Kontsulta-sistemaren laguntza

Corpusaren kontsulta-adibideak

Corpusean dagoen informazioa ikusteko eta aztertzeko aukera ematen du kontsulta-sistemak, eta hainbat aukera eskaintzen ditu. Hona adibide batzuk:

• ibai hitzaren agerpenak ikustea, testuan ondoan duen hitzaren arabera ordenatuta
• garbi-z hasten diren lemak (bakunak zein hitz anitzekoak) ikustea (garbi, garbitu, garbitzaile, garbialdi, garbi-ikuzi, etab.), bakoitzaren maiztasunarekin eta agerpenekin batera, horiek dokumentuaren, lemaren, kategoriaren, formaren, ondoko edo aurreko testuinguruaren eta dokumentuaren ezaugarri batzuen arabera ordenatuta eta multzokatuta ageri direla
• argi hitzaren kategoriaren araberako erabilera-datuak ikustea (izena, adjektiboa, adberbioa)
• ingurugiro hitzaren erabilera urtearen arabera nola aldatu den, ingurumen hitzaren erabilerarekin konparatzeko
• eguraldi hitzaren ondorengo adjektiboak zein diren eta bakoitza zenbat aldiz erabili den ikustea (eguraldi on, eguraldi eder, eguraldi gaizto, eguraldi heze, etab.)
• baita... ere hitz anitzeko unitatearen agerpenak bistaratzea
• itsaslaster eta itsas korronte hitzen erabilera-datuen arteko konparazioa grafikoen bidez ikustea

Horrelako eta bestelako hainbat bilaketa egiteko aukera ematen du kontsulta-sistemak. Honen guztiaren helburua da erabiltzaileari erabilera errealaren testigantzak eta datuak ematea, hark nahi duen gaia edo alderdia azter dezan.

Corpusaren kontsulta-interfazearen egitura

Lexikoaren Behatokiaren corpusa kontsultatzeko sistemak hiru bilaketa-mota ditu: bilaketa arrunta , bilaketa aurreratua eta konparazio-bilaketa . Horiez gain, bilaketa gidatuak egiteko laguntzaile bat dago .

Bilaketa arrunta

Bilaketa arrunta egiteko tresna:

• Lehen laukian, "Lema" (zur, paper) edo "Forma" (zurak, zuretik, paperean, paperezko) eska daiteke
• Bigarren laukian, lema edo forma hori osorik ("Da"), hasieran ("Hasi") nahiz bukaeran ("Bukatu") duten hitzen agerpenak eska litezke
• "Kategoria" laukian, nahi izanez gero, kategoria gramatikala zehatz dezakezu
• Erdiko lauki luzean, bilatu nahi dena idatzi behar da (lema edo forma osoa, hasiera zein bukaera); bilaketa berean bi lema edo forma bilatzea nahi badugu, "|" ikurraz bereizita idatzi behar dira (esaterako: "ingurugiro|ingurumen" sartuz gero, ingurugiro edo ingurumen lemak dituzten agerpenak bistaratuko dira)
• Hondo berdea duen hurrengo laukian, bilketaren emaitza diren corpuseko agerpenak ordenatzeko irizpidea aukera daiteke. Bistan den irizpide lehenetsia "Dokumentua" da, baina aukera sorta zabala dago: lema, forma, kategoria, aurreko edo ondoko testuingurua, arloa, azpiarloa, erregistroa, urtea eta argitaratzailea
• Azken laukia, lupa duena, bilaketa abiarazteko erabiltzen da.

Bilaketa arruntean, bi emaitza-mota erakusten dira, batera:

• Ezkerraldean, bilaketa-atalean zehaztu diren baldintzak betetzen dituzten lemen, formen, lema/kategoria konbinazioen eta abarren zerrenda eta kopuruak (goian, maiztasun-taula, eta, horren azpian, maiztasun-banaketaren grafikoa eta urteetan zeharreko bilakaera)
• Erdialdean, bilaketa-atalean zehaztu diren baldintzak betetzen dituzten lemen edo formen agerpenak, KWIC (key word in context) edo "konkordantzia" eran emanak; horien agerpenetan klik eginez, agerpenaren erreferentzia (obra, egilea eta abar) eta testuinguru zabalagoa eskaintzen da, aparteko leiho batean

Adibidez, gure bilaketan "Lema" "Da" "selfie" eta "Dokumentua" balioak sartuz, emaitza hau lortuko dugu:

Agerpen baten testuinguru luzeagoa ikusteko, hitzean klik egin behar dugu. Esaterako, aurreko emaitzetako lehen agerpeneko "selfie" hitzean sakatuz, hau lortuko dugu:

Bilaketa aurreratua

Bilaketa aurreratuak aukera gehiago ematen ditu. Hau da bilaketa aurreratuak egiteko tresna:

Bilaketa arruntaren aukerez gain, beste hauek ere eskaintzen ditu bilaketa-mota honek:

• Hitz batez baino gehiagoz osatutako segidak. Adibidez: batek daki. Kasu honetan, batek eta daki formak bilatu nahi ditugu, ordena horretan eta tartean beste hitzik ez dela. Beraz, horrela egingo dugu kontsulta:

• Sistemak lehenetsitako analisia eskatutakoarekin bat ez datorren kasuak soilik erakustea. aukera aktibatuz gero (botoia sakatu eta berde dagoenean), ez dira kontuan hartzen analisi hobetsia eskatutakoarekin bat ez datozen hitzen agerpenak, hau da, ez dira erakusten gorriz nabarmendutako agerpenak (ikus beherago).
• : marraz lotutako izen+izen elkarteak lematzat etiketatu dira (mahai-inguru, energia-iturri...), baina sistemak badu horrelako elkarteen osagaien informazioa. Horietako elkarte asko marrarik gabe ere idatzi ohi dira (energia iturri). Askotan, interesa izango dugu izen-izen elkarte baten agerpenak bistaratzeko, marraz edo marrarik gabe idatzi diren kontuan hartu gabe (hau da, energia-iturri edo energia iturri terminoen agerpenak bilaketa bakarrean lortu nahi ditugu). Horretarako, "Osag." aukera aktibatu egin behar dugu. Hori egin ezean, lehen errenkadan energia sartuz gero (forma zein lema), sistemak ez ditu energia-iturriren agerpenak itzuliko (defektuzko lema energia-iturri osoa baita). Aukera honen beste erabilera bat: lehen edo bigarren osagaitzat izen jakin bat duten elkarteak bilatzea, bi izenak marraz zein marrarik gabe idatzita daudela. Esaterako, energia hitza izen+izen elkarte baten bigarren izena izanik, zein izenekin konbinatu den (haize+energia, eguzki+energia...) eta elkarte bakoitzaren maiztasuna.

• Bilaketa corpusaren atal batean soilik egitea. Arlo, azpiarlo,erregistro, urte edo argitaratzaile jakin baten emaitzak soilik erakustea aukera dezakegu.
• Emaitza mota bat aukeratzea. Bilaketa arrunteko aukera lehenetsiaz gain, beste aukera hauek ditugu:
  • Testuinguruak (KWIC) edo kopuruak (maiztasun-taula eta grafikoak) soilik bistaratzea. Kopuruen kasuan, hainbat aukera ditugu orain; esaterako, aurreko energia+iturri bilaketan, arloaren araberako maiztasun-kopuruak bistaratu ditugu.
  • Bilaketa-atalean zehaztu diren baldintzak betetzen dituzten lemen edo formen kopuruak dokumentuka taldekatuta esportatzea, tabulazioz banatutako CSV taula formatuan
  • Bilaketa-atalean zehaztu diren baldintzak betetzen dituzten lemen edo formen kopuruak dokumentuka taldekatuta esportatzea, eta agerpen guztiak KWIC eran emanak, tabulazioz banatutako CSV taula formatuan

Konparazio-bilaketa

Konparazio-bilaketaren bidez, bi bilagairen datuak batera bistara ditzakegu, haien arteko konparazioa begiratu batez egiteko. Bilagaiak lemak edo formak izan daitezke. Adibidez, hau da itsaslaster eta itsas korronte bilagaien konparazio-bilaketaren emaitza:

Hiru grafiko erakusten dira:

• Konparazio orokorra: maiztasun absolutuen barra-diagrama
• Urtekako konparazioa: maiztasun erlatiboen (1 miloi hitzekoen) urteetan zeharreko bilakaera
• Arlokako konparazioa: maiztasun absolutuen arloen araberako banaketa

Horien gainetik, bi bilagaien maiztasun absolutuekiko proportzionalak diren barra horizontalak ageri dira. Bakoitzaren barneko ikonoa sakatuz, dagokion bilagaiaren KWIC ikuspegia bistaratzen da.

Bilaketa gidatuak egiteko laguntzailea

Funtzionalitate honen helburua da bilaketa aurreratuak egiten laguntzea. Bi atal ditu:

• Bilaketa arruntenak: ohikoak diren bilaketa aurreratu batzuk aurrez prestatuta daude, eta erabiltzaileak bilagaia zehaztea besterik ez du egin behar kontsulta abiarazteko.
• Sortu zeure bilaketa: bilaketa aurreratuaren interfazean dauden aukera berberak ditu erabiltzaileak, baina sistemak lagundu egiten dio urrats bakoitzean egiten ari dena ulertzen. Bilaketa osatzeko prozesua testuz azalduta dago. Bilaketa gidatua bistaratzen denean, bilaketa osatzeko zehatz daitezkeen eremuak letra lodiz ageri dira. Horietan sakatuta, parametroak zehatz ditzakegu.

Esate baterako, "Sortu zeure bilaketa"n sartuz gero, hau ikusiko dugu "Bi elementuko bilaketa" aukeratzen dugunean:

Letra lodiz dauden eremuak erabiliz, egunkari lemaren ondorengo aditzak bila ditzakegu. Hau izango da, kasu horretan, interfazearen egoera:

Lematizazio eta anotazio automatikoak

Corpusaren etiketatze linguistikoa egitean, testu-hitz bakoitzari lema eta kategoria atxikitzen zaizkio, automatikoki. Esaterako, mendiko, mendietan, mendiak, menditik eta kideko formei sistemak mendi lema ematen die, eta, kategoriatzat, izena. Kasu horretan, ez dago anbiguotasunik eta, beraz, sistemak analisi bakarra ematen du. Era horretako hitzak kolore berdez agertzen dira emaitzetan eta, kurtsorea gainean jartzean, horrelako lauki bat agertzen da:

Beste batzuetan, berriz, anbiguotasuna dago, eta sistemak analisi bat baino gehiago egiten ditu. Hala ere, ez ditu denak ziurtasun-maila berekotzat jotzen, analisietako bat gainerakoak baino ziurragotzat jo eta hobesten baitu. Horrelakoetan, testu-hitza nabarmentzen duen laukia horia edo gorria izan daiteke. Adibidez, argi lemaren adberbio-kategoriako agerpenak eskatuta, honela agertu zaigu argi azaldu zenidan perpauseko argi hitzaren analisia:

Argi hitza izena, izenondoa, adberbioa edo argitu aditzaren aditzoina izan daiteke. Letra lodiz ageri da sistemak hobetsi duen analisia, argi lema eta adberbioa, alegia. Guk eskatutakoarekin bat datorrenez, horiz agertzen da testu-hitza.

Ondorengo kasuan ere anbiguotasuna dago, baina agerpena gorriz ageri da. Izan ere, argi lemadun hitzak eskatu dizkiogu eta, agerpen horren analisi posibleetako bat hori bada ere, sistemak argitu lema lehenetsi du (argi forma argitu aditzaren aditzoina dela esan du; eta asmatu egin du, gainera). Beraz, aurrekoan ez bezala, sistemak galdetu ez diogun analisietako bat hobetsi du, eta horregatik erakusten da gorriz:

Gogoan izan kolore gorriz nabarmendutako agerpenak ez bistaratzeko aukera dugula, aukera aktibatuz.