Taháky pro anotaci SYN2020 a podobných korpusů

Tento tahák obsahuje problematická slova v korpusu SYN2020 a dalších, tagovaných podle stejných zásad. Nejdříve jsou uvedeny typy problematických slov (příjmení, číslovky atp.) a potom jednotlivá slovíčka:

Problematické typy

Číslovky sto, tisíc apod.

Na rozdíl od starších korpusů mají vždy tag Cz.

Tvar tisíc, který se vyskytuje ve složených výrazech typu pět tisíc padesát má tag s genitivem a 1 na patnácté pozici: CzIP2---------1.
Tvar sto, který se vyskytuje ve složených výrazech jako se sto lidmi nebo bez sto padesáti lidí mají tag s příslušným pádem a 1 na patnácté pozici: CzNS7---------1, resp. CzNS2---------1.

Číslovky neurčité málo, méně apod.

Ve starších korpusech se rozlišovalo užití adverbiální (především u sloves) a číslovkové. V SYN2020 jsme skoro u všech ponechali pouze adverbium, až na mnoho, nemálo a nemnoho, u kterých se nadále rozlišuje číslovka a adverbium.

slovo	tag	použití
mnoho	`Dg-------1A----`	mnoho mluví
	`Ca`	následuje „počítaný předmět“ (i nepočitatelný)
málo	`Dg-------1A----`	málo unavený; málo pracuje; málo lidí
	`Ca`	chybná nabídka, bude odstraněno
	`NN`	jen málo chybělo; hlavně v dalších pádech s málem, bez mála atd.
víc, více, míň, méně, hodně	`Dg`	jediná možnost
nemálo, nemnoho	`Dg-------1N----`	nemálo hloupý, o lahůdky nemnoho stojí
	`Ca`	s počítaným předmětem
pár	`Db`	užito jako číslovka
	NN	pěkný pár, (jeden) pár bot

Příjmení ve tvaru adjektiva

Tato příjmení mají vždy tag NN a ženská příjení mají lemma v ženském rodě:

pan Červený - lemma: Červený, tag: NNMS1-----A----
paní Červená - lemma: Červená, tag: NNFS1-----A----

Zpodstatnělá přídavná jména

Je třeba posoudit, zda ve větě slovo vystupuje spíše jako adjektivum nebo substantivum, a to podle rozvití:

cestující do Brna - AA
spokojení cestující - NN

Není-li slovo rozvito, určete podle svého citu.

Jednotlivá problematická slova

Adverbia, částice, spojky...

Mnoho slov se syntakticky chová jako adverbia, částice nebo spojky (příp. další slovní druhy) a není snadné rozhodnout, jaký mají mít tag. Zde je přehled těch nejčastějších:

slovo	tag	užití
ani	`J^`	ani ryba, ani rak
	`TT`	jinak (ani se neptej)
co	`PQ`	zájmeno (tázací nebo vztažné) v případě, že dokážeme určit pád (co to je?; vše, co mám)
	`Db`	spojovací výraz časový (od té doby, co ho znám; též den co den)
	`J,`	hovorový spojovací výraz (kluk, co přišel)
	`TT`	v ostatních případech
dál	`Dg`	ve významu místním (šli dál a dál)
	`Db`	ve významu časovém (zpíval dál)
jak	`J^`	ve spojení s tak (jak jeden, tak druhý)
	`J,`	připojení vedlejší věty (viděl ho, jak zakopl)
	`Db`	jakým způsobem je (může být obtížně odlišitelné od `J,`!); též jak to?
jedině, konečně a další adverbia odvozená od adjektiv	`Db`	jako odvozenina od jediný, konečný (jakým způsobem? konečně) dá se stupňovat, negovat
	`TT`	jinak (jedině Tereza; no konečně)
jen	`Db`	synonymum k pouze
	`J,`	ve spojovacím výrazu jen co (jen co si lehl, usnul)
	`TT`	v ostatních případech (jen tak tak; jen jestli!)
již, už	`Db`	v časovém významu (už přišel)
	`TT`	jinak (to už nespravíš)
přece	`J^`	ve spojení a přece
	`TT`	jinak
tak	`Db`	takto; takovým způsobem
	`J^`	jak… tak (jak jeden, tak druhý), nebo připojení věty (a) tak (nepřišel, tak jsme jeli sami) POZOR: ve větě jak řekli, tak udělali je jak i tak `Db`
	`TT`	výplňkové slovo
	`II`	chybná nabídka, bude odstraněna
to	`PD`	zájmeno je to v případě, že dokážeme určit pád a objekt nebo situaci, na které zájmeno odkazuje
	`TT`	v ostatních případech (to se nám to hezky šlape; to jo)
totiž	`J^`	vysvětlení, doplnění (nerozumím mu, mluví totiž anglicky)
	`TT`	jinak (upřesnění) (to je totiž tak)
třeba	`Db`	je třeba
	`TT`	synonymum k například
však	`J^`	synonymum k ale
	`TT`	jinak (však jsem to říkal)