Vejledning til det danske Parole-korpus - Det Danske Sprog- og ...

visse forkortelser (som f.eks. a/s eller t/r). Det har dog været svært for DAN-TWOLtokeniseren
at adskille skråstregen fra dens omgivelser på korrekt vis, og derfor har en stor del
af de ordformer, der indeholder skråstregen, fået tildelt en analyse som tekstfejl ('XX'). Dette
gælder dog ikke tal, datoer og andre numeriske tidsangivelser (jf. afsnit 5.3.3 om numeralier og
afsnit 6.1 om ordformer, der ikke kunne tildeles en analyse).
..Told- og Skattestyrelsen på jagt efter fejl i oplysninger fra arbejdsgivere..
Told-
..det ville f.eks. være at gennemføre elektrificeringen af Odense-Padborg..
Odense-Padborg
..vandmanden (21. jan.-18. feb.): Der er en noget urolig indflydelse fra stjernerne..
jan.-18.
..det kunne - som i Hitchcocks Vertigo – handle om den ufrie, besiddende og .. dræbende kærlighed..
-
..en relativ høj forentning af pensionopsparernes depoter i slutningen af 1980'erne/begyndelsen af 1990'erne..
1980'erne/begyndelsen
...Lise Andreasen kom til Australien for 4 ½ år siden. Hun var landbrugs-udviklingsstudent i Port Campbell..
1/2
4.2 Flerordsforbindelser
Som nævnt i afsnit 4 ovenfor er hovedreglen i det morfosyntaktisk taggede tekstkorpus, at
ordformer, der omgives af blanktegn og interpunktionstegn, behandles hver for sig, selv hvis
de indgår i forskellige former for flerordsforbindelser. Dette udspringer af en generel
tilbageholdenhed med at indføre flerordsforbindelser i DAN-TWOLs leksikon, da det kan være
problematisk for tokeniseren at identificere og samle flerordsforbindelser på korrekt vis 19 . Der
er dog nogle få undtagelser i PAROLE-korpusset: (i) de flerordsforbindelser, der fra starten var
opført i DAN-TWOLs leksikon som faste forbindelser (og derfor anerkendes af DAN-TWOLtokeniseren),
samt (ii) de flerordsforbindelser, der — af forskellige årsager — er blevet samlet
i efterredigeringsfasen. Appendiks 8.5 indeholder en komplet fortegnelse over alle
flerordsforbindelser i PAROLE-korpusset.
4.2.1 Faste ordforbindelser
Nogle få hyppige flerordsforbindelser samles med en understregning ( _ ) af DAN-TWOLtokeniseren
og tildeles en morfosyntaktisk analyse ved opslag i DAN-TWOLs leksikon. Disse
få faste ordforbindelser er i efterrediggeringsfasen desuden blevet suppleret med et par andre
faste vendinger (oftest sammensatte adverbier) på baggrund af en undersøgelse af de hyppigst
forekommende flerordsforbindelser fra RO96 i DSL's avistekstbibliotek.
..Bortset fra det kosmiske "lys" dyrkes økologisk vin også uden kunstgødning og sprøjtning..
Bortset_fra
..vi stiller simpelt hen større krav til idrætsarbejdet ude i klubberne..
simpelt_hen
4.2.2 Gruppesammensætninger
I gruppesammensætninger og -afledninger, hvis første led består af mere end et ord, anvendes
bindestregen normalt mellem næstsidste og sidste ord (RO96, §63.7). Da det er
uhensigtsmæssigt at behandle disse sammensætningers led hver for sig, er de i PAROLEkorpusset
blevet samlet vha. en understregning ( _ ) i efterrediggeringsfasen. Alle de
19 DAN-TWOL-tokeniseren samler enten alle eller ingen forekomster af en flerordsforbindelse. Den kan således f.eks. ikke
skelne mellem alt for i alt for mange mennesker og alt for i han gjorde alt for hende.
16