Przewodnik po elektronicznych zasobach językowych dla polonistów

KZR: Korpus zależności referencyjnych 

Forma dostępu: online, http://pcc.nlp.ipipan.waw.pl/query_corpus/

Wymogi techniczne: pełny dostęp bez konieczności założenia konta i logowania się.

Zawartość: korpus został opracowany przez Zespół Inżynierii Lingwistycznej IPI PAN^¹, działający pod kierownictwem Macieja Ogrodniczuka. Baza zawiera zbiór tekstów, które anotowano ręcznie i opisano relacjami referencyjnymi i pomocniczymi „na potrzeby wielkoskalowej analizy nominalnych relacji referencyjnych w polszczyźnie" (zob. http://pcc.nlp.ipipan.waw.pl/overview). 

Na korpus składa się ponad 0,5 mln słów, a dokładnie: „1745 tekstów „krótkich" — stanowiących pełne akapity próbek o długości ok. 300 tekstów, wybranych z NKJP z zachowaniem oryginalnej proporcji typów tekstów (495 866 segmentów)" oraz „21 tekstów „długich" — kompletnych tekstów wybranych z tzw. Korpusu „Rzeczpospolitej" i odpowiadających 7 działom tematycznym gazety (36 300 segmentów)" (zob. http://pcc.nlp.ipipan.waw.pl/overview, por. Ogrodiczuk 2019: 67–112). 

Możliwości i ograniczenia korzystania z zasobów: możliwość zaawansowanego wyszukiwania danych w bazie. System umożliwia przeszukiwanie korpusu na dwa sposoby. Po pierwsze, można skorzystać z wyszukiwarki segmentów (zob. http://pcc.nlp.ipipan.waw.pl/query_corpus/), w której zapytanie formułuje się samemu za pomocą odpowiedniej składni zapytań (zbliżonej do składni zapytań w Poliqarpie w NKJP – zob. opis: 9.1.1. Wyszukiwarka Poliqarp (2008–2012)). Możemy wyszukać na przykład (zob. http://pcc.nlp.ipipan.waw.pl/manual#zapytania):

1. wszystkie formy fleksyjne danego leksemu, jak choćby rzeczownika Kraków, wpisując [base="Kraków"];

2. konkretną formę fleksyjną danego leksemu, wpisując ją bezpośrednio w okienko dialogowe: Polską lub stosując odpowiednią składnię: [orth="Krakowem"];

3. dane słowo niezależnie od jego zapisu w tekstach wielką czy małą literą: [orth_lc="polski"];

4. określone klasy i kategorie gramatyczne – zgodnie z przyjętymi skrótami w języku angielskim (zob. http://nkjp.pl/poliqarp/help/ense2.html#x3-30002.1) typu: [pos="subst"] lub za pomocą umieszczonego pod okienkiem dialogowym konstruktora zapytań, umożliwiającego wprowadzenie określonych atrybutów segmentu/segmentów jak: część mowy, liczba, rodzaj, aspekt itd.

Ze względu na specyfikę korpusu dodatkowo istnieje także możliwości formułowania zapytań pod katęm określonych zależności referencyjnych, a są to:

1. zapytania o wzmianki^², np. „wzmianki w dopełniaczu wyszukamy, uruchamiając zapytanie containing [case="gen"]" 

2. zapytania o klastry³, które „dają w wyniku wyrażenia dominujące klastrów. Można je przeszukiwać podając treść wyrażenia dominującego jako argument filtra coref, np.  da w wyniku listę wzmianek, dla których za wyrażenie dominujące został uznany zaimek „on". Typy wzmianek podajemy w dodatkowym atrybucie, np. " (zob/. http://pcc.nlp.ipipan.waw.pl/manual). 

System umożliwia także wyszukiwanie segmentów z zawężeniem wyników zgodnie z dokonanym wyborem określonych metadanych, takich jak: izba, typ tekstu, mówca, data, rok, ustrój, numer kadencji, sesja oraz etykieta i tytuł. Ponadto dodatkowym narzędziem ułatwiającym grupowanie i wizualizację wyników wyszukiwania jest panel „Statystyki".

Po drugie, można skorzystać z wyszukiwarki tekstów, jeśli poszukujemy określonych materiałów językowych ograniczonych zgodnie z zaznaczonymi metadanym, takimi jak: etykieta, tytuł, typ tekstu, długość. 

Inne wersje elektroniczne online: korpus do pobrania w postaci plików w trzech formatach: MMAX, TEI ze strony: http://zil.ipipan.waw.pl/PolishCoreferenceCorpus.