cqp.nob

Denne rettleiinga er inspirert av en tilsvarande dokumentasjon av CQP for finsk, og kan bli brukt til søk i samisk, østersjøfinsk, uralsk, og tuvinsk, Korp, alle utviklet ved UiT. Korp selv er utviklet ved språkbanken i Göteborg.

Korp har tre søkemåter, Enkel, Utvidet og CQP-uttrykk. Søkemåten Enkel søker på ordform. Med Utvidet søk er det mulig å bruke søkespråket CQP (Corpus Query Protocol) via et grafisk grensesnitt, og med CQP-uttrykk kan brukeren skrive CQP-uttrykk selv. Den enkleste måten å bruke CQP på er å starte ut med Utvidet søk i Korp, og deretter klikke på CQP-uttrykk. Søket fra Utvidet står da som et utgangspunkt for videre søk i CQP.

I korpuset er hver ordform merka med lemma, ordklasse, grammatiske egenskaper og syntaktisk relasjon (dependens). De ulike delene av analysen har følgende navn:

Med utgangspunkt i Utvidet kan du å velge ordklasse, grammatisk analyse eller dependensrelasjon, finne den verdien du vil ha, og velge den. Deretter kan du trykke på CQP-uttrykk og finne ut hvordan kategorien du vil bruke blir skrevet i CQP. En oversikt over ordklasser (pos) og morfosyntaktiske trekk (msd) for hver ordklasse fins her (LENKE kommer).

Søkevilkår for enkeltord

Grunnlaget for søk på enkeltord er attributtene (dvs. kategoriene i tabellen ovafor) som er knytta til hver ordform. Vilkåra blir avgrensa med klammeparanteser, og de bestemmer hvilke verdier attributtene må ha for å oppfylle søkekriteriet. Hvis søket bare består av ei ordform, uten vilkår til attributtet, trengs ikke klammeparantesene.

Eksempel:

Ordsøk kan bestå av ulike attributtkombinasjoner, som blir satt sammen av de logiske operatorene & ("og"), | ("eller"), ! (negasjon, "ikke") og -> (implikasjon). Det er mulig å gruppere attributta med hjelp av paranteser. Som sammenligningsoperator bruker vi = ("er lik") eller != ("er ikke lik").

Eksempel:

Merk at det er mulig å vise til attributtverdi på begge sider av sammenligningsoperatoren. Merk også at pilene i dependensuttrykkene peker fra datternode til mornode. Uttrykket →N blir lagt til et (uspesifisert) ledd som modifiserer et substantiv, og uttrykket SUBJ→ blir lagt til et subjekt som modifiserer et ledd til høyre for seg.

Regulære uttrykk

Det er også mulig å bruke regulære uttrykk i søket. F.eks. vil "čohkká[ij].*" finne ord som begynner på "čohkkáj" eller "čohkkái" og inneholder null eller flere bokstaver. [word="d.t"] vil finne ordformene som begynner med "d", slutter på "t", og har en bokstav i midten.

Regulære uttryk kan bruke følgende elementer:

Merk! <n> og <m,n> i tabellen ovafor skal skrives {n} og {m,n} i CQP. [lemma="d.{1,2}t"] vil dermed gi ord som har ei grunnform som begynner på d, slutter på t, og har 1 eller 2 bokstaver i midten.

Søk etter flere ord

Den enkleste måten å søke etter flere ord eller uttrykk på er å skrive dem etter hverandre, adskilt med mellomrom.

Det er mulig å gruppere vilkår i søka, på samme måten som i utvida søk, men med flere muligheter. Søk etter flere ord får bare treff innafor ei og samme setning. Søket blir vist som treff på hele søkestrengen.

Det er også mulig å bruke regulære uttrykk når man søker etter flere ord. Utgangspunktet er de same søkevilkåra som for enkeltord, med bruk av operatorene ?, *, +, {n}, {m,n}, og med alternativoperatoren ǀ. Uttrykkene blir gruppert med paranteser, som vist nedafor.

I tillegg viser tomme klammeparanteser [] til et arbitrært ord, dvs. det tilsvarer punktum (for arbitrær bokstav) i regulære uttrykk for ordformer.

Eksempel:

Dependenssøk

For å søke etter dependensrelasjoner er det mulig å søke etter strukturer der ordet et visst ord er dependens til er et visst annet ord, dvs. kjerneordet i dependensrelasjonen. Viktige attributter er særlig ref (nummeret, eller posisjonen, til ordet i setninga) og dephead (nummeret til kjerneordet) og deprel (dependensrelasjon).

For å søke etter dependensrelasjoner trengs nettopp egenskapene til CQP-søkespråket, for å sammenligne attributtene til de ulke ordformene. For å vere i stand til å vise til ordformer må de bli identifisert, med å legge en merkelapp til søkevilkåret for ordforma, adskilt med et kolon, f.eks. a: [deprel="SUBJ→"]. Deretter er det mulig å vise til attributtet til ordforma som har fått en merkelapp med søkeuttrykket merkelapp.attributt, f.eks. [dephead=a.ref].

Eksempel:

Merk at i CQP-søket bestemmer rekkefølga på søkekriteriene også rekkefølga til ordformene som blir funnet. Hvis man for eksempel vil søke etter verb og subjekt og deres forhold uavhengig av ordstilling, må man gjøre to seperate søk, ett for verb + subjekt og ett for subjekt + verb., evt. kombinere søkene med |-operatoren.

Med søkekriteria ovafor er det bare mulig å vise til ordformer som er merka. Det å referere til kommende ord forutsetter bruk av global avgrensing. Den globale avgrensinga kommer til slutt i søkefeltet, og det kan vises til i attributtene til de merka ordformene.

Eksempel:

(Sekvensen ": :" i eksempelet ovafor skal vere "::".)

Også de tidligere eksempla er det mulig å presenter ved hjelp av globale avgrensinger, f.eks. er det slik at søket:

a:[deprel="SUBJ→"] b:[] c:[] d:[] :: b.dephead=a.ref & c.dephead=b.ref & d.dephead=c.ref

gir samme resultat som søket

a:[deprel="SUBJ→"] b:[dephead=a.ref] c:[dephead=b.ref] [dephead=c.ref]

Andre eksempler på bruk av globale avgrensinger:

Ved hjelp av de globale avgrensingene ovafor er det mulig å søke etter f.eks. strukturer der det same ordet opptrer mange ganger, mens ordet kan vere et hvilket som helst ord. Eksempel:

• The CQP Query Language Tutorial som pdf og i html-format. Institut für maschinelle Sprachbearbeitung, Stuttgart.