Lingvistické problémy obsahové analýzy: studijní opora

1. Úvod

Základ lingvistických a sémantických problémů organizace znalostí - vztahy 1 : N

Ideál: najít vše, co je relevantní vyloučit vše, co není relevantní

Ukazatele: úplnost (ang. recall) podíl vyhledaných zdrojů z relevantních přesnost (ang. precision) podíl relevantních zdrojů z vyhledaných

Typologie problémů

2. Paradigmatické a syntagmatické vztahy v jazyce

Paradigma je...

Syntagma  je...

1. Paradigmatické vztahy

TDKIV - seznam termínů v bázi s vyjádřením paradigmatických vztahů ekvivalence a asociace (pole "Ekvivalent" a "Příbuzný termín"). Příklad: Termín "asociativní vztah". Dostupné z: https://aleph.nkp.cz/F/?func=direct&doc_number=000001504&local_base=KTD.

KLÉGR, Aleš. Tezaurus jazyka českého: slovník českých slov a frází souznačných, blízkých a příbuzných. 1. vyd. Praha: NLN, Nakladatelství Lidové noviny, 2007. 1189 s. ISBN 978-80-7106-920-1. Dostupné prostřednictvím Národní digitální knihovny (Díla nedostupná na trhu - DNNT) z: https://ndk.cz/view/uuid:8455b570-efb7-11e3-a2c6-005056827e51.

ČERMÁK, František. Recenze: Aleš Klégr: Tezaurus jazyka českého: slovník českých slov a frází souznačných, blízkých a příbuzných. In: Slovo a slovesnost. 2009, 70(2), 153-157. ISSN 0037-7031 (print). ISSN 2571-0885 (online). Dostupné z: https://asjournals.lib.cas.cz/slovoaslovesnost/article/uuid:a6eb653e-2195-4819-8f22-02bc6928266b nebo prostřednictvím vyhledávače UKAŽ.

MAREŠOVÁ, Milena M. Tezaurus jazyka českého (recenze) [online audio]. 2008-03-10 [cit. 2023-11-23]. Dostupné z: https://vltava.rozhlas.cz/tezaurus-jazyka-ceskeho-recenze-5075265.

PÁLKA, Peter. Tezaurus jazyka českého [recenze]. In: Ikaros. 2008, 12(7) [cit. 2024-03-16] Dostupné z: https://ikaros.cz/tezaurus-jazyka-ceskeho. URN-NBN:cz-ik4884. ISSN 1212-5075.

Tezaurus Eurovoc - vyjádření paradigmatických vztahů ekvivalence, hierarchie a asociace.
Příklad: termín "robotizace". Dostupné z: https://skosmos.bartoc.org/15/en/page/3744?clang=cs

Paradigmatické vztahy vědních disciplín - klasifikace věd/mapování vědy
Places & Spaces: Mapping science. Dostupné z: https://scimaps.org/.

2. Syntagmatické vztahy

TDKIV - seznam dotazů do báze (search log) s vyjádřením syntagmatických vztahů (časová posloupnost zadávání dotazů - uvedeno v polích TIME STAMP, DATUM, CAS).

Search log

Český národní korpus - vyjádření syntagmatických vztahů v aplikaci KonText. Dostupné z: https://kontext.korpus.cz/

Syntagmatické vztahy vědních disciplín

Příklad: kyber-egyptologie

Vědci z Fakulty elektrotechnické ČVUT v Praze a z Českého egyptologického ústavu Filozofické fakulty UK zavedli novou vědní disciplínu kyber-egyptologii. 2018-07-09 [cit. 2023-11-23]. Dostupné z:
https://www.ff.cuni.cz/2018/07/vedci-fakulty-elektrotechnicke-cvut-praze-ceskeho-egyptologickeho-ustavu-filozoficke-fakulty-univerzity-karlovy-zavedli-novou-vedni-disciplinu-kyber-egyptologii/

3. Paradigmatické i syntagmatické vztahy

Slovo v kostce. In: Český národní korpus. Praha: Ústav českého národního korpusu, 1994- . Dostupné z: https://www.korpus.cz/

3. Synonymie - typy a příklady

Paradigmatická synonymie

3.1 Lexikální (věcná) synonymie

3.2 Mezijazyková lexikální ekvivalence

Příklady věcné a mezijazykové synonymie

Nástroj řešení: řízený slovník

Typy lexikální synonymie v TDKIV:
Sekundární dokument
https://aleph.nkp.cz/F/?func=direct&doc_number=000000921&local_base=KTD
preferovaný termín: Termín
nepreferovaný termín: Ekvivalent

Nástroj řešení: řízený slovník

Typy lexikální synonymie v bázi národních jmenných autorit NK ČR:
Tisíc a jedna noc
https://aleph.nkp.cz/F/?func=direct&doc_number=000380996&local_base=AUT
preferovaný termín: Záhlaví
nepreferovaný termín: Odkaz. forma

Nástroj řešení: řízený slovník

Typy lexikální synonymie v Mezinárodní virtuální databázi autorit VIAF:
Tisíc a jedna noc
http://viaf.org/viaf/303806052

Nástroj řešení: řízený slovník

Typy lexikální synonymie v Tezauru AGROVOC:
Vánoční stromky
https://agrovoc.fao.org/browse/agrovoc/en/page/c_1591
Prozkoumejte lexikální synonyma v různých jazycích (termínová synonymie).
Prozkoumejte mapování pojmu do jiných SOZ (pojmová synonymie): closely matching concepts, exactly matching concepts.

Nástroj řešení: řízený slovník

Typy lexikální synonymie v Tezauru LISS (Library & Information Science Source - Subject Terms) [via EBSCOhost]:
Zadejte "Communication -- Content analysis"

Nástroj řešení: řízený slovník

3.3 Gramatická (morfologická) synonymie

Gramatická synonymie v Českém národním korpusu:
Do okénka Dotaz v aplikaci KonText zadejte sloveso "jít".
Porovnejte výsledek s dotazem, v němž jako výchozí atribut nastavíte "word".

Nástroj řešení: řízený slovník - lemmatizace

Tip: Podívejte se do Základních informací k souboru národních tematických autorit ČR a zjistěte, jaká pravidla jsou uplatňována pro řešení gramatické synonymie.

Syntagmatická synonymie

3.4 Syntaktická synonymie

Pavlovi pomáhá Petr.
Petr Pavlovi pomáhá.
Petr pomáhá Pavlovi!
Pomáhá Pavlovi Petr?

Syntaktická synonymie v předmětových heslech v katalogu NK ČR: https://aleph.nkp.cz/F/?func=direct&doc_number=002706395&local_base=NKC

3.5 "Formální" synonymie

Založeno na následujících hypotézách:

a) Slova, která se podobně píšou, mají podobný význam (ekvivalence označením)

b) Slova, která jsou blízko sebe, mají významový vztah (ekvivalence umístěním)

Příklady

Do okénka Hledat na Wikipedii zadejte "informační systém" a podívejte se na nabízená synonyma (dynamicky generovaná nabídka Hledat stránky obsahující...)
https://cs.wikipedia.org/

Nástroj řešení: indexový soubor

4. Homonymie - typy a příklady

Poprvé to profesora Parkhilla napadlo, když paní Yanoffská napsala v textu diktované básně:
Jaro se vrací, poslyšte, co v zahradě zpívá koz!
Od toho dne si stále připomínal, že začátečnická třída bezpodmínečně potřebuje poučení o slovech stejného znění a různého významu čili o homonymech. Přísně vzato, u slov kos a koz by se spíše než o homonymii mělo mluvit o homofonii, protože tato dvojice splývá jen ve své podobě mluvené, a nikoli též psané, jak je tomu u dvojice kos – kos, kde první slovo označuje ptáka a druhé je povelem ke kosení. Ovšem kos a kos jsou spíše slova homomorfní, protože se shodují jen v některých svých tvarech, a nikoli ve všech, jak tomu bývá u pravých homonym typu travička – travička a u takzvaných homografů, kde se shoduje pouze podoba grafická, kdežto výslovnost se liší, viz panický – panický.
[...]
„Dvě slova a jedno písání?” zaúpěla Olga Tarnovská.
„Tarnovská, učit a né stěžovat!” okřikl ji pan Kaplan. „Vy v baletu netančila dvě tanci na jednu muziku?!”

ROSTEN, Leo. Pan Kaplan má stále třídu rád. Praha: Odeon, 1988, s. 47-48.

4.1 Lexikální homonymie

Příklady homonymních termínů v oboru ICT

4.2 Syntaktická homonymie

4.3 Sémantická homonymie

Např. ironie, sarkasmus, jazyková hříčka, vtip, metafora, metonymie.

Felix Holzmann. Včera, dnes a zítra.

Metafora a metonymie v haiku na Twitteru

Paronyma - falešní přátelé, zrádná slova

Homonyma, která se "tváří" jako synonyma

5. Slovní spojení - příklady

Česká národní bibliografie (báze CNB):
Zadejte "informační služby" a porovnejte výsledky s různým nastavením volby Blízkost slov (Ano - Ne).
https://aleph.nkp.cz/F/?func=file&file_name=find-b&local_base=cnb

Nástroj řešení: indexový soubor

Báze LISS (Library & Information Science Source) [via EBSCOhost]:
Zadejte "information services" a porovnejte výsledky s různým nastavením režimů vyhledávání ve volbě Možnosti hledání.

Nástroj řešení: indexový soubor

6. Složená témata a složené pojmy

Příčinou existence složených pojmů v systému jazyka jsou

a) Složitost fenoménů, jež pojmy odrážejí/reprezentují

b) Výskyt nových skutečností a fenoménů, pro něž se hledá vyjádření

Nejčastějšími způsoby reprezentace nových skutečností jsou spolu s neologismy právě složené pojmy.

*) Další příklady viz např.: JIŘIČKOVÁ, Jitka. Rouškomil, koronaut, haranténa... S koronavirem vzniklo 400 nových slov. In: iForum. 2020-04-28. Dostupné z: https://iforum.cuni.cz/IFORUM-16752.html.

6.1. Složené pojmy

V praxi se lze setkat se dvěma způsoby skládání témat/pojmů:

1) Souřadné skládání

tzv. aditivní vztah, symetrický vztah témat, koordinace/souřadnost - relativní nezávislost témat
partitivní hierarchie (složené téma je celek složený z dílčích částí): význam (extenze) se pomocí dalších složek rozšiřuje
typické pro polytematické zdroje

Příklady:
GLAM - galerie, knihovny, archivy a muzea
Čechy a Morava (Protektorát)
(ministerstvo) práce a sociálních věcí
(fakulta) informatiky a statistiky
výchova a vzdělávání
roky 2020/2022
červenobílý

Vyjádření v MDT: spojovací symboly + /

2) Podřadné skládání

tzv. fázový vztah, asymetrický vztah témat, subordinace (podřadnost), závislost/zahrnutí - jedno téma ovlivňuje význam druhého
generická hierarchie (složené téma je specifikací obecnějšího tématu): význam (extenze) se pomocí dalších složek zužuje

Příklady:
absenční výpůjční služby
novodobý
ekofyziologie rostlin
nosníky na pružném podkladě
jazykové slovníky
Archivy, knihovny a muzea v digitálním světě

Vyjádření v MDT: spojovací symboly  : [ ]

6.2. Analýza složených pojmů v praxi organizace znalostí

6.2.1 Hlavní zdroje výskytu složených pojmů během procesu indexace

6.2.2 Analýza složených pojmů - pro a proti

Rozhodnutí, zda při indexaci ponechat složený pojem či ho rozložit, ovlivňují četné faktory (podrobný popis viz ISO 25964-1, s. 39-42):

• Sémantické preference

  a) zobecňování vs. specifičnost
  Poznámka: Analýza složených témat na jejich konstituenty možná překvapivě vede k zobecňování (abstrakci) a tím ke ztrátě specifického významu složeného pojmu (např. psychoanalýza = psychika + analýza).
  
  b) důraz na téma (co je známo) vs. na réma (co je nové)

  c) prekoordinace vs. postkoordinace, resp. enumerace vs. kombinace

• Uživatelské preference
  
  
• Jazykové preference
  

  terminologický úzus
  literary warrant

• Provozní požadavky
  

  konzistence indexace
  požadavek interoperability (např. prekoordinované systémy se hůře mapují)

Jednotlivé metody se navzájem nevylučují, je patrné překrývání některých principů. V praxi se často kombinují navzájem.

1) Fasetová analýza

Teoretickým základem této metody je systémová analýza, propracované techniky fasetové analýzy nabízí informační věda.

Příklad:

Fasetová struktura třídy 2 Náboženství v Mezinárodním desetinném třídění a její využití pro vyjádření složených témat:

	Hlavní znaky				Zvláštní pomocné znaky pro náboženství
	233	Hinduismus v užším smyslu, podrobněji			2‑18	Člověk. Lidstvo. Lidství. Dogmatická antropologie
	24	Buddhismus			2‑36	Svatí. Bóddhisattvové. Osoby, které dosáhly osvícení
	27	Křesťanství

Kombinace hlavních a zvláštních pomocných znaků umožňující vyjádření složených témat
233‑18   Člověk. Lidstvo v hinduismu
233‑36   Svaté osoby, světci v hinduismu. Osvícení, probuzení
24‑18    Člověk. Lidstvo. Lidství (v buddhismu)
24‑36    Světci. Bódhisattvové. Osvícené, poučené, probuzené osoby (v buddhismu)
27‑18    Člověk, lidstvo, lidství, dogmatická antropologie v křesťanství
27‑36    Křesťanští světci. Hagiologie. Hagiografie

2) Závislostní analýza

Teoretickým základem této metody je lingvistika. Je vhodná zejména pro analýzu pojmů/témat vytvořených podřadným skládáním.

Typická struktura složených pojmů vytvořených podřadným skládáním (Zdroj: ISO 25964-1, s. 38-39)

1. Významové jádro (sémantický důraz, term focus, head)

Obecný pojem, jehož je složený pojem (jako celek) součástí / v němž je složený pojem zahrnut. Obvykle lze vyjádřit substantivem.

2. Rozlišující prvek (term difference, modifier)

Komponenta složeného pojmu, která slouží k zúžení rozsahu významového jádra a tudíž specifikuje jednu z jeho součástí
Uplatňuje se vztah generické hierarchie. Obvykle lze vyjádřit adjektivem.

3. Hledisko (aspekt)

– je-li aplikovatelné
Obecně: komponenta zužující významové jádro podle odlišného kritéria než rozlišující prvek (např. žánr/forma nebo uživatelské určení ve věcné katalogizaci v knihovnách). Obvykle lze vyjádřit slovesem. Aplikace hlediska přibližuje tuto metodu fasetové analýze.

Příklad:

Poznámka: Ve skutečnosti je skladba složených pojmů často ještě komplikovanější. To ukazuje termín "meziknihovní", který označuje složený pojem, jenž je rozložitelný na významové jádro "knihovny" a rozlišující prvek "mezi", vyjadřující interakci. Při analýze složených pojmů lze tedy zaznamenat jak generickou, tak partitivní hierarchii.

3) Analýza pro konstrukci předmětových hesel

Metoda je založena na dnes již neplatné ČSN 01 0188 Tvorba předmětových hesel z roku 1983.

Popis metody lze najít např. v publikaci KOVÁŘ, Blahoslav. Obsahová analýza dokumentu. Praha: ÚVTEI, 1974, s. 34-36. Dostupné prostřednictvím Národní digitální knihovny (Díla nedostupná na trhu - DNNT) z https://ndk.cz/view/uuid:f9e5aba0-1f75-11e3-a5bb-005056827e52?page=uuid:d8e5d470-69fd-11e3-af76-5ef3fc9ae867.

Přehled aktuální praxe tvorby předmětových hesel v českých knihovnách: BALÍKOVÁ, Marie. Aplikace věcných autorit v bibliografických záznamech: Předmětové heslo NK ČR - PHNK. Prezentace, 32 snímků. Dostupné z: https://www.nkp.cz/o-knihovne/odborne-cinnosti/zpracovani-fondu/vecne-zpracovani-vecne-autority/predmetova-hesla-nkcr-phnk.

Struktura předmětového hesla:

heslo (doplněk hesla) - podheslo (doplněk podhesla)

heslo: významové jádro

podheslo: věcné nebo formální rozlišující prvky

Doplněk hesla či podhesla se uvádí pouze při nutnosti odlišit homonyma - např. RDA (pravidla), RDA (organizace)

Heslo a podheslo / podhesla se oddělují pomlčkou, doplněk se uvádí v kulatých závorkách.

7. Možnosti řešení lingvistických a sémantických problémů

KDO/CO/KDE

na straně systému
na straně uživatele

KDY

při tvorbě systému organizace znalostí
během indexace zdroje (analýza obsahu zdroje)
během požadavku na zdroj (analýza informační potřeby)

JAK (metoda - co chceme dělat)

rozšíření požadavku o synonyma => rozšíření výsledků dotazu o zdroje obsahující synonyma - zvýšení úplnosti

zúžení požadavku o nerelevantní homonyma => zúžení výsledků dotazu na zdroje, obsahující pouze relevantní homonyma - zvýšení přesnosti

analýza: např. fasetová nebo závislostní analýza

syntéza: koordinace (tj. kombinace) složek tématu
a) prekoordinace - enumerace složených témat během indexace zdroje - zvýšení přesnosti
b) postkoordinace - syntéza jednoduchých témat během požadavku na zdroj - zvýšení úplnosti

a) zúžení výsledků dotazu na zdroje, obsahující daná slova těsně vedle sebe - zvýšení přesnosti
b) rozlišení syntagmatických a paradigmatických slovních spojení (zúžení výsledků dotazu na paradigmatická spojení) - zvýšení přesnosti

JAK (technika - jak/čím to udělat)

cíl: sjednocení sémantiky

=> zjednoznačnění významu

ekvivalence - homonyma: vyloučení z používání (balón viz míč), upřesnění významu definicí nebo kvalifikátorem (Úterý (den), Úterý (obec))

ekvivalence - gramatická synonyma: lemmatizace (přiřazení slovního tvaru k základnímu tvaru - lemmatu) a doplnění všech gramatických tvarů se stejným lemmatem

=> sjednocení označení

ekvivalence - synonyma: volba preferovaného termínu (např. UF - USE v tezaurech), jednotná notace (např. třídník/znak MDT, VIAF ID)

=> explicitní vyjádření vztahů

ekvivalence - synonyma: enumerace synonymních výrazů (např. synset ve WordNetu)

asociace, hierarchie

2. Indexový soubor

cíl: poskytnout přístup podle jiného hlediska, než podle jakého je setříděn (řazen) základní soubor.

zdroj indexového souboru:
text dokumentů
text realizovaných dotazů (seznam uložených dotazů)
metadata (např. intelektuálně vytvořená obsahová metadata vztahující se k dokumentům, kvantitativní údaje o "popularitě" dotazu)

3. Kontext / kolokace

cíl: využití kolokability – v textu, v indexu

=> převod syntagmatických vztahů na paradigmatické

7.1. Indexace složených pojmů v praxi organizace znalostí

Koordinace

využití více lexikálních jednotek k vyjádření složených témat (typ kolokace)

Prekoordinace

Složená témata se vyjadřují synteticky, enumerativně, explicitním zápisem každého složeného tématu (na vstupu, apriori, „paradigmaticky“). Vztahy jsou definovány už při tvorbě řízeného slovníku/systému organizace znalostí nebo při indexaci.

Vztahy mezi dílčími tématy se vyjadřují

a) přirozeným jazykem

b) umělým jazykem

Příklad: spojovací symboly (aplikační syntax) Mezinárodního desetinného třídění
+    přiřazení
/    rozšíření
:    vztah (symetrický)
::    nezaměnitelný vztah
[ ]    podřazení

Postkoordinace

Složená témata se vyjadřují analyticky. Vztahy mezi dílčími tématy jsou definovány až při formulaci požadavku/dotazu (na výstupu, a posteriori, syntagmaticky). Zpravidla jsou omezeny na základní booleovské operátory (AND, OR, NOT).

Poznámka: prekoordinace zvyšuje přesnost, postkoordinace zvyšuje úplnost

Příklad: Složené téma "Vliv a účinky volného času na jednotlivce v České republice a na Slovensku v 21. století"

8. Literatura

Základní teoretická literatura

ČERMÁK, František. Jazyk a jazykověda: přehled a slovníky. 4. dopl. vyd. Praha: Karolinum, 2011. 380 s.  ISBN 987-80-246-1946-0. Pro členy akademické obce UK je dostupné prostřednictvím služby UKAŽ.

ČERNÝ, Jiří. Dějiny lingvistiky. 1. souborné vyd. Olomouc: Votobia, 1996. 517 s. ISBN 80-85885-96-4.

ECO, Umberto. Teorie sémiotiky. Přeložil Marek Sedláček. Vyd. 2., v Argu 1. Praha: Argo, 2009. 440 s. ISBN 978-80-257-0157-7 (váz.)

HAJIČOVÁ, Eva, PANEVOVÁ, Jarmila, SGALL, Petr. Úvod do teoretické a počítačové lingvistiky. I. svazek, Teoretická lingvistika. Praha: Karolinum, 2002, dotisk 2003. 156 s. Učební texty Univerzity Karlovy v Praze. ISBN 978-80-246-0470-1 (brož.).

PALEK, Bohumil, ed. Sémiotika: Ch. S. Peirce, C. K. Ogden and I. A. Richards, Ch. W. Morris, H. B. Curry. 2. přeprac. vyd. Praha: Karolinum, 1997. 335 s. ISBN 978-80-7184-356-6 (brož.). Skripta pro posluchače Filozofické fakulty UK.

SAUSSURE, Ferdinand de. Kurs obecné lingvistiky.
1. vyd. Praha: Odeon, 1989. 467 s. ISBN 80-207-0070-6.
2., v Academii 1. vyd. Praha: Academia, 1996. 468 s. ISBN 80-200-0560-9.
3., uprav., v Academii 2. vyd. Praha: Academia, 2007. 487 s. ISBN 978-80-200-1568-6.

Další zdroje

JIRSA, Jakub. Pár problémů se svobodou. In: Moderní divadlo. Září-říjen 2022, 1, s. 12-13. Dostupné také z: https://www.mestskadivadlaprazska.cz/mediateka/casopis/?pid=1721.

KOVÁŘ, Blahoslav. Věcné pořádání informací a selekční jazyky. Díl 1. Úvod do problematiky, systematické pořádání. Praha: ÚVTEI. 1981.
Kapitola 1.2 Základy teorie věcného pořádání informací v logice a sémiotice, s. 16-31.
Vydání z roku 1984 je k dispozici prostřednictvím portálu Kramerius (Díla nedostupná na trhu): https://ndk.cz/view/uuid:afa74890-33d6-11e2-824c-005056827e51

KUČEROVÁ, Helena. Organizace znalostí: klíčová témata. 1. vyd. Praha: Karolinum, 2017. 269 s. ISBN 978-80-246-3587-3 (brož.). ISBN 978-80-246-3597-2 (pdf).
Kapitola 5.1 Teoretická východiska sémantické problematiky organizace znalostí, s. 202-210.

Složené pojmy v ISO 25964. Zdroj: ISO 25964-1:2011. Information and documentation – Thesauri and interoperability with other vocabularies – Part 1: Thesauri for information retrieval. 1st ed. Geneva: International Organization for Standardization, 2011-08-08. 152 s. - Kapitola 7 Complex concepts, s. 37-44.