Тегування дат в національному корпусі української мови
У статті йдеться про кодування дат у текстах Національного корпусу української мови. Розглянуто власне поняття дати, способи її репрезентації в текстах різних стилів та можливі варіанти тегування....
Збережено в:
| Дата: | 2007 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут української мови НАН України
2007
|
| Назва видання: | Лексикографічний бюлетень |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/73037 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Тегування дат в національному корпусі української мови / О. Тищенко // Лексикографічний бюлетень: Зб. наук. пр. — К.: Ін-т української мови НАН України, 2007. — Вип. 16. — С. 82-88. — Бібліогр.: 4 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-73037 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-730372015-01-04T03:01:59Z Тегування дат в національному корпусі української мови Тищенко, О. Комп'ютерна лінгвістика У статті йдеться про кодування дат у текстах Національного корпусу української мови. Розглянуто власне поняття дати, способи її репрезентації в текстах різних стилів та можливі варіанти тегування. 2007 Article Тегування дат в національному корпусі української мови / О. Тищенко // Лексикографічний бюлетень: Зб. наук. пр. — К.: Ін-т української мови НАН України, 2007. — Вип. 16. — С. 82-88. — Бібліогр.: 4 назв. — укр. XXXX-0118 http://dspace.nbuv.gov.ua/handle/123456789/73037 811.161.2’374.72’22 uk Лексикографічний бюлетень Інститут української мови НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Ukrainian |
| topic |
Комп'ютерна лінгвістика Комп'ютерна лінгвістика |
| spellingShingle |
Комп'ютерна лінгвістика Комп'ютерна лінгвістика Тищенко, О. Тегування дат в національному корпусі української мови Лексикографічний бюлетень |
| description |
У статті йдеться про кодування дат у текстах Національного корпусу
української мови. Розглянуто власне поняття дати, способи її репрезентації в
текстах різних стилів та можливі варіанти тегування. |
| format |
Article |
| author |
Тищенко, О. |
| author_facet |
Тищенко, О. |
| author_sort |
Тищенко, О. |
| title |
Тегування дат в національному корпусі української мови |
| title_short |
Тегування дат в національному корпусі української мови |
| title_full |
Тегування дат в національному корпусі української мови |
| title_fullStr |
Тегування дат в національному корпусі української мови |
| title_full_unstemmed |
Тегування дат в національному корпусі української мови |
| title_sort |
тегування дат в національному корпусі української мови |
| publisher |
Інститут української мови НАН України |
| publishDate |
2007 |
| topic_facet |
Комп'ютерна лінгвістика |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/73037 |
| citation_txt |
Тегування дат в національному корпусі української мови / О. Тищенко // Лексикографічний бюлетень: Зб. наук. пр. — К.: Ін-т української мови НАН України, 2007. — Вип. 16. — С. 82-88. — Бібліогр.: 4 назв. — укр. |
| series |
Лексикографічний бюлетень |
| work_keys_str_mv |
AT tiŝenkoo teguvannâdatvnacíonalʹnomukorpusíukraínsʹkoímovi |
| first_indexed |
2025-07-05T21:40:36Z |
| last_indexed |
2025-07-05T21:40:36Z |
| _version_ |
1836844724955119616 |
| fulltext |
82 Лексикографічний бюлетень 2007’16
ТЕГУВАННЯ ДАТ В НАЦІОНАЛЬНОМУ КОРПУСІ УКРАЇНСЬКОЇ
МОВИ
© Оксана Тищенко, 2007
к. філол. н., Інститут української мови НАНУ (Київ)
УДК 811.161.2’374.72’22
У статті йдеться про кодування дат у текстах Національного корпусу
української мови. Розглянуто власне поняття дати, способи її репрезентації в
текстах різних стилів та можливі варіанти тегування.
Створення корпусів мови як специфічно організованих текстових множин
зумовлено тим, що певні дослідження в сучасних умовах інформаційного
суспільства можна здійснювати лише на основі значного за обсягом мовного
матеріалу, послуговуючись найновішими методами й технологіями в
дослідженнях природних мов. Світовий досвід у цій галузі представлений
численною кількістю репрезентативних корпусів як національних мов, так і
мов окремих авторів чи функціональних стилів, діалектів та ін. 2 .
Одним з наріжних питань у корпусній лінгвістиці є проблема кодування
первинних даних та лінгвістичне анотування, тобто введення формалізованої
лінгвістичної інформації в електронний текст (тегування). У Національному
корпусі української мови (НКУМ) прийнято формат подання, що відповідає
принципам ТЕІ 1 .
Існує кілька типів анотації – довільної лінгвістичної інформації про
лінгвально релевантні одиниці текстових даних і наявність такої інформації в
тексті – семантична, анафорична, дискурсна, прагматична, морфологічна тощо
1 . Розглянемо проблему семантичного анотування, зокрема представлення в
корпусі дат і часу.
Дата – це календарний час якої-небудь події; позначка, що вказує час (рік,
місяць, число) написання чого-небудь (листа, статті тощо) 4 .
Отже, анотуванню підлягає позначка в тексті, що вказує на календарний
час будь-якої події. Для визначення змісту та меж позначки, що підлягає
анотуванню, а також змісту самої анотації дат в НКУМ використовуємо дані
теоретичних джерел, передусім 1: 164–165; 3 . О. М. Демська-Кульчицька,
закладаючи основи Національного корпусу української мови, розглядає
кодування дат у межах кодування первинних даних – як число, тобто
пріоритет надано не даті, а числовому позначенню величин, зокрема дат. Так,
автор пропонує використовувати теги:
Лексикографічний бюлетень 2007’16 83
<num> – довільно записане число з атрибутами type, який експлікує тип
числового значення (дріб, порядковий числівник тощо), і value – стандартне
подання значення числа;
<date> – дата в довільному форматі запису за атрибутами calendar, що
визначає систему числення чи календар, за яким подано дату, value –
стандартне подання дати у форматі «рік–місяць–день»; цей атрибут визначає
стандартний запис через Міжнародну Організацію зі Стандартизації (МОС)
8601 (ISO 8601). МОС 8601 описує значну кількість форматів дати й часу,
наприклад, основний формат (без пунктуації) та розгорнутий (з використанням
пунктуації), що дає можливість опускати певні елементи, як-от століття може
бути представлене лише двома цифрами – 01.12.98, 13.01.07;
<time> – часова інформація в межах доби в довільному форматі запису:
<date value=’1980-02-21’>21 лютого 1980</date>
<date value=’1980’>1980</date>
<date value=’12.06’>дванадцятого червня</date>
<time value=’15:00’>о третій дня</time >
<s>Треба зауважити, що темпи зростання економіки США <date
value=’2003’>в 2003 році</date> склали 8,3%.</>
Такі анотації цілком задовільні, коли дати й час в анотованому тексті
подані чітко й точно. Їх можна розширити, звернувшись до подання часу за
МОС 8601, що окрім року (YY або YYYY), місяця (MM), дня (DD) пропонує
подання:
– секунд та десяткових часток секунд: ss.s;
– годин і хвилин (hh:mm), виражених як у скоординованому середньому
гринвіцькому часі (в UTS) зі спеціальним вказівником UTS («Z»), так і
виражених у форматі місцевого часу, з поданням часового поясу в годинах та
хвилинах: YYYY-MM-DDТhh:mm:ss.sTZD, де TZD вказує на часових пояс (Z
+ hh:mm:ss.s), напр.: 2007-09-16Т19:28:30.4+02:00.
Однак крім точно вказаного моменту подій (рік, місяць, день, години,
хвилини) у текстах трапляються приблизні вказівки, так звані неточні дати,
напр., у другій половині дня, на початку вересня, в кінці року, середина XX ст.,
з вересня до грудня, за кілька років до проголошення незалежності тощо. У
цьому разі для анотування пропонуємо розрізнювати точні й неточні, зокрема
оказіональні (події, виражені в тексті як, наприклад, назва свята, якого-небудь
відомого випадку, історичного періоду тощо), абсолютні та відносні дати й
час, а також використовувати атрибут certainty, який вказує на ступінь
точності, з якою подано дату.
Абсолютна часова анотація містить такі елементи або їхню послідовність:
<day>, <week>, <month>, <year>, <second>, <minute>, <hore>, <occasion>
(останній елемент вживають для анотування оказіональних дат).
84 Лексикографічний бюлетень 2007’16
Додатково можливе детальніше анотування дат, для чого пропонується тег
<dateStruct> – містить внутрішнє структуроване представлення, напр., для
абсолютної дати, <timeStruct> – містить внутрішнє структуроване
представлення часу (за джерелом 3 ):
Мінімальний обсяг анотації дати й часу в тексті, який вказує тільки на їхню
наявність:
<s>Як відомо, <date>у четвер</date> його як свідка було викликано
повісткою, підписаною слідчим у особливо важливих справах,
керівником слідчої групи у справі Гонгадзе Грищенком.</>
<s>Ті американці, які побували у нас в Полтаві <date>в жовтні 2003
року</date>, більше всього ділились враженнями саме про наш
чорнозем. </>
<s><date>11 листопада</date> до редакції зателефонували з
виробничого відділу видавництва «Донеччина». </>
<s>Тоді наступного дня, <date>12 листопада</date>, <time>о 9 год.
40 хв.</time> до приміщення, де ще кілька днів тому перебувала
редакція «Острова», прибули молоді люди бритоголової зовнішності та
вражаючих габаритів.</>
<s>Рішенням господарського суду «Т» області <date>від 25 липня
2003 року</date>, що прийняте суддею, позовні вимоги задоволені у
повному обсязі. </>
<s>Незважаючи на драконівські закони царату <date>від 1863</date>
та <date>1876 р.</date> щодо української мови, розвиток української
культури піднявся на новий рівень.</>
Представлення значення дати:
<s>Ті американці, які побували у нас в Полтаві <date value=’2003-
10’>в жовтні 2003 року </date>, більше всього ділились враженнями
саме про наш чорнозем. </>
Представлення типу вираження дати:
<s>Як відомо, у <date type=’name’>четвер</date> його як свідка було
викликано повісткою, підписаною слідчим у особливо важливих справах,
керівником слідчої групи у справі Гонгадзе Грищенком.</>
Структуроване представлення дати:
<s> Ті американці, які побували у нас в Полтаві
<dateStruct value=’2003-10’>
<month type=’name’ value=’–-10’> в жовтні</month>
<year type=’num’ value=’2003–-’>2003 року</year>
</dateStruct >,
більше всього ділились враженнями саме про наш чорнозем.</>
<dateRange> – містить дві абсолютні дати або інше визначення, що має
значення певного періоду часу (діапазону), містить атрибути from – вказує на
Лексикографічний бюлетень 2007’16 85
початкову точку дати, to – вказує на кінцеву точку дати, exact вказує на
точність приписаних значень:
<s>Населення Лівобережжя підтримало визвольний бунт польських
землевласників
<dateRange from=’1830’ to=’1831’>1830–1831 років </dateRange>.</>
<s>Українському національному культурному відродженню сприяло
.. заснування популярної газети «Український вісник» <dateRange
from=’1816’ to=’1863’>1816–1863</dateRange>.</>
<s>Якщо темпи росту ринку лізингу залишаться такими як
<dateRange from=’2005’ to=’2006’> у 2005 – 2006 роках </dateRange>,
то вартість укладених лізингових угод на кінець року збільшиться з
423 до 660 млн. доларів США. </>
<timeRange> – так само містить дві вказівки на час, представлений у
стандартній формі, або інше визначення, що вказує на певний проміжок часу
(діапазон).
Відносна часова анотація описує дату або час відносно іншого
(абсолютного) часового моменту, містить такі елементи:
<distanse> – вказує на часовий відтинок, що відмежовує анотовану подію
від певної дати, відносно якої згадується;
exact – вказує на ступінь точності, з якою подано часову відстань;
<offset> – частина часової анотації, що означає напрям зміщення
анотованої події відносно певної дати.
<s><dateStruct value=’11-11’>
<day type=’num’>11</day>
<month type=’name’> листопада</month>
</dateStruct>
до редакції зателефонували з виробничого відділу видавництва
«Донеччина».</> <s>Тоді <s><dateStruct value=’12-11’>
<distanse reg=’1 day’ offset=after’11-11’>наступного дня</distanse>
</dateStruct>
до приміщення, де ще кілька днів тому перебувала редакція
«Острова», прибули молоді люди бритоголової зовнішності та
вражаючих габаритів.</>
У наступному прикладі використано елемент <exact>, щоб
продемонструвати брак точності часового проміжку відносно дати:
<s><dateStruct >
<distanse exact =«N» offset=after> Після</distanse>
<year type=’num’>1885 р.</year>
</dateStruct>
народники втратили свою провідну позицію у визвольному русі.</>
86 Лексикографічний бюлетень 2007’16
Подія, відносно якої називається анотована точка часу, може бути
вираженя як датою (у попередніх прикладах), так і в інший спосіб, напр.,
напередодні Нового року, після вітчизняної війни, за рік до помаранчевої
революції тощо. Для означення таких подій вживаємо елемент <occasion>:
<s>Національний рух не зник навіть
<dateStruct>
<distanse exact =«N» offset=after> після</distanse>
<occasion>придушення революції</occasion>
</dateStruct>
</>
<s> <dateStruct>
< distanse reg=’1 day’ offset=before> Напередодні</distanse>
<occasion>святвечора</occasion>
</dateStruct>
святий вогонь з Віфлеєма, який запалили від вічної лампади у
печері, де народився Христос, привезли до Москви та Калінінграда.</>
Таким чином, у текстах корпусу виявляємо дати абсолютні та відносні,
серед них точні й неточні, репрезентовані як вказівкою на століття, рік,
місяць, день, так і вказівкою на подію (свято, історична епоха, часткова подія
тощо). На початковому етапі кодування вважаємо за необхідне мінімально
ідентифікувати дату в тексті, означивши її межі. Так, крім власне вказівки на
точку часу (1997, липень, XX, день народження тощо), до дати належать
елементи тексту р., рік, ст., наприкінці, на початку, з середини, після, до та ін.
Точні абсолютні дати:
<s>Прийняття <date>в грудні 1867 р.</date> конституції гарантувало
(хоча б формально) рівність всіх мов та національностей.</>
<s>Як відомо, Крушельницький був автором низки публікацій у газеті
«Індепендент», в яких наводилися уривки із допитів міліціонерів, які
стежили за Георгієм Гонгадзе аж до дня його викрадення <date>16
вересня 2000 року</date>.</>
Неточні абсолютні дати, зокрема оказіональні:
<s>Так, англійській Ост-Індській та голандській Вест-Індській
компаніям <date>на початку XVII ст.</date> держава надала виняткове
(монопольне) право на торгівлю з Індією. </ >
<s><date>З самого початку 19 століття</date> український
національний культурний рух був тісно пов’язаний з політичним.</ >
<s><date>Наприкінці ХІХ ст.</date> ринок чи не вперше за
багатовікову історію свого існування та розвитку зіткнувся з серйозними
проблемами. </ >
Лексикографічний бюлетень 2007’16 87
<s>Ідеї Братства, закладені у національну свідомість, отримали
розвиток серед представників соціального руху <date>наприкінці 19
ст.</date>.</>
<s>В результаті розподілу селянських господарств <date>наприкінці
19 ст.</date> було створено ринок найманої праці.</>
<s><date>В середині 1850 рр.</date> селянський рух охопив 422
селища Київської, Катеринославської та Херсонської губерній.</>
<s><date>На святвечір</date> католики в різних регіонах Росії
намагалися забути про кордони, що роз'єднують людей.</>
<s><date>Під час так званої “галилейської кризи”</date>, коли вчення
Ісуса про живий хліб, який зійшов з неба, обурило навіть його
наближених, і можливо тут і відбувся кардинальний перелом в душі
Іуди. </>
<s>Відомий біблейський персонаж - Іуда Іскаріотський, якого ми
знаємо як зрадника Ісуса Христа, став в <date>останні часи</date>
об`єктом зацікавленості як вітчизняних так і зарубіжних дослідників
Біблії та питань християнської релігії. </>
Неточність може або не може бути подолана залежно від характеру
датованої події, напр., країни підписали мирну угоду тільки в кінці століття –
точність дати може бути відновлена в струкутрованому поданні року і дня
підписання угоди; панівними монополістичні тенденції стають лише
наприкінці ХІХ ст. – подання обмежується приблизною вказівкою.
Абсолютні діапазонні дати (точні й неточні):
<s>Перші політичні організації з’явилися <date>в 1880–1890
рр.</date>.</>
<s>Взагалі монополістичні тенденції в різних формах та з різною
силою проявлялися на всіх етапах розвитку ринкового суспільства
(<date>з IV тисячоліття до н.е. до останньої третини ХІХ ст. </date>).</>
Відносні дати точні, зокрема оказіональні:
<s>Усього <date>через два роки після закінчення Великої
Вітчизняної</date>.</>
Відносні дати неточні:
<s>Це сталося <date>за кілька днів до Різдва</date>.</>
Відносні дати діапазонні (точні й неточні):
<s>Зі шкільних часів ми пам'ятаємо історію про те, що експерти із
капіталістичних країн після перемоги соціалістичної революції
визначали наше відставання в 100 років.</> <s>Ми гордились тим, що
наздогнали розвинені країни вже <date>через 10–20 років</date>.</>
Література
1. Демська-Кульчицька О. М. Основи Національного корпусу української мови.
– К., 2005. – 219 с.
88 Лексикографічний бюлетень 2007’16
2. Електронний ресурс: http://nkum.nm.ru.
3. Електронний ресурс: http://www.w3.org/TR/1998/NOTE-datetime-19980827
4. Словник іншомовних слів / Уклад. Л. О. Пустовіт, О. І. Скопненко та ін. – К.:
Довіра, 2000. – 1018 с.
ТЕГУВАННЯ ВЛАСНИХ НАЗВ ОРГАНІЗАЦІЙ В НАЦІОНАЛЬНОМУ
КОРПУСІ УКРАЇНСЬКОЇ МОВИ
© Ніна Лозова, 2007
Інститут української мови НАН України (Київ)
УДК 811.161.2’374.72’22
У статті здійснено спробу уніфікувати оформлення власних назв у
Національному корпусі української мови. Запропоновано способи тегування
назв організацій.
В Інституті української мови продовжується робота над створенням
Національного корпусу української мови. Однією з невідкладних проблем є
визначення принципів тегування текстів. Завданням цієї статті є випрацювання
способів тегування власних назв організацій.
Для того щоб виокремити в тексті власні назви організацій, потрібно
визначити, що саме ми розуміємо під поняттям організація. Оскільки
створюваний корпус української мови потребує формалізованого викладу
даних, слід спиратися не на юридичне визначення, а на формальне.
Пропонуємо власною назвою організації вважати будь-яку власну назву на
позначення об’єднання осіб, організацій або держав. Це й підприємства, і
громадські установи. До організацій зараховуємо й такі, як ЄС, СНД, Рада
національної безпеки і оборони, Рада народних депутатів, Верховна Рада
України, Рада Європи. Організацією вважаємо також комплекс споруд, у
якому група людей або організацій здійснює певний обсяг робіт (це й
аеропорт, і зоопарк).
Отже, назва організації – це назва об’єднання осіб, організацій або держав,
перше слово якої пишеться з великої літери. Назва може бути оформлена
графічно будь-яким чином, містити пунктуаційні знаки, скорочення. Усі слова
(або частина слів), а не лише перше, можуть писатися з великої літери.
Слід визначити межу, за якою починається (закінчується) назва
організації. Так, у наведених вище прикладах (Верховна Рада України, Рада
Європи) до назви організації належить і географічна назва. Однак якщо
топонім лише вказує на місце, якому організація належить чи де вона
|