntactic, semantic and pragmatic level. (b) In the second part of the paper, the authors focus on the frequency of the main features of the adopted typology in the real language material represented by the genre-balanced SYN2015 corpus, containing 100 mil. word forms (excluding punctuation): a type of usage correlated with a syntactic type and frequency of various kinds of idiomaticity. Our paper seems to be the first attempt at approaching the MWE properties from the point of view of MWE frequencies as types rather than tokens (i.e. frequencies of occurrences of a given MWE).
CS
Příspěvek má dvě hlavní části: (a) V první části je podrobně popsána typologie (vlastnosti) víceslovných lexikálních jednotek (dále VLJ) v češtině, přičemž tato typologie je součástí popisu databázových hesel těchto jednotek v lexikální databázi LEMUR, obsahující k červnu 2020 více než 10 500 hesel.2 Jednotlivé vlastnosti těchto 1 Příspěvek vznikl jako součást projektu Mezi slovníkem a gramatikou (Between Lexicon and Grammar), podpořeného Grantovou agenturou České republiky, reg. č. 16-07473S. 2 Databáze LEMUR je podrobně charakterizována v článku Vondřička (2019). Vznikla v Ústavu Českého národního korpusu FF UK a výhledově bude zpřístupněna uživatelům. Bude rovněž postupně propojována s korpusem, kde budou víceslovné lexikální jednotky anotovány, takže bude možné podle anotovaných vlastností vyhledávat. Na vyžádání v Ústavu Českého národního korpusu FF UK je ovšem možné zpřístupnit databázi k nahlédnutí již nyní. OPEN ACCESS 38 STUDIE Z APLIKOVANÉ LINGVISTIKY 2/2020 jednotek jsou zachyceny prostřednictvím kategorií a jejich hodnot. U každé jednotky uvádíme její identifikační lemma a tzv. superlemma, definici, typické příklady; dále popisujeme lemmata a morfologické vlastnosti jednotlivých komponent (slov) a poté takové charakteristiky jako styl/varieta VLJ, její typ užití, syntaktická struktura (včetně reprezentace v podobě závislostního a frázového stromu), aspekty ustálenosti/flexibility (včetně variant a fragmentů VLJ, vnitřní modifikovatelnosti jednotlivých komponent VLJ, možností syntaktických transformací hlavních komponent VLJ a též morfologických omezení) a konečně typy idiomatičnosti na rovině lexikální, morfologické, syntaktické, sémantické a pragmatické. (b) V druhé, hlavní části příspěvku sledujeme frekvenční zastoupení hlavních aspektů této typologie u dosud zpracovaných VLJ: typ užití v korelaci se syntaktickým typem a dále zastoupení různých druhů idiomatičnosti, a to v reálném jazykovém materiálu reprezentovaném žánrově vyváženým korpusem SYN2015 (obsahuje sto milionů slovních tvarů mimo interpunkci). Jde patrně vůbec o první pokus zaměřit se na vlastnosti víceslovných lexikálních jednotek z hlediska četnosti jejich výskytů jakožto typů, nikoli tokenů (tj. četností výskytů dané jednotky).
Contributors
References
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-680bf3a3-1334-4e11-9a6a-3800a19a11bb
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.