Treebank Sintattico-Semantica dell'Italiano - Istituto di Linguistica ...

SI-TAL
Treebank Sintattico-Semantica
dell’Italiano
Linea 1.3
Manule operativo e valutazione della Treebank
-
Manuale d'uso del software
* *
Consorzio Pisa Ricerche - (CPR)
Consorzio Venezia Ricerche - (CVR)
Istituto Trentino di Cultura - Istituto per la Ricerca Scientifica e
Tecnologica - (ITC-irst)
Centro per la Ricerca, Sviluppo, Formazione nelle Tecnologie ed Applicazioni
Informatiche - (CERTIA)
Synthema

Codice linea e Tema
Sommario
1 INTRODUZIONE.......................................................................................................9
2 LA TREEBANK DI SI-TAL: RISULTATI DELL’ANNOTAZIONE...........................10
2.1 Il corpus della Treebank di SI-TAL: composizione interna e livelli di annotazione.............................. 10
2.2 Annotazione sintattica a costituenti ........................................................................................................... 12
2.2.1 Risultati..................................................................................................................................................... 12
2.2.2 Metodologia di annotazione...................................................................................................................... 12
2.3 Annotazione sintattico-funzionale.............................................................................................................. 13
2.3.1 Risultati..................................................................................................................................................... 13
2.3.2 Metodologia di annotazione...................................................................................................................... 13
2.4 Annotazione semantico-lessicale................................................................................................................. 14
2.4.1 Risultati..................................................................................................................................................... 14
2.4.2 Metodologia di annotazione...................................................................................................................... 16
2.4.3 Annotazione e risorsa lessicale di riferimento .......................................................................................... 17
2.4.4 Interazione tra i siti in carico dell'annotazione semantico-lessicale: CPR e IRST.................................... 17
2.4.5 Interazione tra annotatori IRST-CPR e codificatori IWN......................................................................... 18
2.4.6 Considerazioni e commenti finali ............................................................................................................. 19
3 ANNOTAZIONE ORTOGRAFICA E MORFO-SINTATTICA ..................................19
3.1 Annotazione ortografica.............................................................................................................................. 19
3.2 Annotazione morfo-sintattica ..................................................................................................................... 20
3.2.1 Annotazione di parole ortografiche morfologicamente complesse........................................................... 21
3.2.2 Annotazione di espressioni polilessicali ................................................................................................... 21
4 SPECIFICHE DI ANNOTAZIONE PER IL LIVELLO SINTATTICO A COSTITUENTI
22
4.1 Teoria X-barra e costituenza sintattica...................................................................................................... 22
4.2 Costituenti sintattici nello schema di annotazione di SI-TAL ................................................................. 22
4.2.1 F................................................................................................................................................................ 23
4.2.2 IBAR......................................................................................................................................................... 24
4.2.3 SN ............................................................................................................................................................. 24
4.2.4 SP.............................................................................................................................................................. 25
4.2.5 SPDA ........................................................................................................................................................ 25
4.2.6 SPD........................................................................................................................................................... 26
4.2.7 SA ............................................................................................................................................................. 26
4.2.8 SAVV ....................................................................................................................................................... 26
4.2.9 SQ ............................................................................................................................................................. 26
4.2.10 SV2 ...................................................................................................................................................... 27
4.2.11 SV3 ...................................................................................................................................................... 28
4.2.12 SV5 ...................................................................................................................................................... 28
4.2.13 F2 ......................................................................................................................................................... 28
4.2.14 F3 ......................................................................................................................................................... 29
4.2.15 FINT..................................................................................................................................................... 29
4.2.16 FAC...................................................................................................................................................... 29
4.2.17 COMPT................................................................................................................................................ 29
4.2.18 COMPIN.............................................................................................................................................. 30
2

Codice linea e Tema
4.2.19 COMPC................................................................................................................................................ 31
4.2.18 COORD................................................................................................................................................ 31
4.2.19 FC......................................................................................................................................................... 32
4.2.20 FP......................................................................................................................................................... 33
4.2.21 CP......................................................................................................................................................... 33
4.2.22 FS e CP ................................................................................................................................................ 34
4.2.23 CP_INT................................................................................................................................................ 36
4.2.24 DIRSP .................................................................................................................................................. 36
4.3 Tipologia dei costituenti sintattici della Treebank di SI-TAL ................................................................. 36
4.3.1 Costituenti Funzionali Strutturali.............................................................................................................. 37
4.3.2 Costituenti Funzionali Lessicali................................................................................................................ 38
4.3.3 Costituenti Sostanziali .............................................................................................................................. 38
4.4 Criteri di annotazione.................................................................................................................................. 38
4.4.1 Costituenti minori, Modificatori e Marcatori Semantici........................................................................... 39
4.4.2 Costituenti vuoti........................................................................................................................................ 39
4.4.3 Clitici ........................................................................................................................................................ 40
4.4.4 Il “SI” espletivo: inerente, passivante, medio e impersonale....................................................................40
4.4.5 Preposizioni e SP ...................................................................................................................................... 40
4.4.6 Modali e costruzioni perifrastiche di varia natura (aspettuali, causativi).................................................. 40
5 ANNOTAZIONE FUNZIONALE..............................................................................41
5.1 Specifiche di annotazione............................................................................................................................ 41
5.1.1 Tipologia delle relazioni funzionali .......................................................................................................... 41
5.1.1.1 Relazioni di dipendenza .................................................................................................................. 42
5.1.1.1.1 Inventario delle relazioni di dipendenza .................................................................................... 43
5.1.1.1.2 Tratti associati agli elementi della relazione di dipendenza....................................................... 48
5.1.1.1.2.1 Tratti distintivi del DIPENDENTE ......................................................................................... 48
5.1.1.1.2.2 Tratti distintivi della TESTA ................................................................................................ 50
5.1.1.1.2.3 Tratti distintivi della TESTA e del DIPENDENTE ................................................................... 52
5.1.1.2 Relazioni simmetriche di congiunzione e disgiunzione .................................................................. 52
5.1.1.2.1 Tratti distintivi del partecipante in relazioni simmetriche.......................................................... 53
5.1.1.3 Relazioni di coreferenza.................................................................................................................. 53
5.2 Criteri di annotazione per il livello funzionale.......................................................................................... 54
5.2.1 Distinzione tra argomenti e modificatori .................................................................................................. 55
5.2.2 Costruzioni di base.................................................................................................................................... 56
5.2.2.1 Costruzioni con verbo intransitivo .................................................................................................. 56
5.2.2.2 Costruzioni con verbo intransitivo inaccusativo ............................................................................. 57
5.2.2.3 Costruzioni con verbo transitivo con oggetto diretto ...................................................................... 57
5.2.2.4 Costruzioni con verbo transitivo con oggetto indiretto ................................................................... 57
5.2.2.5 Costruzioni con verbo transitivo con complemento obliquo........................................................... 57
5.2.2.6 Costruzioni passive ......................................................................................................................... 57
5.2.2.7 Costruzioni con completive sottocategorizzate ............................................................................... 58
5.2.2.8 Costruzioni con interrogative indirette............................................................................................ 59
5.2.2.9 Costruzioni con modificazione frasale (gerundive, participiali, infinitive)..................................... 60
5.2.2.10 Costruzioni con complementi predicativi del soggetto e dell’oggetto............................................. 60
5.2.2.11 Complementazione di nomi e aggettivi........................................................................................... 62
5.2.2.12 Negazione........................................................................................................................................ 63
5.2.2.13 Costruzioni esistenziali.................................................................................................................... 63
5.2.3 Costruzioni coordinate.............................................................................................................................. 63
5.2.4 Costruzioni ellittiche................................................................................................................................. 65
5.2.4.1 Ellissi del soggetto .......................................................................................................................... 65
5.2.4.2 Ellissi del verbo............................................................................................................................... 66
5.2.4.3 Ellissi in costruzioni verbali perifrastiche ....................................................................................... 67
5.2.5 Annotazione di relazioni di coreferenza ................................................................................................... 67
5.2.6 Casi particolari di costruzioni predicative................................................................................................. 68
5.2.7 Costruzioni causative................................................................................................................................ 68
3

Codice linea e Tema
5.2.8 Costruzioni partitive ................................................................................................................................. 69
5.2.9 Annotazione delle costruzioni con superlativo e con strutture comparative............................................. 69
5.2.9.1 Superlativi ....................................................................................................................................... 69
5.2.9.2 Costruzioni comparative.................................................................................................................. 70
5.2.10 Miscellanea .......................................................................................................................................... 71
5.2.10.1 Annotazione delle date .................................................................................................................... 71
5.2.10.2 Annotazione di cardinalità complessa ............................................................................................. 72
5.2.10.3 Annotazione di nomi propri ............................................................................................................ 72
5.2.10.3.1 Annotazione di nome e cognome............................................................................................. 72
5.2.10.3.2 Annotazione di nomi propri composti...................................................................................... 72
5.2.10.4 Annotazione di costruzioni appositive di vario tipo........................................................................ 72
5.2.10.5 Annotazione degli incisi in testa agli articoli .................................................................................. 73
5.2.10.6 Un caso particolare di congiunzione ............................................................................................... 73
5.2.11 Problemi aperti..................................................................................................................................... 73
5.3 Aspetti di annotazione con FunTAS........................................................................................................... 75
5.3.1 Una nuova relazione funzionale: CONCAT ................................................................................................ 76
5.3.2 Annotazioni transitorie al livello della descrizione in tratti dei partecipanti............................................. 76
5.3.2.1 L'attributo INTRODUTTORE............................................................................................................... 76
5.3.2.2 L'attributo DIATESI........................................................................................................................... 79
5.3.3 Valori particolari per INTRODEP ................................................................................................................ 79
6 SPECIFICHE DI ANNOTAZIONE PER IL LIVELLO SEMANTICO-LESSICALE...80
6.1 L’annotazione semantico-lessicale: tipologia degli elementi.................................................................... 80
6.2 L’annotazione semantico-lessicale: tratti descrittivi ................................................................................ 81
6.2.1 dbref (database di riferimento).................................................................................................................. 82
6.2.2 ns (numero di senso) ................................................................................................................................. 82
6.2.3 lem (lemma).............................................................................................................................................. 82
6.2.4 pos (parte del discorso) ............................................................................................................................. 83
6.2.5 alter(azione) .............................................................................................................................................. 83
6.2.6 fig(urato)................................................................................................................................................... 83
6.2.7 np (nome proprio) ..................................................................................................................................... 84
6.2.8 tipousc (tipo di unità semanticamente complessa).................................................................................... 84
6.2.9 tipolemma ................................................................................................................................................. 84
6.2.10 tipot (tipo di titolo)............................................................................................................................... 85
6.2.11 Altri tratti che possono essere usati nella definizione di unità di senso ............................................... 85
6.2.11.1 nota.................................................................................................................................................. 85
6.2.11.2 comm(ento) ..................................................................................................................................... 85
6.2.12 Tabella sinottica dei tratti per l’annotazione semantico-lessicale ........................................................ 88
6.3 Criteri di annotazione.................................................................................................................................. 88
6.3.1 Alterati e aggettivi superlativi................................................................................................................... 88
6.3.2 Nomi Propri .............................................................................................................................................. 89
6.3.3 Parole Straniere......................................................................................................................................... 90
6.3.4 Criteri di identificazione e di annotazione delle USC ................................................................................ 91
6.3.4.1 Perché l’annotazione delle USC ....................................................................................................... 91
6.3.4.2 Problemi nell’identificazione ed interpretazione delle USC............................................................. 92
6.3.4.2.1 Identificazione degli elementi costitutivi delle USC ................................................................... 93
6.3.4.3 Espressioni idiomatiche e composti ................................................................................................ 94
6.3.4.3.1 Criteri di identificazione delle espressioni idiomatiche e dei composti ..................................... 95
6.3.4.3.1.1 Sequenze senza verbo......................................................................................................... 95
6.3.4.3.1.2 Sequenze con il verbo......................................................................................................... 96
6.3.4.4 Espressioni con verbo supporto....................................................................................................... 97
6.3.5 Criteri di annotazione delle UST................................................................................................................ 99
6.3.6 Gli Usi Figurati ....................................................................................................................................... 100
6.3.6.1 La Metafora................................................................................................................................... 100
6.3.6.2 La Metonimia ................................................................................................................................ 101
6.3.7 Terminologia........................................................................................................................................... 102
4

Codice linea e Tema
6.3.8 Casi di mancata corrispondenza tra la risorsa lessicale di riferimento e l’uso attestato.......................... 103
6.3.8.1 Assenza del lemma........................................................................................................................ 103
6.3.8.2 Assenza del senso rilevante di un lemma già presente in IWN ..................................................... 104
6.3.9 Corrispondenza con più sensi dello stesso lemma .................................................................................. 104
6.4 Aspetti di annotazione con SemTAS ........................................................................................................ 106
6.4.1 Combinando più risorse lessicali di riferimento ..................................................................................... 106
6.4.2 Annotazione di nomi propri polilessicali ................................................................................................ 106
6.4.3 Annotazione di neologismi e voci dialettali............................................................................................ 107
6.4.4 GesTALt/SemTAS vs XML ................................................................................................................... 107
7 SVILUPPO DI GESTALT......................................................................................108
7.1 Processo di sviluppo del software............................................................................................................. 108
7.2 Architettura di GesTALt .......................................................................................................................... 110
7.3 Funzionalità di GesTALt v3.0 .................................................................................................................. 114
7.3.1 ValTAS................................................................................................................................................... 114
7.3.2 Wrapper-out............................................................................................................................................ 119
7.3.3 SSParser.................................................................................................................................................. 122
8 VALUTAZIONE.....................................................................................................123
8.1 Modifiche al dizionario.............................................................................................................................. 125
8.1.1 Derivanti dalla sintassi............................................................................................................................ 125
8.1.1.1 Reggenze....................................................................................................................................... 125
8.1.1.2 Testa nominale .............................................................................................................................. 125
8.1.1.3 Testa verbale ................................................................................................................................. 126
8.1.1.4 Espressioni polilessicali ................................................................................................................ 126
8.1.1.5 Dipendenza indiretta con testa nominale....................................................................................... 127
8.1.1.6 Dipendenza indiretta con testa verbale..........................................................................................128
8.1.1.7 Dipendenza diretta con testa nominale.......................................................................................... 129
8.1.1.8 Dipendenza diretta con testa verbale............................................................................................. 129
8.1.1.9 Specifiche consultazioni................................................................................................................ 130
8.1.2 Derivanti dalla semantica........................................................................................................................ 131
8.1.2.1 Inserimento dei semantic type disponibili..................................................................................... 131
8.1.2.2 Nuovo semantic type..................................................................................................................... 132
8.1.2.3 Derivanti dalla semantica in combinazione con la sintassi............................................................ 132
8.2 Modifiche alla grammatica ....................................................................................................................... 132
8.2.1 Raffinamento delle regole per la costruzione dell'albero........................................................................133
8.2.1.1 Participi interpretati come aggettivi .............................................................................................. 133
8.2.1.2 Quanto........................................................................................................................................... 134
8.2.1.3 Lo - predicato preposto.................................................................................................................. 134
8.2.1.4 Aggettivi come incisi..................................................................................................................... 134
8.2.1.5 Quest'ultimo .................................................................................................................................. 135
8.2.1.6 Prima ancora che ........................................................................................................................... 135
8.2.2 Raffinamento delle regole di cancellazione ............................................................................................ 136
8.2.2.1 Sostantivi interpretati come verbi.................................................................................................. 136
8.2.2.2 Più ................................................................................................................................................. 137
8.2.2.3 Come ............................................................................................................................................. 137
8.2.3 Modifica delle preferenze e delle restrizioni........................................................................................... 137
8.2.3.1 Sono............................................................................................................................................... 138
8.2.3.2 Ieri ................................................................................................................................................. 138
8.2.3.3 Dopo.............................................................................................................................................. 138
8.3 Modifiche al transfer................................................................................................................................. 139
8.3.1 Lo - predicato preposto .......................................................................................................................... 139
5

Codice linea e Tema
8.3.2 Subordinate infinitive ............................................................................................................................. 139
8.3.3 Milioni/miliardi di…............................................................................................................................... 139
8.3.4 Mesi ........................................................................................................................................................ 140
8.4 Modifiche all'interfaccia software............................................................................................................ 140
8.5 Osservazioni ............................................................................................................................................... 141
8.5.1 Ricerche infruttuose................................................................................................................................ 141
8.5.2 Analisi del lavoro svolto ......................................................................................................................... 141
RIFERIMENTI BIBLIOGRAFICI..................................................................................143
APPENDICI .................................................................................................................148
APPENDICE 1 - ANNOTAZIONE A COSTITUENTI: RAPPRESENTAZIONE IN XML
.........................................................................................................................................149
1 DTD.......................................................................................................................149
1.1 L’elemento .................................................................................................................................... 149
1.2 L’elemento .................................................................................................................................... 151
1.3 L’elemento ................................................................................................................................... 152
APPENDICE 2 - ANNOTAZIONE FUNZIONALE: RAPPRESENTAZIONE IN XML ..153
2 DTD.......................................................................................................................153
2.1 L’elemento (partecipante) ............................................................................................ 153
2.1.1 quantificazione........................................................................................................................................ 155
2.1.2 cardinalita ............................................................................................................................................... 155
2.1.3 definitezza............................................................................................................................................... 155
2.1.4 aux .......................................................................................................................................................... 156
2.1.5 perifra...................................................................................................................................................... 156
2.1.6 introdep................................................................................................................................................... 157
2.1.7 caso ......................................................................................................................................................... 157
2.1.8 status ....................................................................................................................................................... 157
2.1.9 ruolo........................................................................................................................................................ 158
2.1.10 modo .................................................................................................................................................. 160
2.1.11 diat ..................................................................................................................................................... 162
2.1.12 syn_form ............................................................................................................................................ 162
2.1.13 reflex .................................................................................................................................................. 163
2.1.14 pers..................................................................................................................................................... 163
2.1.15 num .................................................................................................................................................... 164
2.1.16 gen...................................................................................................................................................... 164
2.1.17 introsim .............................................................................................................................................. 164
2.1.18 partec_id............................................................................................................................................. 165
2.1.19 href ..................................................................................................................................................... 165
2.2 L’elemento (relazione funzionale) ............................................................................ 167
2.2.1 relazionefunzionale................................................................................................................................. 167
2.2.2 partidrefs................................................................................................................................................. 167
2.2.3 relfunctid................................................................................................................................................. 168
2.3 L’elemento .............................................................................................................. 168
6

Codice linea e Tema
3 ESEMPI ................................................................................................................169
3.1 Costruzioni con verbo intransitivo........................................................................................................... 169
3.2 Costruzioni con verbo intransitivo inaccusativo..................................................................................... 170
3.3 Costruzioni con verbo transitivo con oggetto diretto ............................................................................. 171
3.4 Costruzioni con verbo transitivo con oggetto indiretto ..........................................................................172
3.5 Costruzioni con verbo transitivo con complemento obliquo.................................................................. 173
3.6 Costruzioni passive.................................................................................................................................... 173
3.7 Costruzioni con completive sottocategorizzate ....................................................................................... 175
3.8 Costruzioni con interrogative indirette.................................................................................................... 176
3.9 Costruzioni con modificazione frasale (gerundive, participiali, infinitive)........................................... 176
3.10 Costruzioni con complementi predicativi del soggetto e dell’oggetto.................................................... 177
3.11 Complementazione di nomi e aggettivi .................................................................................................... 178
3.12 Negazione.................................................................................................................................................... 179
3.13 Costruzioni esistenziali.............................................................................................................................. 179
3.14 Costruzioni coordinate .............................................................................................................................. 180
3.15 Condivisione di complementi in costruzioni coordinate......................................................................... 183
3.16 Ellissi del soggetto...................................................................................................................................... 183
3.17 Ellissi del verbo .......................................................................................................................................... 184
3.18 Relazioni di coreferenza............................................................................................................................ 185
3.19 Cardinalità complessa ............................................................................................................................... 185
3.20 Nomi propri................................................................................................................................................ 185
3.21 Costruzioni predicative particolari .......................................................................................................... 186
3.22 Costruzioni causative ................................................................................................................................ 187
3.23 Costruzioni partitive.................................................................................................................................. 187
3.24 Superlativo assoluto................................................................................................................................... 188
3.25 Superlativo relativo ................................................................................................................................... 188
APPENDICE 3 - ANNOTAZIONE SEMANTICO-LESSICALE: RAPPRESENTAZIONE
IN XML.............................................................................................................................190
1 INTRODUZIONE...................................................................................................190
7

Codice linea e Tema
2 ELEMENTI DI MARKUP.......................................................................................190
2.1 ............................................................................................................................................... 190
2.2 :unità semantica semplice ............................................................................................................ 191
2.2.1 ussid ........................................................................................................................................................ 193
2.2.2 href.......................................................................................................................................................... 193
2.2.3 dbref........................................................................................................................................................ 194
2.2.4 numero_senso ......................................................................................................................................... 195
2.2.5 tipolemma ............................................................................................................................................... 195
2.2.6 alterazione............................................................................................................................................... 195
2.2.7 figurato.................................................................................................................................................... 196
2.2.8 nome_proprio.......................................................................................................................................... 196
2.2.9 commento ............................................................................................................................................... 197
2.2.10 nota..................................................................................................................................................... 197
2.3 :unità semantica di tipo complesso.............................................................................................. 197
2.4 :unità semantica di tipo titolo ...................................................................................................... 198
3 DTD.......................................................................................................................199
8

Codice linea e Tema
1 Introduzione
L'obiettivo previsto per la linea di ricerca 1.3 del tema “Treebank sintattico-semantica dell’italiano”
consisteva nella produzione della risorsa finale, ed in modo particolare:
• nel completamento della risorsa linguistica annotata ai livelli sintattici, a costituenti e
funzionale, e semantico-lessicale attraverso l’estensione del primo prototipo sviluppato
nell’ambito della Linea 1.2, fino alla copertura di circa 80.000 parole (tokens) per
l’annotazione a costituenti, di circa 300.000 per l’annotazione funzionale, e di circa 80.000
per l’annotazione semantico-lessicale;
• nella realizzazione della versione finale di GesTALt, il sistema di applicazioni software di
supporto alla creazione e validazione della risorsa Treebank;
• nella realizzazione della versione finale del sistema di traduzione automatica adottato per la
valutazione della Treebank nei suoi diversi livelli di annotazione.
Gli obiettivi sopra menzionati sono stati tutti raggiunti. Il presente capitolo documenta la
versione finale della Treebank di SI-TAL ed include:
• la descrizione dei risultati finali del processo di annotazione (sezione 2);
• la versione finale delle specifiche di annotazione per i livelli ortografico e morfo-sintattico
(sezione 3);
• la versione completa ed aggiornata dei manuali di specifiche tecniche per l’annotazione
sintattica, a costituenti e funzionale, e semantico-lessicale (rispettivamente nelle sezioni 4, 5
e 6);
• la documentazione del lavoro svolto nel corso della linea 1.3 finalizzato alla realizzazione
della versione finale del workbench GesTALt per l’annotazione e la validazione della risorsa
(sezione 7);
• un rapporto sui risultati della fase di valutazione preliminare del contributo informativo della
Treebank di SI-TAL ai fini del raffinamento di un componente software di traduzione
automatica, sia al livello dell’informazione lessicale che ne può essere ricavata sia al livello
dello studio di costruzioni problematiche ai fini del parsing sintattico (sezione 8).
L’eventuale impatto di azioni correttive ed interventi specifici sia sul repertorio lessicale che
sulla grammatica del componente di traduzione automatica sarà oggetto di valutazione
quantitativa dettagliata nell’ambito della Linea 1.4.
E' infine acclusa una sezione di Appendici che documentano la sintassi del linguaggio di markup
(XML) adottato per il formato di interscambio del materiale annotato, e la corrispondenza tra
questa sintassi e i contenuti linguistici definiti nelle specifiche linguistiche. La rappresentazione
XML dell’annotazione sintattica a costituenti è illustrata nell’Appendice 1, quella dell’annotazione
sintattico-funzionale nell’Appendice 2 e quella dell’annotazione semantico-lessicale nell’Appendice
3.
Per quanto riguarda le specifiche di annotazione dei livelli sintattici (a costituenti e funzionale) e
semantico-lessicale, il presente capitolo contiene parte del materiale già documentato all’interno del
Rapporto “Specifiche Tecniche” (Linea 1.1), gli aggiornamenti ad esso relativi apportati nel corso
9

Codice linea e Tema
della Linea 1.2 e documentati nel Rapporto “Primo Prototipo”, ed infine ulteriori aggiornamenti e
modifiche che si sono resi necessari nel corso della Linea 1.3. Si è comunque ritenuto opportuno
fornire all’utente finale della Treebank di SI-TAL una versione completa delle specifiche di
annotazione per rendere più agevole la consultazione della risorsa. La documentazione dei livelli di
annotazione della Treebank è articolata come segue:
• specifiche linguistiche in senso stretto che definiscono l’ambito dei fenomeni linguistici
coperti e le modalità di annotazione;
• criteri di annotazione;
• eventuale documentazione di problemi emersi nel corso della pratica di annotazione del
corpus della Treebank di SI-TAL attraverso il workbench GesTALt, e delle soluzioni
messe a punto in corso d’opera (circoscritta ai livelli di annotazione sintattico-funzionale
e semantico-lessicale);
• rappresentazione in XML dell’annotazione (nelle Appendici).
Le diverse parti hanno ovvie interrelazioni, ma è sembrato comunque conveniente articolare la
descrizione su più livelli indipendenti per consentire a diverse tipologie ideali di lettore di accedere
con più facilità ed efficacia all’informazione rilevante.
La fase di annotazione ha costituito un banco di prova importante della robustezza e adeguatezza
descrittiva degli schemi di annotazione messi a punto nelle linee precedenti. Le pagine che seguono
compendiano i risultati di questo processo di verifica empirica. Va notato che non tutte le strategie
di annotazione adottate hanno consentito un trattamento coerente e soddisfacente di tutti i fenomeni
rilevanti. Il trattamento al livello sintattico delle strutture comparative, ad esempio, costituisce un
caso particolarmente istruttivo dell’inadeguatezza della riflessione teorica sull’argomento e
dell’insufficienza espressiva dei sistemi di rappresentazione al momento disponibili nella
letteratura. Sarebbe pertanto inopportuno cercare in questa versione delle specifiche una parola
definitiva su tutti i fenomeni linguistici di interesse teorico. Ciononostante, esse forniscono, a nostro
avviso, una mappa chiara e dettagliata di alcuni territori relativamente “battuti” e “rassicuranti”
dalla linguistica teorica e computazionale, insieme all’identificazione puntuale di quei territori che
invece richiedono ancora considerevoli energie prima di poter essere sottratti alle nebbie
dell’approssimazione e assimilati ai primi. In questo senso, i manuali di specifiche tecniche qui
presentati rappresentano un’opera ancora aperta a contributi e approfondimenti futuri. Sicuramente,
essi hanno contribuito a gettare luce su quanto resta ancora da fare.
2 La Treebank di SI-TAL: risultati dell’annotazione
In questa sezione, viene illustrata la composizione finale della Treebank di SI_TAL; per ogni
livello, sono brevemente descritti i risultati finali del processo di annotazione e la metodologia
adottata per lo sviluppo della risorsa.
2.1 Il corpus della Treebank di SI-TAL: composizione interna e livelli di
annotazione
La composizione interna del corpus della Treebank di SI-TAL è riportata nella tabella che segue:
10

Codice linea e Tema
Partizione
corpus
Fonte Origine Tokens
Finanziario
Bilanciato
Il Sole-24 Ore Giornata del 25/5/1994 89.941
La Repubblica
Articoli di vario
argomento usciti tra il
1985 e il 1988
Giornata del 15/7/1995
59.945
77.808
Bilanciato Il Corriere della Sera Giornata del 7/8/1995
57.938
Bilanciato
Periodici:
• Casaviva
• Centocose
• Epoca
• Espansione
• Grazia
• Panorama
• Starbene
• Storia Illustrata
• Zerouno
Selezione di articoli usciti
nell’anno 1988
19.915
TOTALE 305.547
La porzione specialistica (finanziaria) del corpus della Treebank di SI-TAL è costituita dagli
articoli estratti da Il Sole-24 Ore, per un totale di 89.941 parole (“tokens”). La rimanente parte, per
un totale di 215.606 parole, costituisce il corpus “bilanciato”. In totale, la Treebank ha una
copertura di 305.547 parole.
La tabella che segue illustra la distribuzione dei vari livelli di annotazione rispetto alle varie
partizioni del corpus della Treebank di SI-TAL:
Annotazione
Partiz.
corpus
Fonte
Sintatticocostituenti
Sintatticofunzionale
Semanticolessicale
Fin
Il Sole-24 Ore
Bil
La Repubblica
(1985-88)
Bil
La Repubblica
(1995)
Bil
Il Corriere della
Sera
11

Codice linea e Tema
Annotazione
Partiz.
corpus
Fonte
Sintatticocostituenti
Sintatticofunzionale
Semanticolessicale
Periodici:
Bil
• Casaviva
• Centocose
• Epoca
• Espansione
• Grazia
• Panorama
• Starbene
• Storia
Illustrata
• Zerouno
(1988)
Si noti che l’annotazione parallela ai tre livelli (a costituenti, sintattico-funzionale e semanticolessicale)
è circoscritta al corpus finanziario de Il Sole-24 Ore.
2.2 Annotazione sintattica a costituenti
2.2.1 Risultati
L’annotazione a costituenti ha riguardato la partizione finanziaria del corpus della Treebank di
SI-TAL, per un totale di 89.941 tokens, contro gli 80.000 previsti dall’Annesso Tecnico del
progetto. Come illustrato nella tabella che segue, il processo di annotazione ha portato
all’identificazione e conseguente annotazione di 71.093 costituenti complessi.
Partizione
corpus
Fonte Tokens Costituenti
Fin Il Sole-24 Ore 89.941 71.093
2.2.2 Metodologia di annotazione
L'annotazione a costituenti è stata effettuata in due fasi: prima una fase di pre-annotazione
automatica il cui risultato è stato oggetto di revisione e correzione manuale; poi una fase di
revisione e correzione delle analisi che sono state convertite in formato XML e caricate nella base
di dati di GesTALt. Si rinvia il lettore interessato al rapporto “Primo Prototipo”, sezione 4.1.1.1,
dove sono illustrate le operazioni svolte nel dettaglio.
12

Codice linea e Tema
2.3 Annotazione sintattico-funzionale
2.3.1 Risultati
L’annotazione sintattico-funzionale ha riguardato l’intero corpus della Treebank di SI-TAL (sia
la partizione bilanciata sia quella finanziaria), per un totale di 305.547 parole annotate (tokens), a
fronte delle 300.000 previste dall’Annesso Tecnico del progetto.
Il processo di annotazione ha portato all’identificazione e conseguente annotazione di 162.042
relazioni funzionali, ripartite come segue:
Partiz.
corpus
Fonte
Relazioni
funzionali
identificate
Relazioni
con testa
nominale
Relazioni
con testa
verbale
Relazioni
con testa
aggettivale
Relazioni
con altro
tipo di testa
Fin
Bil
Il Sole-24 Ore 47.446 23.529 20.042 1.380 2.495
La Repubblica
(1985-88)
32.132 12.133 17.099 878 2.022
Bil
Bil
La Repubblica
(1995)
Il Corriere
della Sera
41.238 16.241 22.085 1.186 1.726
30.146 11.464 16.250 895 1.537
Bil Periodici 11.080 4.488 5.366 502 724
Fin+Bil TOTALE 162.042 67.855 80.842 4.841 8.504
2.3.2 Metodologia di annotazione
A questo livello, l'annotazione è stata effettuata manualmente per quanto riguarda Il Sole-24 Ore,
La Repubblica (1985-88), Il Corriere della Sera e i Periodici (sulle motivazioni a supporto di
questa scelta metodologica si vedano i rapporti “Specifiche Tecniche”, sezione 5.1, e “Primo
Prototipo”, sezione 4.1.2.1.1). Un esperimento di annotazione semi-automatica è stato condotto su
un sottoinsieme del corpus della Treebank di SI-TAL, corrispondente al corpus de La Repubblica
(1995); a questo fine è stato realizzato un tool per l'annotazione in forma interattiva mediante il
quale l’annotatore conferma o corregge la validità di una proposta di annotazione offerta
dall’interfaccia. Questa porzione del corpus non è inclusa nella base di dati di GesTALt;
l’annotazione è disponibile in formato XML (per la rappresentazione XML dell’annotazione
funzionale si veda l’Appendice 2).
Per quanto riguarda l’annotazione manuale, è stata adottata una strategia di annotazione in due
passi:
1. annotazione per nuclei argomentali: in questo caso, l'annotazione è parziale nel senso che è
circoscritta solo ai nuclei argomentali di predicati (si veda il rapporto “Primo Prototipo”,
sezione 4.1.2.1.3);
13

Codice linea e Tema
2. completamento dell’annotazione per nuclei argomentali, conformemente alle Specifiche
Tecniche fornite al termine della Linea 1.1. e successive integrazioni e modificazioni
(l’annotazione completa è illustrata nel rapporto “Primo Prototipo”, sezione 4.1.2.1.2).
Questa strategia di annotazione in due passi presenta una serie di vantaggi. Innanzitutto, permette
un controllo più rigoroso della qualità dell'annotazione che viene rivista ogni volta da almeno due
annotatori: il primo annotatore effettua la prima fase di annotazione parziale; il secondo la completa
per renderla conforme alle Specifiche di annotazione e nel contempo rivede quanto annotato nella
fase precedente. Sul versante più strettamente operativo, si è raggiunta in minor tempo una
maggiore copertura di testo, permettendo così:
• di accelerare il processo di verifica e convalida delle Specifiche proposte al termine della
Linea 1.1;
• di avviare il processo di validazione dei risultati acquisiti in tempi più brevi; infatti, anche se
l'informazione relativa ai vari tipi di modificatori rimane ovviamente cruciale, buona parte
della validazione riguarda l'annotazione dei nuclei argomentali (es. tipologia di complementi
selezionati da un dato predicato). Si veda in proposito la sezione 8.
2.4 Annotazione semantico-lessicale
2.4.1 Risultati
L’Annesso Tecnico stabilisce che l’annotazione semantico-lessicale debba avere
complessivamente una copertura di 80.000 parole (tokens) così distribuite:
Corpus bilanciato
Corpus specializzato (finanziario)
56.000 tokens
24.000 tokens
In realtà il corpus della Treebank di SI-TAL conteneva circa 142.000 occorrenze, distribuite tra
sostantivi, verbi ed aggettivi. Era dunque necessario stabilire criteri per la selezione delle unità da
annotare.
Per quanto riguarda il corpus bilanciato, ciò ha comportato:
− l'esclusione dal processo di annotazione semantico-lessicale di una porzione omogenea di
corpus (ovvero il sotto-corpus dei Periodici);
− l’annotazione di un sotto-insieme delle occorrenze di sigle, abbreviazioni, nomi propri di
qualsiasi tipo, parole straniere, e di caratteri speciali.
Anche riguardo al corpus finanziario, l’annotazione di sigle, abbreviazioni, caratteri speciali e
parole straniere è stata effettuata in modo parziale, in linea con quanto stabilito nell’ambito della
risorsa terminologica (EcoWN - corpus finanziario composto da articoli de Il Sole 24 Ore).
Per entrambe le partizioni del corpus della Treebank di SI-TAL è stata esclusa dall'annotazione
la seguente tipologia di occorrenze verbali: ausiliari, modali, fare, stare e venire con funzione
ausiliare. L'annotazione semantico-lessicale dei verbi si è limitata ai lemmi validati nella risorsa
14

Codice linea e Tema
lessicale di riferimento IWN che presentavano una frequenza di occorrenza maggiore di 20
(frequenza da intendersi riferita all’unione di corpus bilanciato e finanziario).
Infine, l'annotazione degli aggettivi è stata circoscritta ad una breve lista di lemmi (circa una
sessantina) stilata in seguito ad uno studio di fattibilità da parte degli annotatori sulla base di quanto
proposto dai codificatori delle risorse lessicali di riferimento.
Globalmente l’annotazione semantico-lessicale ha riguardato sostantivi, aggettivi e verbi,
secondo i seguenti termini:
Sostantivi: L’annotazione ha avuto inizio a partire dalla lista di lemmi revisionati e resi disponibili
dai lessicografi, marcati nella risorsa lessicale di riferimento con l’etichetta “CT” (Corpus
Treebank) per distinguerli ed evitare modifiche da parte dei lessicografi non segnalate agli
annotatori. Ma l'obiettivo di una copertura totale dell'annotazione dei sostantivi in entrambe
le partizioni del corpus della Treebank (quella bilanciata e quella specialistica), ha portato
all'annotazione di lemmi non inclusi in tale lista di partenza, inducendo all’uso del campo
“Commento” da parte degli annotatori per segnalare lemmi mancanti in IWN o
semplicemente sospetti sensi mancanti (che in questo modo diventavano facilmente
recuperabili).
Nel caso del corpus finanziario, la copertura si può dire pressoché totale (ad esclusione di
sostantivi facenti parte di locuzioni). Nel caso del corpus bilanciato, procedendo in ordine
alfabetico, si può dire che la copertura dell'annotazione delle occorrenze dei sostantivi è
totale per tutte le lettere dell’alfabeto ad eccezione di T, U, V, Z.
Verbi: L’annotazione ha riguardato esclusivamente i lemmi revisionati e resi disponibili dai
lessicografi, principalmente con frequenza maggiore di 20. Va tuttavia sottolineato che sia
per il corpus bilanciato che per quello finanziario non c’è stata una copertura totale di tali
lemmi. La scadenza del progetto e l’obiettivo numerico dell’annotazione semantico-lessicale
raggiunto (80.000 parole annotate) costituiscono le ragioni principali dell’esclusione di un
sottoinsieme di verbi (di dimensioni ridotte nel caso del corpus bilanciato e leggermente
maggiori nel caso del corpus finanziario).
Aggettivi: Come per i verbi, né per il corpus bilanciato né per quello specialistico si è raggiunta una
copertura totale delle occorrenze. A seguito di uno studio di fattibilità basato su un criterio
di frequenza che ha tenuto conto separatamente dei due tipi di corpora (gli aggettivi più
frequenti del corpus bilanciato e quelli più frequenti del corpus finanziario), una lista di circa
sessanta elementi è stata sottoposta da parte degli annotatori ai lessicografi, i quali dopo aver
controllato le entrate lessicali selezionate e averle marcate con l’etichetta “CT”, le hanno
rese disponibili per l’annotazione. Nel caso del corpus bilanciato l’annotazione ha riguardato
anche anche lemmi non convalidati da parte dei lessicografi di IWN. Nel caso invece del
corpus finanziario, considerato che tale lista è stata resa disponibile nella fase finale
dell’annotazione (verso fine gennaio 2001) e che era già stato raggiunto l’obiettivo numerico
delle 24.000 parole annotate, si è preferito annotare solo entrate “stabili” (ovvero controllate
dai lessicografi): l’annotazione ha quindi riguardato solo la sessantina di aggettivi messi a
disposizione, per un totale di occorrenze pari a circa un migliaio.
A seguito delle selezioni fatte e dei criteri di annotazione adottati, l’annotazione semanticolessicale
è stata portata a termine secondo i dati sintetizzati nella seguente tabella:
15

Codice linea e Tema
Annotazioni complete Annotazioni parziali Copertura totale
(copertura)
(copertura) annotazioni
Corpus bilanciato 52.199 3.899 56.098
Corpus finanziario 24.881 257 25.138
Si noti che per “annotazioni parziali” s’intendono le unità semantiche (semplici o complesse) per
le quali non è stato possibile precisare un numero di senso in riferimento alla risorsa lessicale
(IWN-Gen o EcoWN) poiché o il lemma o il senso specifico risultavano mancanti. In tal caso,
l’attributo relativo al numero di senso rimane privo di valore e la mancanza viene segnalata
mediante un commento. Non si confonda tale specificazione mancante con il caso di
“numero_senso=no”, usato per segnalare lemmi non presenti nelle risorse lessicali di riferimento (si
veda la sezione 6.2.2).
La tipologia delle unità semantiche individuate è riportata nella tabella che segue:
Unità
Unità Unità Unità
Partiz.
Fonte semantiche Copertura semantiche semantiche semantiche
corpus
identificate
semplici complesse titolo
Fin Il Sole-24 Ore 22.880 25.138 21.527 1.327 26
Bil
La Repubblica 13.997 16.632 13.200 735 62
(1985-88)
Bil
La Repubblica 19.417 23.098 17.793 1.505 119
(1995)
Bil
Il Corriere 13.678 16.368 12.621 981 76
della Sera
Fin/Bil TOTALE 69.972 81.236 65.141 4.548 283
2.4.2 Metodologia di annotazione
Come già previsto nella prima fase, per l’annotazione semantico-lessicale sia del corpus
bilanciato che di quello finanziario si è proceduto per lemma, con una selezione dei lemmi sulla
base della frequenza (dai lemmi più frequenti a quelli meno frequenti).
Va tuttavia precisato che, giunti a frequenze basse (1-5 occorrenze all’interno del corpus, per un
numero esteso di lemmi) laddove quindi la frequenza diventava irrilevante, si è seguito l’ordine
alfabetico, conservando comunque l’obiettivo di una copertura totale.
In particolare, per il corpus bilanciato, ragioni pratiche (rapidità di annotazione, frequenze molto
basse dei lemmi, ecc.) hanno indotto all’annotazione per insiemi di lemmi o addirittura per lettera
dell’alfabeto trasversalmente ai vari sotto-corpora (es. sono stati annotati tutti i sostantivi della
lettera A, prima nel sotto-corpus de La Repubblica-15/7/1995, poi gli stessi nel Corriere della Sera
e infine quelli del sotto-corpus de La Repubblica-1985/1988).
Questo metodo di annotazione può avere causato qualche incoerenza, soprattutto in
corrispondenza di entrate lessicali di IWN di difficile interpretazione (quali entrate fortemente
16

Codice linea e Tema
polisemiche o complesse), ma è risultato l’unico possibile onde evitare insostenibili rallentamenti
del lavoro.
L'annotazione del livello semantico-lessicale ha comportato una complessa fase di interazione
con il tema ItalWordNet (IWN), in carico dello sviluppo della risorsa lessicale di riferimento,
anch'essa in corso di completamento durante la terza linea del progetto. Ciò ha richiesto la messa a
punto di procedure di controllo reciproco, al fine di evitare disallineamenti tra la risorsa Treebank e
ItalWordNet.
2.4.3 Annotazione e risorsa lessicale di riferimento
La messa a disposizione a fianco di ItalWordNet per il lessico generico (designato d’ora in avanti
come IWN-Gen) della risorsa lessicale specifica del dominio finanziario (designata come EcoWN)
a partire dagli inizi di dicembre 2000 ha indotto alla definizione del seguente criterio d’uso a
seconda del lemma da annotare e del corpus di provenienza:
• Corpus bilanciato:
− lemma con soli sensi in IWN-Gen: riferimento a IWN-Gen;
− lemma con soli sensi in EcoWN: riferimento a EcoWN;
− lemma con sensi sia in IWN-Gen sia in EcoWN: riferimento a IWN-Gen;
• Corpus finanziario:
− lemma con soli sensi in IWN-Gen: riferimento a IWN-Gen
− lemma con soli sensi in EcoWN: riferimento a EcoWN
− lemma con sensi sia in IWN-Gen sia in EcoWN: riferimento a EcoWN
In sintesi, per il corpus bilanciato la risorsa di riferimento principale è IWN-Gen mentre per
quello finanziario è EcoWN.
2.4.4 Interazione tra i siti in carico dell'annotazione semantico-lessicale: CPR e IRST
Rispetto alla fase di annotazione per lo sviluppo del Primo Prototipo (Linea 1.2), le interazioni
tra gli annotatori di IRST e di CPR hanno assunto modalità e frequenza differenti, in relazione al
modo in cui la stessa annotazione è stata portata avanti.
Fondamentalmente la natura dei lemmi annotati ha condizionato il modo di mettere in pratica
l’annotazione. Più specificatamente:
• sostantivi
Mentre l’annotazione nell’ambito della Linea 1.2 ha riguardato quasi esclusivamente unità
semantiche semplici indicanti nomi comuni, nella Linea 1.3 è stata estesa a tutte le unità
semantiche complesse e ai titoli, che per modalità di creazione e annotazione comportano tempi
di annotazione maggiori.
17

Codice linea e Tema
• verbi
La forte polisemia che caratterizza i verbi (es. passare prevede 21 sensi) ha implicato in fase di
annotazione:
• necessità di maggior tempo per analizzare tutti i sensi possibili per un lemma;
• possibilità di confusione tra sensi diversi;
• difficoltà a discernere tra i vari sensi previsti e a cogliere differenze dettate
apparentemente da sfumature minime.
Facendo seguito a quanto detto sopra, i tempi di annotazione si sono enormemente dilatati a scapito
di un maggior numero di scambi di informazioni tra gli stessi annotatori. La definizione di strategie
comuni di annotazione si è così fatta più sporadica con conseguente penalizzazioni al livello
dell’omogeneità dell’annotazione per mano dei diversi annotatori, che può così talvolta presentare
incoerenze.
2.4.5 Interazione tra annotatori IRST-CPR e codificatori IWN
Per le stesse ragioni di cui sopra, modalità e tempi di annotazione hanno inciso anche sulle
interazioni tra annotatori IRST-CPR e codificatori IWN, riducendo queste ultime in maniera
sostanziale e soprattutto cambiandone la natura originale. Da un certo momento in avanti l’esigenza
di comunicare dubbi e proposte di modifiche e/o integrazioni ai responsabili delle risorse lessicali è
stata inevitabilmente posta in secondo piano. Oltretutto, all’avvicinarsi della scadenza della Linea, i
tempi di codifica delle risorse lessicali e quelli di annotazione del corpus risultavano sfasati e non
più sincronizzabili.
Nonostante ciò, gli annotatori hanno continuato a tenere traccia (in primo luogo attraverso
commenti all’interno dell’annotazione) di tutti i dubbi e delle proposte di modifica/integrazione,
ritenendo tali informazioni utili per revisioni e sviluppi futuri della risorsa lessicale e del corpus
annotato.
Da parte di entrambi i gruppi (annotatori IRST-CPR e codificatori IWN) c’è inoltre sempre stata
coscienza del problema relativo alle modifiche della risorsa di riferimento nei punti interessanti
lemmi già consegnati (modifiche che si sono ripercosse sulle annotazioni già realizzate che
dovevano essere riviste alla luce della modifica stessa). Siccome integrazioni, revisioni e modifiche
successive di IWN possono aver determinato discordanza tra i sensi assegnati dagli annotatori e
quelli previsti nel lessico di riferimento, per quanto ci sia stato l’impegno concreto di segnalare tali
discrepanze e correggerle, non si esclude la possibilità di individuare all’interno della Treebank tali
discordanze.
Infine, per quanto riguarda la risorsa lessicale terminologica (EcoWN), l’interazione tra
annotatori e codificatori della risorsa si è concretizzata nella collaborazione allo sviluppo della
stessa attraverso la proposta di una lista di possibili entrate raccolte durante la prima fase di
annotazione, una lista di lemmi tratti dal corpus finanziario ed opportunamente selezionati (nomi di
banche, aziende, titoli bancari, gergo borsistico, ecc.) e la partecipazione alla definizione dei sensi
dei lemmi inseriti sulla base della disambiguazione offerta dagli esempi tratti dal corpus finanziario
stesso.
18

Codice linea e Tema
2.4.6 Considerazioni e commenti finali
Come emerge dalla casistica marcata attraverso commenti (si veda la sezione 6.2.11.2), il divario
esistente tra corpus annotato e stato delle cose nel lessico di IWN non è minimo. Tale divario era
inevitabile se si considera che il lavoro di annotazione è avvenuto in parallelo con quello di
revisione e integrazione della risorsa lessicale generica di riferimento (IWN-Gen). Ancor più nel
caso della risorsa lessicale terminologica (EcoWN), sviluppata ad annotazione già in corso (con
conseguente problema di mapping tra sensi di entrate di IWN-Gen e sensi delle stesse entrate
previste in EcoWN - es. ‘prestito’).
Si ritiene quindi che il divario tra corpus e lessico sia parzialmente legittimo e quello non
linguisticamente giustificabile potrebbe essere rimosso con un aggiornamento fatto in parallelo
delle due risorse (corpus e lessico).
3 Annotazione ortografica e morfo-sintattica
Come illustrato nei rapporti “Specifiche Tecniche” e “Primo Prototipo”, la Treebank di SI-TAL
ha una struttura a tre livelli che copre i livelli di descrizione linguistica sintattico e semantico.
L'annotazione sintattica è distribuita su due diversi livelli, indipendenti ma complementari: il livello
dell'annotazione a costituenti ed il livello dell'annotazione funzionale. Il terzo livello riguarda
l'annotazione semantico-lessicale realizzata nei termini di etichettatura di senso aumentata con altri
tipi di informazione semantica.
I tre livelli di annotazione sono indipendenti gli uni dagli altri, e fanno tutti riferimento allo
stesso input, ovvero al testo annotato morfo-sintatticamente: a questo livello l'annotazione include
l'identificazione delle parole morfologiche, con specificazione della relativa parte del discorso e
tratti morfo-sintattici associati, ed il trattamento di forme morfologicamente complesse (es. forme
verbali con clitico) e di espressioni polilessicali di base. Il testo con etichettatura morfo-sintattica fa
a sua volta riferimento ad un altro modulo di annotazione, il modulo di annotazione ortografica, che
include informazione relativa alle parole ortografiche e all'organizzazione macrotestuale (ovvero
strutturazione del testo in unità quali titolo, sottotitolo, didascalia, corpo dell'articolo, paragrafo,
etc.).
In questa sezione, riportiamo le specifiche di annotazione per i livelli presupposti
dall’annotazione sintattica e semantico-lessicale: ovvero l’annotazione ortografica e quella morfosintattica.
3.1 Annotazione ortografica
Il corpus della Treebank è organizzato in articoli. Per ogni articolo, il modulo di annotazione
ortografica riporta l'informazione relativa alle parole ortografiche che costituiscono il testo e
all'organizzazione macrotestuale.
L'informazione relativa alle parole ortografiche include indicazione della presenza di caratteri
maiuscoli/minuscoli con distinzione della seguente tipologia di casi:
• tutto minuscole
• tutto maiuscole
• maiuscola iniziale
• presenza sia di maiuscole sia di minuscole come in "OdG"
19

Codice linea e Tema
Non si dispone dell'informazione relativa al carattere tipografico (neretto, corsivo) in quanto non
era presente nella fonte.
Per ogni articolo, l'informazione macrotestuale consiste nella seguente tipologia di informazioni:
• corpus di appartenenza, bilanciato o finanziario
• fonte, ovvero titolo del giornale o del periodico in cui è apparso l'articolo
• data
• articolo
• argomento
• autore/firma
• titolo principale
• mezzo titolo
• sottotitolo
• sommario
• corpo del testo
• paragrafo
• didascalia
• tabella (solo quando contenente dati testuali)
La DTD relativa al modulo di annotazione ortografica è riportata in appendice al Rapporto
Tecnico “Primo Prototipo” (Linea 1.2).
3.2 Annotazione morfo-sintattica
Al livello morfo-sintattico, l'annotazione riguarda l'identificazione delle parole morfologiche del
testo costituente l'articolo, con specificazione della relativa parte del discorso e tratti morfologici e
morfo-sintattici associati (la DTD relativa a questo livello di annotazione è riportata in appendice al
Rapporto Tecnico “Primo Prototipo”, Linea 1.2). In questo caso, l'annotazione fa riferimento al
modulo di annotazione del livello precedente, ovvero ortografico.
Ogni parola morfologica viene descritta dai seguenti tratti:
• parte del discorso ("pos"), la cui specificazione è obbligatoria; segue l’inventario dei
possibili valori per questo attributo:
• Nome (S)
• Verbo (V)
• Aggettivo (A)
• Pronome (P)
• Predeterminatore (T)
• Determinatore (D)
• Articolo (R)
• Avverbio (B)
• Preposizione (E)
• Congiunzione (C)
• Numerale (N)
20

Codice linea e Tema
• Interiezione (I)
• Punteggiatura (@@)
• Abbreviazione (SA)
• tratti morfologici ("mfeats"), espressi tramite un codice sintetico che combina informazione
di persona, numero, tempo, modo, etc; tale specificazione è opzionale, essendo limitata ai
soli casi in cui è rilevante; l'inventario dei valori associati a questo attributo è riportato in
Appendice al Manuale delle "Specifiche Tecniche" (Linea 1.1);
• tratti morfo-sintattici ("sfeats") del tipo verbo transitivo, nome umano, etc. Si tratta di
etichette volte a integrare l'informazione morfologica delle "mfeats", che permettono una
annotazione in costituenti sintattici tale che ciascun costituente ha una propria identità
semantica chiara, e facilmente relazionabile alle annotazioni funzionali a teste introdotte nel
livello di analisi superiore. Si noti che, come nel precedente caso, tale specificazione è
opzionale, essendo limitata ai soli casi in cui è rilevante. L'inventario dei valori delle "sfeats"
con, associato ad ogni etichetta, un commento esplicativo; è riportato Appendice al Rapporto
Tecnico "Primo Prototipo" (Linea 1.2);
• lemma, la cui specificazione è obbligatoria.
L'annotazione a questo livello include anche il trattamento di forme morfologicamente
complesse e di espressioni polilessicali di base, illustrato rispettivamente nelle sezioni 3.2.1 e 3.2.2.
3.2.1 Annotazione di parole ortografiche morfologicamente complesse
Nell'annotazione di parole ortografiche morfologicamente complesse (ad es. forme verbali con
clitico), la parola ortografica morfologicamente complessa è segmentata nei suoi elementi
costitutivi. Nel caso delle parole contenenti elementi clitici (es. mangiarlo) due o più parole
morfologiche (es. mangiare e lo) punteranno alla stessa forma ortografica. Ad esempio, la forma
verbale con clitico pubblicandola del livello ortografico, al livello morfologico è segmentata in due
parole morfologiche i cui lemmi sono rispettivamente pubblicare e la e che fanno riferimento
entrambe alla stessa unità ortografica.
3.2.2 Annotazione di espressioni polilessicali
Nell'annotazione di espressioni polilessicali, la sequenza di parole ortografiche che compongono
l'espressione polilessicale è annotata come un'unica parola morfologica.
Le espressioni polilessicali annotate a questo livello sono sempre costituite da sequenze continue
di parole ed includono:
• espressioni del tipo ad_hoc, inter_nos, prima_facie, run_time, plug_and_play;
• espressioni irregolari del tipo al_di_là, per_lo_più, alla_spicciolata, allo_scoperto,
all'_impazzata;
• locuzioni preposizionali del tipo in_funzione_di, fino_a, intorno_a.
Le espressioni polilessicali di questo livello sono valide per tutti i livelli di annotazione della
Treebank. L'annotazione sintattica e semantico-lessicale fa riferimento alle multi-words del livello
21

Codice linea e Tema
base. Quindi fino_a sarà trattata e vista come preposizione e dunque come singola unità di
annotazione da tutti i livelli. Vi sono altri tipi di espressioni polilessicali, come ad esempio
avere_un'idea, fare_soldi, fare_esperienza, avere_familiarità così come
consiglio_di_amministrazione che sono trattate come tali solo al livello semantico, ovvero la loro
identità di espressioni polilessicali è introdotta solo al livello dell'annotazione semantico-lessicale
(si veda la sezione 6.3.4).
Si consideri come esempio la locuzione preposizionale al di là di: all'intervallo di unità
ortografiche coperto dall’espressione polilessicale corrisponde, al livello morfologico, un’unica
parola morfologica il cui lemma è al_di_la'_di a cui è associata l'interpretazione di preposizione
(pos=E). La parola morfologica identificata fa riferimento all'intervallo di parole della
rappresentazione ortografica dello stesso articolo.
4 Specifiche di annotazione per il livello sintattico a costituenti
In questa sezione forniamo la versione finale delle specifiche di annotazione per il livello
sintattico a costituenti, che raccoglie modifiche ed integrazioni apportate nel corso del processo di
annotazione. In particolare, si parte dai fondamenti teorici che hanno ispirato la definizione dello
schema (sezione 4.1) per giungere ad una dettagliata descrizione e classificazione dei costituenti
sintattici (sezioni 4.2 e 4.3) ed i relativi criteri di annotazione (sezione 4.4).
4.1 Teoria X-barra e costituenza sintattica
Schematicamente, la teoria X-barra (Chomsky 1986) prevede una organizzazione a teste e
proiezioni di teste ognuna delle quali dotata di una barra, in ordine gerarchico: per cui, il nodo da
cui pende la testa è denotato da 0 e i successivi nodi dominanti hanno una barra, due barre e
eventuali ulteriori barre - anche se due barre sono di solito il massimo livello di proiezione.
L’organizzione gerarchica della teoria prevede le seguenti regole astratte di riscrittura:
Schema teorico regole X-barra
CP --> Spec(Costituenti Dislocati), Cbarra
Cbarra --> C0, IP
IP --> Spec (SN), Ibarra
Ibarra --> I0, Complementi
C0 --> Complementatore
I0 --> Verbo flesso a tempo finito
4.2 Costituenti sintattici nello schema di annotazione di SI-TAL
Nella definizione dello schema di annotazione della Treebank di SI-TAL non abbiamo adottato
integralmente la teoria X-barra e i nomi che da essa derivano: nel dettaglio, abbiamo utilizzato lo
schema generale e le etichette IBAR e CP. Per il resto sono state usate sempre etichette di
costituenti sintattici all’italiana: S(intagma) e non P(hrase) per non provocare confusione, ad
esclusione di CP che è stato mantenuto nella forma originale all’inglese.
Le etichette adottate sono commentate nel dettaglio in quanto segue. Presentiamo qui in basso
l’organizzazione astratta della nostra rappresentazione sintattica per il livello di frase, con le
modifiche che introdotte per la Treebank di SI-TAL. E’ importante ricordare che la stessa
22

Codice linea e Tema
organizzazione si potrebbe applicare anche agli altri costituenti maggiori con teste semantiche –
sintagma aggettivale (SA), sintagma nominale (SN), sintagma preposizionale (SP) ecc. -, ma poiché
questi non posseggono argomenti obbligatori, questi sono posti sullo stesso livello degli aggiunti e
seguono quindi tutti la testa nell’ordine lineare in cui vengono analizzati in superficie.
Come detto più sopra, per il livello di frase abbiamo utilizzato CP, per contenere i costituenti
Dislocati o semplicemente Anteposti e eventuali Aggiunti, frasali e non. Per il resto abbiamo
utilizzato Ibarra come previsto nella teoria - che abbiamo chiamato IBAR, per riscrivere il verbo
flesso; e il costituente Complementi che contiene i complementi, che abbiamo chiamato COMP
seguito da T/C/IN per indicare la specializzazione per un tipo di sottocategorizzazione, dove T sta
per transitivo, C per copulativo e IN per intransitivo. Invece di IP abbiamo usato F, e questo nodo è
dominato da nodi di F specializzati. Lo schema adottato nella Treebank di SI-TAL risulta essere
dunque come segue:
CP --> (Aggiunti), Spec(Costituenti Dislocati), Cbarra
Cbarra --> FC/FS/FInt, F
F --> Spec (SN), IBAR, Complementi, (Aggiunti)
IBAR --> (Neg, Clitici),VerboFlesso (semplice o complesso) con Avverbiali eventuali
Complementi --> COMPT/ COMPC/COMPIN
Per quanto riguarda poi la questione dei tratti di accordo, ci siamo basati su suggerimenti della
LFG che prevedono nessun accordo verbale nella rappresentazione, ma tutti i tratti nei SN, che nel
nostro caso sono quelli del livello morfo-sintattico. Riportiamo qui in basso esempi di strutture per i
vari costituenti maggiori allo scopo di mostrare l’organizzazione dei componenti sulla base dello
schema X-barra. Come si potrà notare, la testa è sempre l’ultimo elemento che precede i
complementi e/o gli aggiunti, ed è a sua volta preceduta da eventuali costituenti minori che
costituiscono il contenuto di SPECificatore, nodo che non riportiamo per non appesantire la
rappresentazione stessa.
Ogni paragrafo che segue tratterà ciascun costituente sintattico separatamente mettendo in
grassetto l’elemento testa di ciascun costituente preso in considerazione. Si noti che l’indicazione
della testa non è parte integrante dello schema di annotazione proposto ma viene inclusa negli
esempi di annotazione che seguono per facilitarne la lettura e l’interpretazione. Va inoltre fatto
presente che le etichette morfo-sintattiche che seguono la categoria grammaticale riportate negli
esempi sotto corrispondono alle "sfeats", ovvero tratti morfo-sintattici del tipo verbo transitivo,
nome umano (per maggiori dettagli si veda la sezione 3.2).
4.2.1 F
Con questo simbolo si intende una frase semplice con un predicato principale e complementi che
possono anche includere altre frasi. Sono anche considerate frasi semplici le frasi ellittiche.
f-[sn-[npro-Gullit],
ibar-[ausa-ha, vppt-dichiarato],
compt-[sn-[n-guerra], sp-[part-alla, sn-[n-stampa], sa-[ag-sportiva]]]]
f-[sv2-[vit-vincere, compt-[sn-[art-l, npro-America-s__Cup]]],
ibar-[vt-richiede],
compt-[sn-[n-montagne, spd-[pd-di, sn-[n-soldi]]]]]
23

Codice linea e Tema
f-[sn-[dim-questa, n-casa],
ibar-[clit-si, vt-vende],
compt-[savv-[avv-bene]]]
f-[ibar-[vsup-dobbiamo, viin-vincere], sn-[nt-domenica],
sp-[p-per,
sv2-[vit-interrompere, compt-[sn-[dim-questo, ag-brutto, nt-momento]]]]]
4.2.2 IBAR
Con questo simbolo viene riscritto il gruppo verbale che può includere al proprio interno gli
ausiliari essere o avere, la negazione, eventuali clitici e avverbi che si possono interporre tra
l’ausiliare e il verbo lessicale. Oltre agli ausiliari fanno parte di questo costituente i modali e i verbi
aspettuali, e anche la forma perifrastica stare per. Analogamente alla Treebank in corso di
costruzione per lo spagnolo (Sandoval et al. 1999), il problema dei verbi cliticizzati con enclitica è
stato risolto utilizzando la forma di parola con l’enclitico e ripetendo successivamente il clitico
come parola separata. In questo caso, quindi, il clitico si troverebbe sia all’interno di IBAR che nel
complemento (COMPT/IN/C) dove riceverebbe una interpretazione. Segue una tipologia di
costituenti IBAR:
ibar-[neg-non, vc-ha]
ibar-[ause-è, vc-diventata]
ibar-[ausa-ha, vppt-dichiarato]
ibar-[vt-richiede]
ibar-[clit-si, vt-vende]
ibar-[clitdat-le, ausa-ha, vppt-dato]
ibar-[vin-arrivò]
ibar-[ause-è, vppin-arrivata]
ibar-[neg-non, vsup-devono, viin-guardare]
ibar-[ause-è, ausep-stato, vppt-assunto]
ibar-[ause-sono, ausep-stati, avv-spesso, vppt-segnalati]
ibar-[vsupir-debbano, avv-silenziosamente, vcl-ingoiarle]
4.2.3 SN
Il Sintagma Nominale si sviluppa con una serie di specificatori, una testa ed eventuali
complementi o aggiunti. Tra i costituenti specificatori ci sono gli articoli, i quantificatori, i
numerali; sempre prima del nome si trovano gli aggettivi e i possessivi che non ricevono una
propria struttura di costituenza ma vengono semplicemente elencati prima della testa. Gli aggettivi
che seguono la testa del SN sono invece rappresentati nel proprio costituente perché possono avere
a loro volta una struttura interna con complementi ed aggiunti. Sempre all’interno del SN ci sono i
costituenti SPD e gli eventuali complementi frasali nel caso si tratti di un nome fattivo o una forma
polilessicale. Le frasi relative sono tutte incluse nel SN.
Un commento a parte va fatto per i nominali che fungono da modificatori di altri nominali.
Alcuni di questi sono nomi propri i fratelli Karamazov, la commissione Sangalli; altri sono semplici
nomi comuni che hanno una funzione di specificazione, il settore cucine, la politica suicida ecc. In
tutti questi casi non si individua esplicitamente la testa a livello di costituenza, in quanto i due o più
nominali si troverebbero allo stesso livello. Il livello dell’annotazione funzionale fornirà invece
l’indicazione esplicita di quale dei due o più nominali funga da testa del SN, sulla base delle
relazioni grammaticali che il SN intrattiene con il resto della frase. Se ad esempio è un soggetto,
l’accordo verbale servirà ad individuare la testa, ecc.
Vi sono poi casi in cui la testa è una espressione polilessicale o multi-word. Segue una tipologia
di costituenti di tipo SN:
24

Codice linea e Tema
sn-[art-La, npro-Bimex]
sn-[art-una, ag-bella, n-ragazza]
sn-[ind-molti, n-libri]
sn-[num-dieci, n-programmatori]
sn-[ag-infondate, n-speculazioni]
sn-[art-il, poss-loro, n-strumento, spd-[pd-di, sn-[n-ricerca]]
sn-[art-un, n-modo, sv2-[pt-di, viin-fare, compt-[sn-[n-soldi], savv-[avvrapidamente]]]]
sn-[art-Il, n-fatturato, sa-[ag-complessivo],
spd-[partd-delle, sn-[n-società],
coord-[sv3-[vppt-controllate], coord-[cong-e],
sv3-[vppt-collegate]]]
sn-[art-’La’, n-credenza,
fac-[pk-che,
f-[sn-[art-la, n-terra],
ibar-[vcir-sia],
compc-[sa-[ag-rotonda]]]]
sn-[art-il, n-ragazzo,
f2-[rel-che, f-[sn-[nh-Maria],
ibar-[ausa-ha, vppt-incontrato], savv-[avv-ieri]]]]]
sn-[art-la, ag-cosiddetta, n-commissione, nh-sangalli]
sn-[art-il, n-settore, n-cucine]
sn-[nt-domenica, nt-sera]
4.2.4 SP
I costituenti SP sono normalmente composti obbligatoriamente da una testa di tipo P
(preposizione) o PART (ovvero preposizione articolata) e da un costituente SN che ne costituisce un
elemento essenziale. Sono trattati come SP anche gli aggiunti infinitivali che quindi dopo la testa
hanno un costituente SV2. Va ricordato che si escludono da questo caso i sintagmi preposizionali
introdotti da di e da, che hanno una marca sintattica specializzata, come chiarito nelle sezioni 4.2.5
e 4.2.6.
sp-[part-alla, sn-[n-stampa, sa-[ag-sportiva]]]
sp-[p-senza, sv2-[viin-chiedere]]
sp-[p-dopo, sv2-[vcl-averlo, clitac-lo, vppin-chiesto]]
4.2.5 SPDA
Il costituente SPDA è costituito da una testa preposizionali di tipo specializzato, il da o le
preposizioni articolate di da, e un SN. Questo costituente può servire da Agente Obliquo nelle frasi
passive, oppure può individuare complementi o circostanziali di vario tipo, tra cui un locativo con
l’indicazione di Origine o Provenienza.
spda-[partda-dalla, sn-[npro-Union_Carbide]]
spda-[partda-dal, sn-[n-casolare]]]]
coord-[spda-[pda-da, sn-[npro-Sting]],
punt-,
sn-[npro-Jenny, spd-[partd-dei, sn-[n-pirati]]],
cong-e,
spda-[partda-dalla, sn-[npro-Nannini]]]]]
25

Codice linea e Tema
4.2.6 SPD
Il costituente SPD è costituito da una testa preposizionali di tipo specializzato, il di o le
preposizioni articolate di di, e un SN. Questo costituente può servire da complemento verbale, da
aggiunto o complemento nominale e da secondo termine di paragone in una struttura comparativa.
spd-[partd-delle, sn-[n-società]]
spd-[pd-di, sn-[n-ricerca]]
sa-[in-più, ag-intelligente, spd-[pd-di, sn-[np-Europa]]]]]]
4.2.7 SA
Questo costituente viene creato solo per la posizione predicativa degli aggettivi e può avere una
struttura interna.
sa-[ag-infelice]
sa-[in-più, ag-intelligente, spd-[pd-di, sn-[np-Europa]]]
sa-[agn-inferta, sp-[part-alla, sn-[poss-nostra, n-penisola]]]]
4.2.8 SAVV
Questo costituente ha come testa un avverbiale anche in forma locutiva e può avere una struttura
interna.
savv-[avv-bene]
savv-[avvl-alla_spicciolata]
4.2.9 SQ
Il sintagma quantificato può assumere diversi ruoli sintattici:
• può essere uno specificatore del Sintagma Nominale (SN), Sintagmi Avverbiale (SAVV),
oppure del Sintagma Aggettivale (SA) come mostrato negli esempi in basso:
sn-[n-livelli, coord-[sa-[sq-[q-dello, num-0/6%], ag-superiori, sp-[p-a,
sn-[deit-quelli, spd-[partd-del, sn-[nt-bimestre, ag-precedente]]]]],
cong-e, sa-[sq-[q-dell, num-1/1%, in-più], ag-alti, fc-[ccongrispetto_all,
sn-[ag-analogo, nt-periodo, spd-[partd-del, sn-[num-1993]
sn-[sq-[q-una, qd-delle, in-più], ag-importanti, n-zone, sa-[ag-costiere],
fc-[ccom-del, sn-[n-Paese]]
sq-[q-uno, qd-dei, num-primi], n-temi]
sn-[sq-[ind-qualunque, q-altro], n-impiegato, sa-[ag-statale]
sn-[sq-[in-oltre, num-10, num-mila], n-spot, savv-[p-in, avv-più]]
savv-[savv-[avv-forse], sq-[art-un, in-pô], avv-prematuramente]
• Il Sintagma Quantificato può essere un complemento di verbi che reggono SN quantificati
come mostrato nei seguenti esempi:
26

Codice linea e Tema
ibar-[ause-è, vppin-sceso], compin-[sp-[part-nel, sn-[nt-mese, sa-[agcorrente]]],
sq-[q-dell, num-1/1%]]
ibar-[vc-risulta], compc-[sq-[q-del, num-3/7%]]]], fc-[cong-ed, f-[ibar-
[ause-è, vppc-stato], compc-[sq-[q-del, num-4%]], sp-[p-in, sn-[nt-aprile]
ibar-[ause-sono, vppc-cresciute], compc-[sq-[q-del, sn-[num-2/1%]],
ibar-[ause-sono, vppc-cresciute], compc-[sq-[q-del, sn-[num-13/5%]]
ibar-[vc-sono, avv-oggi], compc-[sq-[in-più, q-di, num-700]
ibar-[clit-si, vin-espande], compin-[sq-[q-del, sn-[num-15/8%]
ibar-[vc-risulta], compc-[sa-[ppas-aumentato, sq-[q-dell, num-1/9%]], fc-
[ccong-rispetto_ai, sn-[num-primi, num-tre, nt-mesi, num-1993]
ibar-[aueir-siano, ausep-stati, vppt-compressi], compt-[sq-[in-più, congdegli,
q-altri]]
ibar-[vc-è], compc-[sq-[in-solo, art-un, num-terzo], fc-[ccong-rispetto_a,
• Il SQ può essere un modificatore o aggiunto nelle strutture comparative come mostrato nei
seguenti esempi, in cui è strettamente in relazione al sintagma chiamato DegP in ambito
chomskiano, essendo quindi espressione di un sintagma di grado:
sn-[art-un, n-incremento, fp-[punt-,, sp-[p-in, sn-[n-termini, sa-[agreali]]],
punt-,], sq-[q-del, num-5/6%]]
sq-[in-circa, num-15, num-mila, savv-[p-in, avv-più]]
sa-[ag-maggiore, spd-[pd-di, sq-[in-più, cong-di, num-un, num-quinto, fc-
[ccom-del, sn-[n-voto
ibar-[ause-è, vppin-aumentata], compin-[sq-[in-ben, cong-di, avv-più], fc-
[ccom-di, sn-[dim-quella, sa-[ag-teorica]
4.2.10 SV2
Questo costituente ha come testa un verbo all’infinito, che può essere preceduto oppure no da
una particella verbale, limitatamente alle seguenti preposizioni a, di, da. Tutte le altre preposizioni
introducono un SP e contribuiscono all’interpretazione semantica della frase infinitiva che assume
quindi valore di aggiunto. Nel caso invece rappresentato dalle particelle verbali, queste ultime
vengono semplicemente assorbire dalla struttura infinitiva e non contribuiscono all’interpretazione
semantica. In genere, la presenza della particella indica la funzione di complemento dell’infinitiva.
Il costituente SV2 viene anche utilizzato per l’infinito passato che ha quindi un ausiliare seguito
dal verbo lessicale al participio passato. Inoltre, si costruisce come SV2 anche l’infinito cliticizzato.
Il costituente SV2 contiene i propri complementi e aggiunti, intendendo con aggiunti quelli che
modificano il significato del verbo che costituisce la testa lessicale del SV2.
sv2-[pt-di, vt-fare, compt-[sn-[n-soldi], savv-[avv-rapidamente]]]
sv2-[vcl-averlo, clitac-lo, vppin-chiesto]
27

Codice linea e Tema
sv2-[pt-di, vit-spiegare,
fac-[pk-che,
f-[sn-[ag-simili, n-azioni],
ibar-[neg-non, vin-giovano]]]]
sv2-[viin-uscire, compin-[spda-[partda-dal, sn-[n-casolare]]]]]
sv2-[vit-vincere, compt-[sn-[art-l, npro-America-s__Cup]]]
4.2.11 SV3
Questo costituente ha come testa il participio passato in funzione di aggiunto modificatore
nominale o frasale. Al suo interno ci sono i complementi e gli aggiunti della testa lessicale. Non
vengono inclusi eventuali avverbiali modificatori del participio passato che possono precederlo e la
testa risulta quindi essere sempre il primo elemento del costituente - vedi quasi fatto = [savv-[inquasi],
sv3-[vppt-fatto]]
sv3-[vppt-controllate]
sv3-[vppt-rivolte, sp-[part-all, sn-[n-Italia]],
spda-[partda-dalla, sn-[n-commissione, sa-[ag-europea]]]]
coord-[sv3-[vppt-controllate],
cong-e,
sv3-[vppt-collegate]]
4.2.12 SV5
Questo costituente ha come testa il gerundio in funzione di aggiunto modificatore frasale. Al suo
interno ci sono i complementi e gli aggiunti della testa lessicale. Non vengono inclusi eventuali
avverbiali modificatori del gerundio che possono precederlo e la testa risulta quindi essere sempre il
primo elemento del costituente. Il costituente SV5 viene anche utilizzato per il gerundio passato che
ha quindi un ausiliare seguito dal verbo lessicale al participio passato. Inoltre, si costruisce come
SV5 anche il gerundio cliticizzato.
sv5-[vgin-parlando]
sv5-[vgin-sparando, savv-[avvl-all_impazzata]]
sv5-[aueg-essendo, vppin-arrivato, savv-[avv-presto]]
4.2.13 F2
Questo costituente ha la stessa funzione di CP, serve cioè a contenere costituenti che sono
anteposti e che hanno una relazione semantica con qualche elemento nella frase sottostante.
Possono contenere un SN che come testa abbia un elemento funzionale, il complementatore che,
oppure un pronome relativo preceduto oppure no da un articolo – vedi esempi riportati in basso.
Potrà contenere anche un SP per i pronomi relativi obliqui, preceduto da una preposizione semplice
o articolata, oppure individuati da cui. Il costituente F2 domina sempre invariabilmente un nodo F.
sn-[art-il, n-ragazzo,
f2-[sp-[part-al, rel-quale],
f-[sn-[npro-Gullit],
ibar-[ausa-ha, vppin-parlato]]]]
sn-[art-le, n-imprese, sa-[ag-italiane],
f2-[sn-[rel-che],
f-[
coord-[
28

Codice linea e Tema
ibar-[vt-producono],
cong-e,
ibar-[vt-importano]],
compt-[sn-[n-energia]]]]]]
4.2.14 F3
Questo costituente è usato per annotare frasi frammento, ovvero frasi che non hanno un IBAR al
loro interno, che sono semplicemente dei costituenti di tipo nominale, avverbiale, preposizionale
ecc. privi completamente di verbo. Casi tipi di strutture F3 sono i titoli. Includiamo alcuni esempi:
f3-[sn-[npro-intersind, sa-[ag-pronta, sp-[part-al, sn-[poss-suo, n-ingresso,
sp-[p-in, sn-[npro-confindustria]]]]]], punto-.]
f3-[congf-poi, sn-[art-l, n-approvazione, spd-[partd-del, sn-[n-programma,
sp-[p-d, sn-[n-attività]], sv3-[ppas-presentato, compt-[sp-[part-alla, sn-[ngiunta]],
sn-[art-il, num-4, nt-giugno]]]]]], punto-.]
4.2.15 FINT
Questo costituente ha la stessa funzione di CP, serve cioè a contenere costituenti che sono
anteposti e che hanno una relazione semantica con qualche elemento nella frase sottostante. In
particolare, come nel caso di F2 contiene un SN o un SP che hanno come testa un pronome
interrogativo, preceduto o no da una preposizione.
fint-[sn-[int-chi],
f-[
ibar-[auair-abbia, vppt-incontrato],
compt-[sn-[nh-Maria]]]]
4.2.16 FAC
Questo costituente ha la stessa funzione di CP, serve però a contenere soltanto la testa di CP, C°,
cioè il complementatore che, che in certi contesti può anche essere vuoto. In questi casi però il nodo
FAC verrà eliminato. Il nodo FAC può apparire nel contesto di un complemento verbale come
COMPT oppure in posizione estraposta, all’inizio frase, sotto CP:
compt-[fac-[pk-che,
f-[
ibar-[clit-c, vc-era],
compc-[sn-[nh-Maria], sp-[p-con, sn-[npro-Luigi]]]]]]
cp-[fac-[pk-che, f-[sn-[nh-Maria], ibar-[aueir-sia, vppin-partita]]],
ibar-[vt-significa],
compt-[fac-[pk-che, f-[ibar-[clit-si, ause-è, vppt-arresa]]]]]
4.2.17 COMPT
Questo costituente ha la funzione di individuare tutti i complementi di verbi transitivi. Contiene
tutti i costituenti che servono da complementi del verbo e sono retti lessicalmente; oltre ai
complementi obbligatori, quindi contiene i complementi opzionali. Questo costituente contiene
inoltre anche gli aggiunti del verbo, tutti quei circostanziali che servono ad individuare delle
modalità specifiche dell’azione connotata dal significato del verbo reggente. Gli aggiunti
29

Codice linea e Tema
spaziotemporali sono inclusi a livello più alto, altro che non costituiscano essi stessi dei
complementi.
Questo costituente contiene anche il SN soggetto posposto di frasi passive o invertite per motivi
di carattere informazionale, pragmatico o semantico.
ibar-[auair-abbia, vppt-incontrato],
compt-[sn-[nh-Maria]]
ibar- [vt-promise],
compt-[sp-[p-a, sn-[nh-Maria]], sv2-[pt-di, viin-partire]]
ibar-[ausa-ha, vppt-promesso],
compt-[sv2-[pt-di, vit-accettare, sn-[art-il, n-lavoro]]]
ibar-[vt-informò],
compt-[sn-[nh-Maria], spd-[partd-del, sn-[poss-suo, n-arrivo]]]
ibar-[vt-importa],
compt-[spda-[partda-dalla, sn-[npro-Union_Carbide]]]
ibar-[vt-decise],
compt-[sv2-[pt-di, viin-partire]]
ibar-[ausa-ha, vppt-visto],
compt-[sn-[n-Paolo], sv2-[viin-uscire, spda-[partda-dal, sn-[n-casolare]]]]
ibar-[vt-considerava],
compt-[sn-[art-i, n-siciliani],
sn-[art-il, n-popolo, sa-[in-più, ag-intelligente,
spd-[pd-di, sn-[np-Europa]]]]]
ibar-[ausa-ha, vppt-detto],
compt-[fac-[pk-che, f-[ibar-[ausa-avrebbe, vppt-accettato],
compt-[sn-[art-il, n-lavoro]]]]]]
4.2.18 COMPIN
Questo costituente ha la funzione di individuare tutti i complementi di verbi intransitivi. Con
verbi intransitivi si intendono perlomeno i seguenti tipi sintattici: verbi inaccusativi, verbi
inergativi, verbi atmosferici, verbi impersonali.
Contiene tutti i costituenti che servono da complementi del verbo e sono retti lessicalmente; oltre
ai complementi obbligatori, quindi contiene i complementi opzionali. Questo costituente contiene
inoltre anche gli aggiunti del verbo, tutti quei circostanziali che servono ad individuare delle
modalità specifiche dell’azione connotata dal significato del verbo reggente. Gli aggiunti
spaziotemporali sono inclusi a livello più alto, altro che non costituiscano essi stessi dei
complementi.
Questo costituente contiene anche il SN soggetto posposto di frasi invertite per motivi di
carattere informazionale, pragmatico o semantico. Casi particolari sono costituiti da frasi ergative,
frasi con il si impersonale, frasi con verbi riflessivi inerenti.
ibar-[vin-esce],
compin-[sp-[part-allo, sn-[n-scoperto]]]
ibar-[vin-arrivai],
compin-[sp-[p-in, sn-[n-ritardo]]]
30

Codice linea e Tema
4.2.19 COMPC
Questo costituente ha la funzione di individuare il complemento di verbi copulativi. Contiene
tutti i costituenti che servono da complementi del verbo e sono retti lessicalmente; oltre ai
complementi obbligatori, quindi contiene i complementi opzionali. Questo costituente contiene
inoltre anche gli aggiunti del verbo, tutti quei circostanziali che servono ad individuare delle
modalità specifiche dell’azione connotata dal significato del verbo reggente. Gli aggiunti
spaziotemporali sono inclusi a livello più alto, altro che non costituiscano essi stessi dei
complementi, come ad esempio nel caso di una predicazione di Locativi ripresi oppure no dal ci.
ibar-[clit-c, vc-era],
compc-[sn-[nh-Maria], sp-[p-con, sn-[npro-Luigi]]]
ibar-[clit-’C’, vc-è],
compc-[sn-[art-una, n-vespa], sp-[part-nella, sn-[poss-mia, n-camera]]]
4.2.18 COORD
COORD/Nome di costituente serve per coordinare costituenti tra di loro e nel caso di SN ad
assegnare numero plurale all’insieme creato dai due o più SN coordinati. Questo costituente
comprende due tipi di teste: la congiunzione coordinate individuata da “cong-e” oppure un segno di
punteggiatura, “punt-,”. Le strutture coordinate possono contenere liste e frasi ellittiche che nel
Penn Treebank vengono indicate da costituenti appositi LST e FRAG. Abbiamo scelto di non
introdurre marche specializzate per questo tipo di strutture in quanto la nostra rappresentazione non
include le categorie vuote. Abbiamo invece trattato a parte le frasi coordinate, che potrebbero
oppure no prevedere strutture ellittiche, con un costituente separato FC (vedi sotto).
coord-[sn-[art-I, n-superstiti],
cong-e,
sn-[art-i, n-parenti, spd-[partd-delle, sn-[n-vittime]]]]
coord-[sv3-[vppt-controllate],
cong-e,
sv3-[vppt-collegate]]
coord-[
ibar-[vt-producono],
cong-e,
ibar-[vt-importano]],
compt-[sn-[n-energia]]]
compin-[coord-[
sp-[part-all, sn-[n-aumento, spd-[pd-di, sn-[n-capitale]]]],
punt-,
sp-[part-all, n-utile, spd-[pd-di, sn-[n-esercizio]]],
cong-ed,
sp-[part-ai, sn-[n-contributi,
sp-[p-per, sn-[art-l, n-editoria]]]]]
coord-[sp-[part-sui, sn-[n-pedatori, sp-[p-a, sn-[n-disposizione]]]],
cong-e,
sp-[part-sui, sn-[n-tecnici]]]]
coord-[ibar-[ausa-ha, vppt-confermato],
compt-[sn-[npro-Eugenio, npro-Scalfari]],
cong-ed,
ibar-[ausa-ha, vppt-deliberato],
compt-[sv2-[pt-di, vit-aumentare],
sn-[art-il, n-numero, spd-[partd-dei, sn-[n-consiglieri]]]]]
coord-[spda-[pda-da, sn-[npro-Sting]],
31

Codice linea e Tema
punt-,
sn-[npro-Jenny, spd-[partd-dei, sn-[n-pirati]]],
cong-e,
spda-[partda-dalla, sn-[npro-Nannini]]]]]
fc-[
f-[sn-[ind-Molti],
ibar-[vt-diranno],
fac-[pk-che, f-[ibar-[vc-è],
compc-[sn-[art-il, n-trionfo,
spd-[partd-della, sn-[n-marcatura,
sp-[p-a, sn-[n-uomo]]]]]]]]],
punt-,
f-[sn-[pron-io],
compt-[fac-[intj-no]]]]
4.2.19 FC
Un sottocaso di coordinazione è costituito dalla coordinazione di frasi, una delle quali ellittica,
che viene demarcata da un costituente esplicito, FC.
fc-[f-[sn-[art-Gli, n-esempi],
ibar-[ause-sono, vppt-scritti],
compt-[sp-[p-in, sn-[n-corsivo]]]],
punt-,
f-[sn-[art-le, n-glosse],
compt-[sp-[p-in, sn-[n-stampatello]]]]]
Inoltre il costituente FC è usato anche per l’annotazione della seguente tipologia di casi:
• frasi coordinate dalla punteggiatura come il punto e virgola;
• frasi o costituenti ellittici coordinati da congiunzione comparativa che esemplifichiamo qui in
basso.
Seguono alcuni esempi:
sa-[ag-invariato], fc-[ccong-rispetto_a, sn-[nt-febbraio]
sa-[ag-superiore]], fc-[ccong-rispetto_a, sn-[art-un, nt-anno, savv-[avvlfa]]
sa-[sq-[q-dell, num-1/1%, in-più], ag-alti, fc-[ccong-rispetto_all, sn-[aganalogo,
nt-periodo, spd-[partd-del, sn-[num-1993]
fc-[ccong-come, f-[ibar-[vt-chiedono], compt-[sn-[art-gli, n-ospedalieri]
fc-[ccong-più, coord-[spda-[pda-da, sn-[n-nervosismo]], cong-e, spda-[partdadai,
sn-[ag-normali, n-movimenti]]], cong-che, spda-[pda-da, sn-[art-un, n-
cambiamento, spd-[pd-di, sn-[n-vedute, sp-[part-sulle, sn-[n-prospettive,
spd-[partd-del, sn-[n-rischio_italia]
fc-[ccong-come, f-[ibar-[ausa-ha, vppt-spiegato], compt-[savv-[avv-ieri], sn-
[nh-mandela]
fc-[ccong-come, f-[ibar-[clit-si, vt-vede], compt-[spda-[partda-dalla, sn-[ntabella]
fc-[ccong-come, sv3-[ppas-detto]
32

Codice linea e Tema
fc-[ccong-rispetto_a, sn-[f2-[relq-quanto, f3-[sv3-[ppas-prodotto, compt-[sp-
[part-nella, ag-scorsa, sn-[nt-stagione]
fc-[ccong-come, f-[sn-[n-logica], ibar-[virt-porterebbe], compt-[sv2-[sp-[pta,
vit-dedurre]
ibar-[ausa-ha, vppt-sottolineato], compt-[fc-[ccong-come, f-[sn-[art-il, n-
Registro, spd-[partd-delle, sn-[n-imprese]]], ibar-[virt-marchi], compt-[sn-
[art-il,
4.2.20 FP
Con FP si indica la presenza di punteggiatura nel testo che può servire successivamente ad
individuare una eventuale frase parentetica o appositiva, o semplicemente a marcare la spezzatura
del testo in parti informativamente differenti. Con FP sono designati ad esempio, gli aggiunti aperti
del tipo participiale posti dopo la testa che li governa. Le strutture appositive possono essere anche
aggiunti di tipo chiuso, modificatori o attributi. Le parentetiche possono essere frasi di commento,
in forma anche ellittica racchiuse tra due simboli di punteggiatura.
cp-[sv5-[aueg-essendo, vppt-arrivato, savv-[avv-presto]],
fp-[punt-,],
f-[sn-[npro-Giovanni], ibar-[vt-vide],
compt-[ [sn-[qc-tutta, art-la, n-partita]]]]
cp-[sv3-[vppt-finito, sn-[art-il, n-lavoro]],
fp-[punt-,],
f-[sn-[nh-Maria], ibar-[vin-partì]]]
f-[ibar-[vin-slitta],
sn-[art-la, n-riunione,
fp-[punt-,], f-[sv3-[vppt-prevista], sp-[p-per, sn-[n-oggi]],
fp-[punt-,],
spd-[partd-della, sn-[ag-cosiddetta, n-commissione, nh-sangalli]]]]
4.2.21 CP
Come già chiarito in precedenza, il costituente CP viene usato per contenere genericamente tutti i
costituenti dislocati che sono stati anteposti o preposti a seguito di processi sintattici. In particolare,
processi come la dislocazione a sinistra o la estraposizione esemplificata più in basso sono casi in
questione. CP è anche la marca che viene utilizzata per le frasi interrogative con elemento wh- del
tipo di chi, che cosa, quando, perché, ecc.
Il costituente CP viene utilizzato genericamente per tutte quelle frasi che non iniziano con il SN
SOGGetto o con il gruppo verbale IBAR, ma con un aggiunto come un SP o un SAVV, oppure con
frasi a tempo indefinito come le gerundive o le participiali, esemplificate più in basso. Inoltre, CP
funge da nodo padre per strutture di frasi complesse, cioè di frasi composte da una frase subordinata
e una frase principale semplice. Altri esempi di questi casi sono stati inseriti nella sezione
successiva dedicata a FS in quanto parte integrante di rappresentazione di periodi.
Che Maria sia partita significa che si è arresa.
cp-[fac-[pk-che, f-[sn-[nh-Maria], ibar-[aueir-sia, vppin-partita]]],
f-[ibar-[vt-significa],
compt-[fac-[pk-che, f-[ibar-[clit-si, ause-è, vppt-arresa]]]]]]
Essendo arrivato presto, Giovanni vide tutta la partita.
cp-[sv5-[aueg-essendo, vppt-arrivato, savv-[avv-presto]],
33

Codice linea e Tema
fp-[punt-,],
f-[sn-[npro-Giovanni],
ibar-[vt-vide],
compt-[sn-[qc-tutta, art-la, n-partita]]]]
Finito il lavoro, Maria partì.
cp-[sv3-[vppt-finito, sn-[art-il, n-lavoro]],
fp-[punt-,],
f-[sn-[nh-Maria], ibar-[vin-partì]]]
Che i governi europei debbano silenziosamente ingoiarle non è giusto.
cp-[fac-[pk-Che, f-[sn-[art-i, n-governi, ag-europei],
ibar-[vsupir-debbano, avv-silenziosamente, vcl-ingoiarle,
compt-[clitac-le]]]],
f-[ibar-[neg-non, vc-è], svc-[sa-[ag-giusto]]]]
In cambio delle attrezzature e della disponibilità del sito, le università
americane e giapponesi coinvolte nell’esperimento pagheranno le molte e
carissime tonnellate di argon liquido che serviranno a verificare se e quando il
protone decade.
cp-[sp-[p-in, sn-[n-cambio],
coord-[spd-[partd-delle, sn-[n-attrezzature]],
cong-e,
spd-[partd-della, sn-[n-disponibilità,
spd-[partd-del, sn-[n-sito]]]]]],
fp-[punt-,],
f-[sn-[art-le, n-università,
coord-[sa-[ag-americane],
cong-e,
sa-[ag-giapponesi]],
sv3-[vppt-coinvolte, sp-[part-nell, sn-[n-esperimento]]]],
ibar-[vt-pagheranno],
compt-[sn-[art-le,
coord-[sa-[ind-molte],
cong-e,
sa-[ag-carissime]],
n-tonnellate, spd-[pd-di, sn-[n-argon], sa-[ag-liquido]],
f2-[rel-che, ibar-[vt-serviranno],
compt-[sv2-[pt-a, vit-verificare,
compt-[
cp-[cosu-se, cong-e, cosu-quando,
f-[sn-[art-il, n-protone],
ibar-[vin-decade],
f-[punto-.]]]]]]]]]]]
4.2.22 FS e CP
Il costituente FS viene utilizzato in presenza di un elemento linguistico che funga da
subordinatore, quindi per tutte le frasi subordinate. Normalmente le frasi subordinate sono
accompagnate da frasi principali, ma non è sempre così come mostrato da un esempio sottostante.
Oppure, se si vuol parlare di applicazioni, sarà bene ricordare che sono fisici
anche tutti coloro che si occupano di laser, per materiali per l’elettronica, di
superfreddo e superconduttività.
Perché i fisici delle particelle sono alla ribalta molto più spesso dei loro
colleghi che si occupano di laser o di stato solido? “Prima di tutto”, risponde
Roberto Fieschi, docente di fisica dello stato solido dell’Università di Parma,
“perché i fisici nucleari e subnucleari hanno il loro istituto, l’Infn, agile
ed efficiente malgrado le pastoie del parastato. Mentre gli altri gruppi di
ricercatori fisici sono dispersi negli istituti e nei centri del Cnr, e soffrono
tutte le ben note difficoltà di questo ente.”
cp-[fc-[cong-Oppure],
fp-[punt-,],
fs-[cosu-se,
f-[ibar-[clit-si, vsup-vuol, vit-parlare],
compin-[spd-[pd-di, sn-[n-applicazioni]]]]],
34

Codice linea e Tema
fp-[punt-,],
f-[ibar-[clit-si, vit-ricorderà],
compt-[fac-[pk-che,
f-[ibar-[vc-sono, svc-[sa-[ag-fisici]]],
sn-[in-anche, qc-tutti, deit-coloro,
f2-[rel-che, ibar-[clit-si, vt-occupano],
compin-[
coord-[spd-[pd-di, sn-[n-laser]],
fp-[punt-,],
sp-[p-per, sn-[n-materiali],
sp-[p-per, sn-[art-l, n-elettronica]]],
fp-[punt-,],
spd-[pd-di, sn-[n-superfreddo]],
cong-e,
sn-[n-superconduttività]]],
f-[punto-.]]]]]]]]
cp-[cosu-Perché,
f-[sn-[art-i, n-fisici, spd-[partd-delle, sn-[n-particelle]]],
ibar-[vc-sono],
svc-[sp-[part-alla, sn-[n-ribalta]], savv-[in-molto, in-più, avv-spesso],
spd-[partd-dei, sn-[poss-loro, n-colleghi,
f2-[rel-che, ibar-[clit-si, vt-occupano],
coord-[spd-[pd-di, sn-[n-laser]],
cong-o,
spd-[pd-di, n-stato, sa-[ag-solido]]],
f-[puntint- ?]]]]]]]
cp-[fp-[par-”],
sp-[php-prima_di, sa-[avv-tutto]],
fp-[par-”],
fp-[punt-,],
f-[ibar-[vin-risponde],
sn-[nh-roberto_fieschi],
fp-[punt-,],
sn-[n-docente, spd-[pd-di, sn-[n-fisica_dello_stato_solido]],
spd-[partd-dell, sn-[n-Università, spd-[pd-di, sn-[np-Parma]]]]]],
fp-[punt-,],
fp-[par-”],
fs-[cosu-perché,
f-[sn-[art-i, n-fisici,
coord-[sa-[ag-nucleari],
cong-e,
sa-[ag-subnucleari]]],
ibar-[vc-hanno],
compc-[sn-[art-il, poss-loro, n-istituto],
fp-[punt-,],
sn-[art-l, npro-Infn],
fp-[punt-,],
coord-[sa-[ag-agile,
cong-ed,
sa-[ag-efficiente]]]],
fs-[cong-malgrado,
f-[sn-[art-le, n-pastoie, spd-[partd-del, sn-[n-parastato]]]]],
f-[punto-.]]]]
fs-[cosu-Mentre,
f-[sn-[art-gli, ag-altri, n-gruppi,
spd-[pd-di, sn-[n-ricercatori], sn-[ag-fisici]]],
ibar-[ause-sono, vppt-dispersi],
compin-[coord-[
sp-[part-negli, sn-[n-istituti]],
cong-e,
sp-[part-nei, sn-[n-centri, spd-[partd-del, sn-[npro-Cnr]]]]]]],
fp-[punt-,],
fc-[cong-e,
f-[ibar-[vt-soffrono],
compt-[sn-[qc-tutte, art-le, in-ben, ag-note, n-difficoltà,
spd-[pd-di, sn-[dim-questo, n-ente]]]],
35

Codice linea e Tema
f-[punto-.]]]]
fp-[par-”],
4.2.23 CP_INT
Questo costituente serve per marcare frasi interrogative che iniziano con aggiunti oppure
congiunzioni frasali subordinanti o coordinanti, o ancora frasi interrogative frammento.
cp_int-[sn-[n-Effetto, sn-[npro-Multiplex]], par-(-), fint-[sn-[int-Quali],
f-[ibar-[vc-sono], compc-[sn-[art-gli, n-effetti, spd-[pd-di, sn-[dim-questa,
n-concentrazione, sp-[p-tra, sn-[coord-[n-distribuzione, cong-ed, n-
esercizio]]]]]]]]], puntint-?]
cp_int-[fc-[congf-Ma, savv-[avv-oggi], punt-,, sp-[p-con, coord-[sn-[art-i,
n-cd_rom], cong-e, sn-[art-la, n-multimedialità]]], punt-,, f-[ibar-[vc-è],
compc-[sn-[in-davvero, art-lo, ag-stesso, n-mestiere, spd-[pd-di, sn-[num-
500, nt-anni, savv-[avvl-fa]]]]]], puntint-?]],
cp_int-[f3-[coord-[sn-[nt-fine, spd-[partd-delle, sn-[n-ambizioni]]], cong-o,
sn-[ag-ennesimo, n-voltafaccia]], sp-[p-su, sn-[art-una, n-vicenda, f2-[sp-
[part-sulla, rel-quale], f-[sn-[np-mosca], sp-[part-negli, sn-[ag-ultimi, ntmesi]],
ibar-[neg-non, ausa-ha, vppt-cessato], compt-[coord-[sv2-[pt-di, vitcambiare,
compt-[sn-[n-posizioni]]], punt-,, sv2-[pt-di, vit-dire, compt-
[coord-[sn-[qc-tutto], cong-e, sn-[art-il, n-contrario, spd-[pd-di, sn-[qctutto]]]]]]]]]]]]],
puntint-?]
4.2.24 DIRSP
Questo costituente serve per l'annotazione del discorso diretto: contiene due frasi separate dal
segno di punteggiatura ":". Questo segno è però ambiguo tra discorso diretto, discorso riportato,
commento ecc., riportiamo qui un solo esempio:
dirsp-[f-[sn-[art-il, n-traino, sa-[in-più, ag-consistente]], ibar-[vinviene],
compin-[savv-[avv-sempre], spda-[partda-dalle, sn-[n-vendite, sp-
[part-all, sn-[n-estero]]]]]], dirs-:, f-[sn-[art-il, num-plus9/5%, n-
tendenziale, spd-[pd-di, sn-[nt-maggio]]], punt-,, sp-[p-contro, coord-[sn-
[art-il, num-6%, spd-[pd-di, sn-[nt-marzo]]], cong-e, sn-[art-il, num-7/4%,
spd-[pd-di, sn-[nt-aprile]]]]], punto-.]]
4.3 Tipologia dei costituenti sintattici della Treebank di SI-TAL
Riassumendo, nella tabella che segue è riportata la tipologia dei costituenti sintattici che
appaiono nella rappresentazione sintattica a costituenti della Treebank di SI-TAL:
Simbolo
F
SN
SA
SP
SPD
SPDA
SAVV
Tipo di costituente
frase
sintagma nominale
sintagma aggettivale
sintagma preposizionale
sintagma preposizionale DI
sintagma preposizionale DA
sintagma avverbiale
36

Codice linea e Tema
Simbolo
SQ
IBAR
SV2
SV3
SV5
FAC
FC
FS
FINT
FP
F2
F3
CP
CP_INT
COORD/co
stituente
COMPT
COMPIN
COMPC
DIRSP
Tipo di costituente
sintagma quantificato
nucleo verbale a tempo finito
frase infinitiva
frase participiale
frase gerundiva
frase complemento
Coordinatore frase coordinata
Subordinatore frase subordinata
Elementi +wh frase interrogativa
Introduttore punteggiatura frase parentetica o
apposizione, o separatore testo
Frase relativa
Frase frammento
Elementi dislocati o anteposti, aggiunti frasali e non
Frase interrogativa con aggiunti in inizio frase
Elemento coordinante e costituente coordinato
Complementi retti da VerbiTransitivi
Complementi retti da Verbi Intransitivi
Complementi retti da Verbi Copulativi
Discorso diretto
Prima di passare ai criteri di annotazione per questo livello, forniremo una classificazione dei
costituenti, sulla base di come questi riorganizzano i materiali lessicali al proprio interno. In
particolare, possiamo parlare dei seguenti tipi di costituenti:
• costituenti funzionali: includono tutti quei costituenti che al proprio interno non prevedono la
presenza di una testa lessicale semantica, oppure come nel caso dei gruppi preposizionali, che
non sono completi semanticamente senza la presenza di un ulteriore costituente. I costituenti
funzionali si suddividono a loro volta in:
• costituenti Funzionali Strutturali, che sono privi di una qualsiasi testa lessicale che li
individui;
• costituenti Funzionali Lessicali, che hanno obbligatoriamente una testa lessicale che ha
oppure no contenuto semantico;
• costituenti Sostanziali, che contengono teste lessicali semantiche.
4.3.1 Costituenti Funzionali Strutturali
Simbolo
F
CP
COMPT
COMPIN
COMPC
Tipo di costituente
frase
Elementi dislocati o anteposti, aggiunti frasali e non
Complementi retti da Verbi Transitivi
Complementi retti da Verbi Intrasitivi
Complementi retti da Verbi Copulativi
37

Codice linea e Tema
4.3.2 Costituenti Funzionali Lessicali
Simbolo
FAC
FC
FS
FINT
FP
F2
COORD/costituente
SP
SPD
SPDA
Tipo di costituente
frase complemento con o senza complementatore
Coordinatore frase coordinata
Subordinatore frase subordinata
Elementi +wh frase interrogativa, anche se il
pronome interrogativo è preceduto da preposizione
Introduttore punteggiatura frase parentetica o
apposizione
Frase relativa, anche se il pronome relativo è
preceduto da preposizione o da articolo
Elemento coordinante e costituente coordinato
sintagma preposizionale
sintagma preposizionale DI
sintagma preposizionale DA
Possiamo notare che nel caso in cui il costituente CP non ha motivo per la sua presenza nella
struttura, cioè nella frase non ci sono costituenti anteposti o aggiunti di inizio frase, esso non
apparirà. Per quanto riguarda il nodo F invece, esso apparirà anche se il soggetto non fosse espresso
lessicalmente: risulterà quindi indicativo delle frasi in cui appare il nodo IBAR, cioè il verbo flesso
di tempo definito. Il nodo F apparirà nelle frasi ellittiche ma non nelle frasi di modo indefinito che
sono invece individuate da nodi SV con numeri che li differenziano.
4.3.3 Costituenti Sostanziali
Simbolo
SN
SA
SAVV
IBAR
SV2
SV3
SV5
Tipo di costituente
sintagma nominale
sintagma aggettivale
sintagma avverbiale
nucleo verbale a tempo finito
frase infinitiva
frase participiale
frase gerundiva
Anche in questo caso è necessario notare che il costituente IBAR non potrà mai apparire da solo,
ma sempre in compagnia del suo nodo dominante F.
4.4 Criteri di annotazione
In questa sezione sono forniti criteri di annotazione per quanto concerne il livello sintattico a
costituenti. In particolare, verranno prese in considerazione particolari costruzioni sintattiche e se ne
specificherà il trattamento nell’ambito dello schema di annotazione adottato.
38

Codice linea e Tema
4.4.1 Costituenti minori, Modificatori e Marcatori Semantici
Nel SN, i determinatori e i modificatori sia che precedano la testa o che la seguano vengono
inclusi allo stesso livello della testa nominale. Mentre i determinatori sono privi di costituenza, tutti
gli altri modificatori portano la loro struttura sintattica. Si suppone che i determinatori (intendendo
con questo termine articoli, quantificatori di vario genere, numeri) dovranno poi essere rappresentati
nella funzione SPEC(ificatore).
I complementatori vengono trattati come i determinatori, sono cioè privi di costituenza sintattica
ma appaiono ad un livello separato: questo crea i presupposti per il loro trattamento al livello della
rappresentazione funzionale, per il quale si rinvia alla sezione 5.1.1.1.2.1.
Il processo di innalzamento si applica tipicamente alle informazioni associate al nucleo verbale,
oppure a teste semantiche che introducono frasi subordinate e coordinate. Il nucleo verbale di modo
finito, intendendo con la parola nucleo non solo il verbo principale ma anche i suoi ausiliari, si trova
sempre associato a un costituente separato, IBAR. Per quanto riguarda invece i nuclei verbali di
modo non finito - infinito, participio e gerundio semplici o composti - questi vengono tutti
individuati da SVn, dove “n” sta per un numero che serve a specializzare il SV.
La negazione viene trattata come avverbio ed è quindi disponibile successivamente per essere
interpretata al livello di rappresentazione adeguato, che però rimane al di fuori dei livelli previsti
per la Treebank di SI-TAL: in ogni caso, tutte le eventuali operazioni semantiche di individuazione
della portata o ambito della negazione potranno essere realizzate sia a partire dalla struttura
sintattica, sia da quella funzionale.
4.4.2 Costituenti vuoti
La teoria LFG e tutte le sue derivazioni non prevedono nella rappresentazione sintattica la
presenza di elementi vuoti. In pratica, la rappresentazione sintattica contiene tutto e solo il materiale
lessicale di struttura superficiale. Questa è la strategia che si è deciso di seguire anche nel caso dello
schema di annotazione a costituenti di SI-TAL.
In particolare tutte le operazioni di raccordo tra elementi dislocati o spostati e il loro sito
canonico - vedi il soggetto postverbale, l’oggetto preposto - non richiedono nella rappresentazione
sintattica l’introduzione di tracce e altri tipi di elementi vuoti come marcaposto. E’ invece il livello
funzionale a rendere conto delle relative relazioni di dipendenza. Lo stesso discorso vale per le frasi
passive, anche nel caso in cui il soggetto si trovi nella posizione preverbale canonica.
Stessa sorte tocca a relazioni di dipendenza definite in LFG “a lunga distanza”, cioè tutte quelle
relazioni che si creano per la presenza di un pronome interrogativo o relativo, o del
complementatore che: in nessun caso, appare nella struttura sintattica un costituente vuoto a fare da
marcaposto. Queste relazioni vengono trattate nel livello funzionale, secondo le modalità illustrate
nella sezione 5.2.5.
Il soggetto vuoto non appare a livello di rappresentazione a costituenti, e viene introdotto al
livello funzionale; per la sua rappresentazione si rinvia alle sezioni 5.1.1.1.1 e 5.2.4.1.
Lo stesso ragionamento vale per il soggetto inespresso di frasi implicite di modo non finito, sia
che si tratti di complementi o di aggiunti. Benché la teoria preveda operazioni ben distinte in un
caso o nell’altro, si sceglie di trattare entrambi i casi allo stesso modo. Nella struttura sintattica non
appare alcun costituente per marcare il soggetto inespresso. A livello funzionale invece viene
39

Codice linea e Tema
inclusa la specificazione di un soggetto controllato, secondo quanto illustrato nella sezione 5.1.1.1.1
(nel paragrafo relativo alla relazione soggetto).
Strutture ellittiche di vario tipo sono integrate con l’informazione omessa a livello della
realizzazione superficiale nell’annotazione funzionale secondo quanto illustrato nella sezione 5.2.4.
4.4.3 Clitici
I clitici meritano un discorso a parte in quanto costituiscono un importante componente della
struttura sintattica, sia a costituenti sia funzionale.
I clitici sono trattati come sostituti lessicali di complementi o aggiunti. Vengono cioè trasformati
in funzioni grammaticali corrispondenti, sulla base del caso lessicale e delle informazioni derivabili
dal predicato reggente; per il loro trattamento al livello funzionale si rinvia alla sezione 5.2.5. La
struttura a costituenti registra la loro presenza nella posizione superficiale in cui si trovano e ne
copia il contenuto all’interno di un sintagma corrispondente.
4.4.4 Il “SI” espletivo: inerente, passivante, medio e impersonale
Altri clitici espletivi sono quelli costituiti dalle varie interpretazioni del si: in particolare quelle
che appaiono nelle frasi con verbi riflessivi inerenti come in Gianni si è arrabbiato, non richiedono
un mapping nella struttura sintattica a costituenti. Il si passivante non contribuisce alcuna
informazione aggiuntiva oltre all’informazione sulla diatesi passiva, come in il pane si mangia col
prosciutto. Lo stesso vale per il si medio che contribuisce informazione sia sulla diatesi, sia sul
soggetto impersonale: da qui si vedono le montagne.
Più in generale, il si impersonale svolge la funzione di individuare il soggetto impersonale, cioè
un soggetto inespresso che assume il contenuto del quantificatore esistenziale, con tratti funzionali e
semantici adeguati. Questa informazione viene travasata nel corrispondente costituente sintattico
SN e utilizzata poi nel mapping in funzioni grammaticali.
Altri si espletivi sono da considerarsi quelli in strutture ergative o incoative, come in il vaso
improvvisamente si ruppe; e il si benefattivo o dativo etico di frasi del tipo: Gino si è bevuto una
coca.
4.4.5 Preposizioni e SP
Tutte le preposizioni appariranno nella struttura a costituenti come testa del costituente SP
corrispondente. Comunque, vi sono due tipi di costituenti SP: quelli normali e quelli retti dalla
preposizione DI e sue forme derivate o dalla preposizione DA e sue forme derivate. Questa
classificazione dei SP crea i presupposti per stabilire regole di corrispondenza tra la struttura a
costituenti e la struttura funzionale.
4.4.6 Modali e costruzioni perifrastiche di varia natura (aspettuali, causativi)
Si tratta di costruzioni con verbi modali, aspettuali, utilizzati per perifrasi, causativi, in generale
con i cosiddetti verbi a ristrutturazione. In questi casi, la testa lessicale non è costituita dal verbo
che supporta la perifrasi ma dal verbo lessicale. Il loro trattamento al livello della struttura a
40

Codice linea e Tema
costituenti consiste in una “ristrutturazione” di IBAR, che vede il “sollevamento” del verbo
lessicale e l’“abbassamento” del verbo modale/aspettuale/causativo al suo interno.
Al fine di garantire l’omogeneità di trattamento dei dati linguistici tra i due livelli di annotazione
sintattica nella Treebank di SI-TAL, si è deciso di limitare la tipologia dei verbi che provocano un
sollevamento del verbo lessicale all’interno di IBAR a quelli nella lista che segue, a cui si devono
aggiungere, ovviamente, i due ausiliari, essere e avere:
• andare Vanno rifiutati tutti gli inviti
• venire Vengano rifiutati tutti gli inviti
• potere Può comprendere le loro richieste
• volere Vuole comprendere le loro richieste
• dovere Deve comprendere le loro richieste
• stare Gino sta a guardare
• stare per Gino sta per partire
Al livello dell’annotazione, i seguenti casi:
• verbi modali – dovere, volere, potere - e
• verbi aspettuali – andare, venire, stare, stare per – di cui i primi due sono anche utilizzati
per il passivo
vanno inclusi nel costituente IBAR alla stessa stregua dei verbi ausiliari avere e essere e sono
seguiti dal verbo lessicale nella sua forma al participio, all’infinito o al gerundio.
5 Annotazione funzionale
Per il livello di annotazione funzionale, la Treebank di SI-TAL ha optato per uno schema di
annotazione funzionale tra parole piene (sostantivi, aggettivi e verbi): le motivazioni sottostanti a
questa scelta sono dettagliate nel Rapporto della Linea 1.1 “Specifiche Tecniche”, sezione 4.1.4. In
questa sede, riportiamo la versione finale delle specifiche di annotazione come risultanti al termine
del processo di annotazione.
Lo schema di annotazione funzionale adottato per la Treebank di SI-TAL ha preso le mosse dallo
schema di annotazione elaborato nel progetto europeo SPARKLE (LE-2111), che a sua volta è stato
rielaborato e rivisto ai fini della sua adozione nell’ambito di campagne di valutazione di analizzatori
sintattici nell’ambito del progetto ELSE (LE4-8340). F.A.M.E (Functional Annotation Metascheme
for Evaluation), lo schema elaborato in ELSE (Lenci et al. 1999a, 1999 b, 2000), è stato
rivisto e specializzato rispetto alle peculiarità della lingua da annotare – l’italiano – ed alla sua
adozione come schema di annotazione di una Treebank. Le specifiche ed i criteri di annotazione che
seguono sono il risultato di questo processo di revisione e specializzazione.
5.1 Specifiche di annotazione
5.1.1 Tipologia delle relazioni funzionali
Gli elementi di base dello schema di annotazione che proponiamo sono relazioni funzionali,
dove con “relazione funzionale” si intende una relazione binaria sussistente tra due PARTECIPANTI:
41

Codice linea e Tema
all’interno dello schema proposto, i partecipanti ad una relazione funzionale sono costituiti soltanto
da parole piene o lessicali. Sono quindi automaticamente escluse relazioni funzionali che
riguardano parole grammaticali quali i determinativi, gli ausiliari, i complementatori, le
preposizioni, etc. L’informazione riguardante questi elementi è codificata mediante tratti associati ai
partecipanti della relazione, come descritto di seguito.
Ciascuna relazione funzionale è rappresentata come segue:
tipo_di_relazione (partecipante_1.,
partecipante_2.)
“Tipo_di_relazione” specifica la relazione sussistente tra i due partecipanti. Ogni partecipante
può anche ricevere una caratterizzazione rispetto ad un insieme di tratti che sono considerati
rilevanti rispetto alla relazione che li lega.
Le relazioni di dipendenza costituiscono un tipo particolare di relazione funzionale. Nel caso
specifico, una relazione di dipendenza è costituita da una relazione binaria asimmetrica sussistente
tra una TESTA ed un DIPENDENTE.
relazione_di_dipendenza (testa.,
dipendente.)
La tipologia di relazioni di dipendenza di questo schema di annotazione è illustrata nella sezione
5.1.1.1.
Lo schema di annotazione della Treebank di SI_TAL include anche relazioni funzionali di altro
tipo, ovvero relazioni simmetriche di congiunzione e disgiunzione per il trattamento della
coordinazione (sezione 5.1.1.2) e relazioni di coreferenza per il trattamento di frasi relative ed
interrogative (sezione 5.1.1.3).
5.1.1.1 Relazioni di dipendenza
La tipologia delle relazioni di dipendenza previste dallo schema di annotazione della Treebank di
SI-TAL è organizzata gerarchicamente, in modo tale da permettere rappresentazioni sottospecificate
che potrebbero essere utili per il trattamento di costruzioni realmente ambigue oppure controverse.
In questo contesto, la relazione f j è una rappresentazione sottospecificata della relazione di
dipendenza f h se f j occupa un nodo progenitore del nodo associato a f h nella nostra gerarchia. Ad
esempio la relazione “comp” sottospecifica “arg”, ma non “sogg”. Banalmente, il nodo “dip”, in
quanto vertice della gerarchia, può essere usato per sottospecificare qualsiasi relazione.
Nell’ambito di un’annotazione manuale il ricorso alla sottospecificazione è utile per ridurre il
margine di arbitrarietà nelle scelte degli annotatori. Relazioni di dipendenza sottospecificate sono
anche particolarmente cruciali: nel caso di un’annotazione automatica, quando l’analizzatore
sintattico non abbia a disposizione l’informazione necessaria per un’analisi completamente
specificata; oppure, nell’ambito di campagne di valutazione, per evitare penalizzazioni arbitrarie di
analisi divergenti ma in qualche misura compatibili.
La gerarchia delle relazioni è strutturata come segue:
42

Codice linea e Tema
dip
sogg
comp
mod
arg
pred
non-pred
ogg_d ogg_i obl
Questa gerarchia separa il soggetto (sogg) rispetto alle altre relazioni grammaticali assegnandogli
una posizione più alta all’interno dell’organizzazione delle funzioni sintattiche, come è usuale in
molte teorie grammaticali (per esempio HPSG, GB). Inoltre, raggruppando i modificatori (mod) e
gli argomenti (arg) sotto lo stesso nodo dei complementi (comp), la gerarchia di relazioni proposta
ammette la possibilità di lasciare sottospecificata la distinzione tra modificatore (o aggiunto) e
argomento che non è sempre facile da applicare, specialmente rispetto all’uso reale della lingua. Il
nodo “arg” è a sua volta suddiviso in “pred”, che raccoglie solo ed esclusivamente i complementi
predicativi classici (predicativi del soggetto e dell’oggetto), e “non-pred”, che sussume i
complementi non-predicativi, ovvero “ogg_d” (per gli oggetti diretti), “ogg_i” (per gli oggetti
indiretti) e “obl” (per gli argomenti obliqui).
Si noti che al livello di annotazione funzionale si rappresentano solo quei fenomeni che sono
rilevanti per l’identificazione e/o specificazione di relazioni grammaticali (ad es. caso, diatesi, tratti
di accordo etc.). Ne consegue che fenomeni come il tempo e l’aspetto verbale, l’ambito della
negazione e l’ellissi interfrasale non sono trattati a questo livello in quanto considerati di pertinenza
di un livello di rappresentazione logico-semantica che non trova una sua collocazione
nell’architettura globale della Treebank di SI-TAL così come strutturata ad oggi. Analoga
considerazione vale nel caso delle funzioni pragmatiche di topic e focus che sono al di fuori delle
finalità del progetto in quanto sarebbero da trattare piuttosto ad un livello di rappresentazione
pragmatica. Va comunque considerato che una Treebank come questa, dove l’annotazione è
distribuita su più livelli, è aperta ad integrazioni future. I fenomeni e le costruzioni che non trovano
nella Treebank attuale una collocazione adeguata potranno dare luogo in futuro ad espansioni ed
integrazioni della risorsa.
Nei paragrafi che seguono, definiamo prima in maniera schematica ciascuna relazione di
dipendenza, per poi passare alla definizione dei tratti che possono essere associati alla testa e al
dipendente.
5.1.1.1.1 Inventario delle relazioni di dipendenza
dip (testa, dipendente)
dip(endenza) è la relazione più generica tra una testa e un dipendente, che rimane
sottospecificata per quanto riguarda lo status di quest’ultimo. Come già osservato, questo
livello di sottospecificazione può essere utile nei casi in cui l’informazione disponibile non è
sufficiente per la disambiguazione. In particolare, dip può essere utile per trattare casi di
ambiguità reale tra soggetto e oggetto: ad esempio, sia chi che Maria possono essere
43

Codice linea e Tema
soggetto o oggetto nella completiva incassata della frase non so chi abbia incontrato Maria.
In casi come questo, quando il contesto non sia di aiuto a capire chi incontra chi, si consiglia
di ricorrere all’annotazione che segue:
dip (incontrare, chi)
dip (incontrare, Maria)
sogg (testa, dipendente)
Indica la relazione tra un predicato e il suo sogg(etto):
sogg (arrivare, Giovanni) Giovanni arrivò a Parigi
sogg (assumere, Microsoft) La Microsoft ha assunto dieci programmatori
sogg (assumere, Paolo) Paolo è stato assunto dalla Microsoft
sogg si riferisce al soggetto superficiale della frase: come illustrano gli esempi sopra, viene
assegnato indipendentemente dalla diatesi attiva o passiva della testa verbale (a sua volta
codificata come tratto associato alla testa, cfr sezione 5.1.1.1.2.2). Il soggetto logico non è
marcato esplicitamente a livello di relazione, bensì al livello di tratti associati al dipendente
(cfr sezione 5.1.1.1.2.1).
La stessa relazione sogg è anche usata per marcare il verbo in frasi completive con funzione
di soggetto, come illustrato dagli esempi che seguono.
sogg (significare, partire) che Maria sia partita significa che si è arresa
sogg (richiedere, vincere) vincere la gara richiede un grosso impegno
sogg (essere, partire) è necessario partire presto
Con lingue pro-drop come l’italiano, casi di soggetto “nullo” o ellittico, che si verificano
quando il soggetto non è superficialmente realizzato, vengono trattati mediante
un’annotazione parziale, esemplificata di seguito:
sogg (arrivare, .) arrivai in ritardo
dove i) l’elemento dipendente non è specificato a livello lessicale e ii) le caratteristiche
morfo-sintattiche del soggetto, corrispondenti alla persona, al numero e al genere (qualora
rilevante), sono codificate in termini di tratti associati al dipendente (si veda la sezione
5.1.1.1.2.1 per maggiori dettagli). Questa soluzione è stata messa a punto per evitare
rappresentazioni troppo dipendenti da una teoria specifica ed al contempo fornire una
rappresentazione il più informativa possibile; si è preferita, ad esempio, ad una codifica del
tipo “sogg (arrivare, pro)” che tratta il pro-drop nei termini di una relazione tra una testa
verbale ed un elemento vuoto (pro) che a sua volta necessiterebbe di una caratterizzazione
da un punto di vista morfo-sintattico. In questo modo, viene anche garantita la comparabilità
e la compatibilità con approcci diversi.
La relazione sogg è usata inoltre per contrassegnare il soggetto “implicito” di completive
infinitivali con funzione di complemento in costruzioni a controllo e a sollevamento
(distinzione, questa, che non appare rilevante dal punto di vista dell’annotazione funzionale)
così come di infinitive, participiali e gerundive con funzione di modificatore, come illustrato
dagli esempi che seguono:
sogg (partire, Giovanni) Giovanni promise a Maria di partire
sogg (partire, Maria) Giovanni ordinò a Maria di partire
sogg (partire, Maria) Maria fu costretta a partire
sogg (arrivare, Giovanni) Giovanni sembra arrivare domani
sogg (arrivare, Giovanni) Essendo arrivato presto, Giovanni vide tutta la partita
44

Codice linea e Tema
sogg (finire, Giovanni) Finito il lavoro, Giovanni partì
sogg (finire, Giovanni) Giovanni partì presto per finire il lavoro
La relazione sogg è usata infine per contrassegnare il soggetto di complementi predicativi
(del soggetto o dell’oggetto), come illustrato di seguito:
sogg (intelligente, Giovanni) Giovanni è intelligente
sogg (intelligente, Maria) Giovanni considera Maria intelligente
sogg (genio, Maria) Maria è considerata un genio
Con questi due ultimi insiemi di casi - il soggetto implicito di frasi completive di modo non
finito ed il soggetto di complementi predicativi - lo schema proposto va al di là del dominio
proprio della sintassi di superficie e include informazione relativa alla struttura predicatoargomento:
in particolare, fornisce indicazione esplicita i) riguardo al soggetto del verbo
nella frase incassata quando controllato da un argomento della testa verbale della frase
matrice e ii) riguardo al soggetto di complementi predicativi. Abbiamo deciso comunque di
includerla per garantire la compatibilità della Treebank con schemi di annotazione sintattica
che marcano soggetti “impliciti” di frasi incassate (in vista, ad esempio, di un uso della
Treebank a fini di valutazione) oppure che trattano il complemento predicativo in termini di
frase ridotta selezionata dal verbo reggente.
comp (testa, dipendente)
comp marca in modo generico la relazione tra una testa ed un complemento, sia esso
modificatore o argomento. Questa relazione funzionale sottospecificata è particolarmente
utile in quei casi in cui è difficile stabilire la natura argomentale o di modificatore del
complemento. Per esempio, consideriamo la frase Giovanni spinse la macchina verso la
stazione dove, a seconda dei criteri di selezione adottati, verso la stazione può essere
considerato come un modificatore o come un argomento. La caratterizzazione come comp
riportata sotto rimane compatibile con entrambe le analisi, non costringendo l’annotatore a
decisioni arbitrarie e/o premature:
comp (spingere, stazione)
Questa relazione risulta particolarmente utile nei seguenti casi:
• codifica della relazione tra un nome ed un suo complemento preposizionale. Si
confrontino i seguenti casi:
comp (professore, fisica) il professore di fisica
comp (padre, Maria) il padre di Maria
l’annotazione nei termini di comp mantiene sottospecificata la natura del
complemento, che non è sempre facile da stabilire in modo univoco.
• codifica della relazione tra una testa ed un argomento semantico che sia
sintatticamente realizzato come un modificatore. Questo è il caso, ad esempio,
dell’agente espresso nella costruzione passiva come un complemento preposizionale
introdotto dalla preposizione “da”: la sua natura di “aggiunto tematicamente legato”
è messa in evidenza dalla sua codifica in termini di comp, come esemplificato nel
frammento di annotazione che segue:
comp (uccidere, Bruto) fu ucciso da Bruto
Nell’annotazione della Treebank di SI-TAL il ricorso alla relazione comp è stato limitato ai
casi in cui non è stato possibile decidere se la relazione di dipendenza in questione sia di
45

Codice linea e Tema
modificazione oppure di argomento. A questo proposito, l’annotatore ha avuto a
disposizione una batteria di criteri per discriminare i due casi (illustrati nella sezione 5.2.1): i
casi che rimarranno incerti verranno annotati in modo sottospecificato, ovvero in termini di
comp.
mod (testa, dipendente)
La relazione mod sussiste tra una testa e il suo modificatore, come illustrato dai seguenti
casi:
• modificazione aggettivale
mod (bandiera, rosso) una bandiera rossa
• modificazione avverbiale
mod (camminare, lentamente) camminare lentamente
• modificazione con sintagma preposizionale
mod (camminare, calma) camminare con calma
• apposizione
mod (Picasso, pittore) Picasso il pittore
• modificazione frasale
mod (camminare, parlare) camminava parlando
mod (mangiare, chiedere) ha mangiato i dolci dopo averlo chiesto
mod (mangiare, chiedere) ha mangiato i dolci senza chiedere
Confrontando gli esempi sopra, si può notare che la relazione mod copre modificatori frasali
e non.
arg (testa, dipendente)
arg indica la relazione più generica intercorrente tra una testa ed un suo argomento. Oltre a
casi in cui la sottospecificazione relativa alla funzione dell’argomento appaia opportuna,
questa relazione viene normalmente usata per etichettare la relazione intercorrente tra una
testa verbale e una completiva non soggetto (sia essa infinitiva o meno), come illustrato dai
seguenti casi:
arg (promettere, accettare) Giovanni ha promesso di accettare il lavoro
arg (ordinare, partire) Giovanni ha ordinato a Maria di partire
arg (dire, accettare) Giovanni ha detto che avrebbe accettato il lavoro
arg (informare, andare) Giovanni ha informato Maria che sarebbe andato
arg (promettere, andare) Giovanni ha promesso a Maria che sarebbe andato
Questo tipo di codifica della funzione delle completive complemento parte dalla
constatazione dell’ampia variabilità della funzione loro assegnata nell’ambito di diverse
teorie grammaticali e di diversi analizzatori sintattici (caso che invece non si verifica nel
caso di soggetti di tipo frasale che sono di più facile identificazione). Ad esempio, la
completiva infinitivale della frase Maria ha deciso di partire è classificata come oggetto
diretto nello schema di annotazione della Constraint Grammar (Karlsson et al. 1995) mentre
è caratterizzata come complemento predicativo non saturato (xcomp) nella LFG così come
nello schema di annotazione avanzato nel progetto europeo SPARKLE. L’analisi qui
46

Codice linea e Tema
proposta, integrata con informazione codificata in termini di tratti distintivi (si veda il tratto
status discusso nella sezione 5.1.1.1.2.1), rimane così comparabile e compatibile con un
ampio spettro di analisi senza perdita di informazione.
pred (testa, dipendente)
pred contrassegna la relazione che sussiste tra una testa verbale ed un complemento
predicativo, sia esso un complemento predicativo del soggetto o un complemento
predicativo dell’oggetto.
pred (essere, intelligente) Giovanni è intelligente
pred (considerare, genio) Giovanni considera Maria un genio
La distinzione tra predicativo del soggetto e predicativo dell’oggetto è ricavabile dalla
rappresentazione complessiva della frase (si veda la sezione 5.2.2.10). Al livello della
singola relazione ci limitiamo a marcare la natura predicativa del complemento rispetto alla
testa verbale.
non-pred (testa, dipendente)
Nella gerarchia delle relazioni funzionali riportata sopra, non-pred è il nodo che raggruppa
complementi non predicativi. Non si prevedono, ad oggi, casi in cui questa relazione sia
usata per trattare casi ambigui che richiedano una sottospecificazione a questo livello.
ogg_d (testa, dipendente)
ogg_d è la relazione che sussiste tra un predicato e il suo oggetto diretto (sempre nonfrasale),
cioè:
ogg_d (leggere, libro) Giovanni ha letto molti libri
ogg_i (testa, dipendente)
ogg_i è la relazione tra un predicato e un oggetto indiretto, cioè il complemento che esprime
l’entità che accoglie l’azione espressa dal verbo, come esemplificato dai casi che seguono:
ogg_i (parlare, Maria) Giovanni parla a Maria
ogg_i (dare, Maria) Giovanni diede a Maria il contratto
ogg_i (dare, Maria) Giovanni diede il contratto a Maria
ogg_i (parlare, le) Giovanni le parla
Un test cruciale per l’identificazione di questa relazione è costituito dalla
pronominalizzazione dell’ogg_i con un dativo (si veda sotto).
obl (testa, dipendente)
obl è la relazione tra un predicato e un complemento non frasale, non diretto e non indiretto,
realizzato tipicamente in forma di sintagma preposizionale:
obl (vivere, Roma) Giovanni vive a Roma
obl (arrivare, aeroporto) Giovanni arrivò all’aeroporto
obl (informare, arrivo) Giovanni informò Maria del suo arrivo
obl (comportarsi, freddezza) Giovanni si comportò con freddezza
47

Codice linea e Tema
Come accennato sopra, la distinzione tra oggetto indiretto e complemento obliquo è
supportata dal diverso tipo di pronominalizzazione dei due complementi. Si confrontino le
seguenti coppie di frasi:
1. Giovanni ha dato un libro a Maria
Giovanni le ha dato un libro
2. Giovanni aspirava a Maria
*Giovanni le aspirava
dove a Maria è un oggetto indiretto in 1. e in quanto tale è pronominalizzato con il dativo le,
mentre è un complemento obliquo in 2., dove la pronominalizzazione con il pronome dativo
risulta in una frase sintatticamente mal formata.
La relazione obl è anche usata per marcare la dipendenza tra un verbo e complementi
avverbiali la cui selezione è governata a livello lessicale; ad esempio:
obl (comportarsi, bene) Giovanni si comportò bene
5.1.1.1.2 Tratti associati agli elementi della relazione di dipendenza
Nello schema di annotazione adottato, un ruolo centrale è ricoperto dai tratti associati ad
entrambi gli elementi della relazione di dipendenza.
In ciò che segue i due insiemi di tratti sono discussi separatamente, prima i tratti del DIPENDENTE,
poi quelli della TESTA, infine quelli comuni a entrambi. Si noti che i tratti sono aggiunti alla
specificazione del DIPENDENTE e della TESTA, tra parentesi uncinate e preceduti da un punto. Al fine
di rendere l’annotazione più leggibile, negli esempi forniti di seguito i tratti specificati sono solo
quelli in corso di definizione. Ovviamente un’annotazione completa include, per ogni elemento
della relazione, l’insieme completo dei tratti rilevanti nel contesto specifico.
5.1.1.1.2.1 Tratti distintivi del DIPENDENTE
• introdep
Il tratto introdep è usato in una varietà di costruzioni diverse per specificare l’elemento
grammaticale, generalmente una preposizione o una congiunzione, che “introduce” il
dipendente. La natura di questo “introduttore” varia a seconda della relazione funzionale e del
tipo di dipendente: ad esempio può trattarsi di preposizione nel caso di complementi nominali,
oppure congiunzione nel caso di completive di modo finito. Alcuni esempi seguono:
• caso
ogg_i (dare, Maria.) dare a Maria
comp (uccidere, Bruto.) fu ucciso da Bruto
arg (dire, accettare.) Giovanni ha detto che accetterà il lavoro
arg (decidere, lasciare.) Giovanni ha deciso di lasciare il lavoro
mod (camminare, parlare.) camminava mentre parlava
Il tratto caso, la cui realizzazione morfosintattica si limita in italiano ad alcuni pronomi
personali soltanto, risulta utile a supporto dell’identificazione della relazione di dipendenza.
Suoi possibili valori sono “dativo/accusativo”:
• status
ogg_i (dare,gli.) dargli
48

Codice linea e Tema
Il tratto status è associato a dipendenti verbali ed è usato per discriminare tra
soggetti/complementi frasali con la valenza soggetto saturata e soggetti/complementi frasali con
soggetto controllato da dipendenze esterne. I possibili valori associati a questo tratto sono
“aperto/chiuso”:
• aperto – marca un soggetto o complemento (sia esso argomento o modificatore) di tipo
frasale il cui soggetto è controllato da una testa con la quale non esiste una esplicita e diretta
relazione di dipendenza (questo implica, ad esempio, che la relazione non è marcata
dall’accordo grammaticale):
arg (decidere, partire.) Giovanni decise di partire
mod (aspettare, arrivare.) essendo arrivati presto, abbiamo
aspettato l’incontro
sogg (richiedere, vincere.) vincere l’America’s Cup richiede
montagne di soldi
• chiuso – marca un soggetto o complemento (sia esso argomento o modificatore) frasale il
cui soggetto non è controllato da dipendenze esterne:
• modo
arg (dire, partire.) Giovanni disse che Maria
sarebbe partita domani
mod (mangiare, affamato.) ha mangiato il
dolce perché era affamato
sogg (essere, ingoiare.) che i governi europei
debbano silenziosamente ingoiarle non è giusto
Il tratto modo del dipendente è usato, nel caso di soggetti/complementi frasali, per specificare il
modo della testa verbale. Suoi possibili valori sono “gerundio / part_pass / inf / partic.pres /
cong / ind / cond”:
mod (camminare, parlare.) Camminava parlando
mod (partire, finire.) Finito il lavoro, Maria partì
arg (decidere, partire.< modo=inf>) Giovanni decise di partire
mod (aspettare, arrivare.< modo=gerundio >) essendo arrivati presto, abbiamo
aspettato l’incontro
sogg (richiedere, vincere.< modo=inf>) vincere l’America’s Cup richiede montagne
di soldi
Per quanto questo tipo di informazione è già incluso nell’input che è annotato morfosintatticamente,
viene riportato in questa sede in quanto rilevante per la caratterizzazione della
relazione di dipendenza.
• ruolo
Il tratto ruolo è usato per fornire una caratterizzazione semantica alla relazione di dipendenza,
ovvero per rendere esplicito, quando necessario, il ruolo semantico del dipendente rispetto alla
testa. Si ricorre a questo tratto quando l’informazione sintattico-funzionale non sia sufficiente a
caratterizzare in modo univoco la relazione. Si prenda ad esempio il caso del complemento di
agente in costruzioni passive: a livello di relazione la sua codifica è in termini di comp, ma da
questa codifica (combinata con la diatesi della testa verbale) non è possibile risalire in modo
certo all’interpretazione dell'agente, informazione che per certe applicazioni (ad esempio la
traduzione automatica) è cruciale. Analoghe considerazioni valgono nel caso di complementi
temporali, locativi e comparativi. Si vedano gli esempi che seguono:
49

Codice linea e Tema
comp (uccidere, Bruto.) fu ucciso da Bruto
arg (partire, Roma.) è partito da Roma
mod (partire, ora.) è partito da un’ora
comp (migliore, insegnante.) è migliore dell’insegnante
Si ricorre al tratto ruolo anche per marcare costruzioni con superlativo relativo che prevedono
una restrizione dell’ambito di applicazione dell’aggettivo. Ad esempio, in il ragazzo più
prestigioso d’America la relazione tra l’aggettivo ed il dipendente che ne restringe l’ambito è
codificata in termini di comp; il dipendente è inoltre descritto come “ambito” di applicazione
della testa aggettivale (ruolo=ambito) come esemplificato di seguito:
mod (ragazzo, prestigioso)
mod (prestigioso, più)
comp (prestigioso, America< introdep=“di”; ruolo=“ambito”>)
Il tratto ruolo è infine usato per marcare nell'annotazione il grado superlativo assoluto di un
aggettivo: in questo caso il valore assegnato a ruolo è “superlativo” come esemplificato di
seguito:
Il più vistoso è quello situato in basso
mod (vistoso, più)
pred (è, vistoso)
Il tratto ruolo ha dunque come possibili valori: “agente / temporale / locativo / compar /
superlativo / ambito”.
5.1.1.1.2.2 Tratti distintivi della TESTA
• diat(esi)
Il tratto diat specifica la diatesi di una testa verbale. Suoi possibili valori sono
“attivo/passivo/medio”.
sogg (assumere., Microsoft) La Microsoft ha assunto Paolo
sogg (assumere., Paolo) Paolo fu assunto dalla Microsoft
sogg (vendere., casa) Questa casa si vende bene
• syn_form
Il tratto syn_form specifica la forma personale/impersonale di una testa verbale. Questo tratto
ha come possibili valori “pers / impers/ si_impers”.
sogg (assumere.< syn_form=pers >, Microsoft) La Microsoft ha assunto Paolo
arg (bisogna., discutere) Bisogna discutere di queste cose
arg(dire., tornare) Si dice che non tornerà
Con il valore “si_impers” vengono marcati quei casi in cui il “si” marca l'uso impersonale di un
verbo che solitamente ammette un soggetto (es. si va, si pensa di arrivare domani). Secondo
alcune teorie, il “si” impersonale può essere considerato il soggetto vero e proprio della
proposizione in cui compare. La nostra strategia di annotazione delle costruzioni impersonali
consiste a) nello specificare l'uso impersonale del verbo (marcato dal “si”) al livello della testa
verbale come esemplificato sopra e b) nell'omettere la specificazione della relazione di soggetto
(che rimane indefinito).
• reflex
50

Codice linea e Tema
Il tratto reflex viene usato per la caratterizzazione di teste verbali con pronomi riflessivi. Viene
distinta la seguente tipologia di casi:
• pers(ona)
• verbi riflessivi: al tratto reflex viene assegnato il valore “rifl”, come esemplificato di
seguito:
ogg_d (guardare., mi) Mi guardo allo specchio
Si noti che in questo caso la codifica dell'informazione avviene anche al livello della
relazione di dipendenza: infatti il pronome riflessivo rappresenta un argomento del verbo
con ruolo proprio e viene dunque posto in relazione di ogg_d con il verbo.
• verbi intransitivi pronominali: il pronome riflessivo non rappresenta un argomento del
verbo ma appare obbligatoriamente insieme a certi verbi nei seguenti casi:
o variante intransitiva di una parte dei verbi ergativi (es. capovolgersi, rompersi): in
questo caso il pronome riflessivo è un semplice segnale dell'intransitività del
verbo rispetto alla variante transitiva:
sogg (capovolgersi., barca) La barca si è capovolta
o verbi inerentemente riflessivi, in cui il pronome riflessivo non convoglia nessun
significato particolare (es. pentirsi, avvalersi)
sogg (pentirsi., Giovanni) Giovanni si è pentito
In questi casi il valore assegnato a reflex è “ipron”.
• riflessivi apparenti: in questo caso il valore assegnato a reflex è “rifl_app”:
ogg_d (lavare., mano) Giovanni si lava le mani
• “si” passivante: si tratta di un uso non lessicalizzato in cui il “si” può essere visto come
una marca della passività del verbo nella costruzione specifica:
sogg (mangiare.< reflex=“passivo”>, mela) Le mele si mangiano con le mani
In questo caso il valore assegnato a reflex è “passivo”.
pers specifica la persona di una testa verbale. Suoi possibili valori sono “1/2/3”:
• num(ero)
sogg (mangiare., Mario) Mario mangia una pizza
num specifica il numero di una testa verbale. Suoi possibili valori sono “sing/plur”:
• gen(ere)
sogg (mangiare., Mario) Mario mangia una pizza
gen specifica, ove rilevante (ovvero con verbi con diatesi passiva o media, oppure con tempi
composti), il genere di una testa verbale. Suoi possibili valori sono “mas/fem”:
sogg (arrivare., Maria) Maria è arrivata
51

Codice linea e Tema
Per quanto l’informazione relativa alla persona, genere e numero sia già codificata nel file di
input annotato morfo-sintatticamente, questi tratti sono discussi in questa sede in quanto rilevanti
per una completa caratterizzazione della relazione di dipendenza.
5.1.1.1.2.3 Tratti distintivi della TESTA e del DIPENDENTE
Per quanto riguarda i nomi, sia nel ruolo di testa sia in quello di dipendente, si è decisa la
codifica dei seguenti tratti:
• quant(ificazione): il cui valore è costituito da un quantificatore.
ogg_d (vedere, gatto.) ho visto molti gatti
• card(inalità): il cui valore è costituito da un numero cardinale.
ogg_d (vedere, gatto.) ho visto due gatti
• def(initezza): i cui possibili valori sono “+/ - /0”.
ogg_d (vedere, gatto.) ho visto il gatto
ogg_d (vedere, gatto.) ho visto un gatto
ogg_d (vedere, gatto.) ho visto gatti
• aux e perifra
Per quanto riguarda i verbi, sia nel ruolo di testa sia in quello di dipendente, si è decisa la
codifica dei tratti aux e perifra per la descrizione di alcune costruzioni verbali perifrastiche.
Sono codificate in modo sintetico (ovvero in termini di tratti associati ad un’unica testa
lessicale) le costruzioni perifrastiche con i verbi essere e avere, così come con andare,
venire, potere, volere, dovere e stare (per la tipologia di costruzioni coperte si rinvia alla
sezione 4.4.6). Aux viene usato per la descrizione di tempi composti con i verbi ausiliari
essere e avere; a perifra si ricorre negli altri casi, ovvero essere nella costruzione passiva, e
tutti gli altri verbi modali e aspettuali. Ad esempio:
ogg_d (vedere., gatto) ho visto i gatti
sogg (vedere., gatto) sono stati visti molti gatti
mod (arrivare., domani) devono arrivare domani
Nei casi di ellissi dell'ausiliare o del verbo servile, il valore assegnato all'attributo aux o
perifra è seguito da un * (si veda la sezione 5.2.4.3 per una esemplificazione esaustiva di
questo caso).
5.1.1.2 Relazioni simmetriche di congiunzione e disgiunzione
Oltre alle relazioni di dipendenza descritte sopra, lo schema proposto include anche relazioni
simmetriche per il trattamento della coordinazione.
52

Codice linea e Tema
La coordinazione è trattata mediante relazioni simmetriche di congiunzione (cong) e di
disgiunzione (disg). Si consideri, ad esempio, la frase Giovanni e Maria sono arrivati, contenente
un soggetto congiunto. Alla sua rappresentazione in termini di dipendenze riportata sotto:
sogg (arrivare, Giovanni)
sogg (arrivare, Maria)
si aggiunge la specificazione della relazione di congiunzione che segue:
cong (Giovanni, Maria)
La rappresentazione della frase Giovanni o Maria sono arrivati non differirà a livello di relazioni
di dipendenza; l’unica differenza riguarda la relazione tra Giovanni e Maria che in questo caso è di
disgiunzione:
disg (Giovanni, Maria)
5.1.1.2.1 Tratti distintivi del partecipante in relazioni simmetriche
L’unico tratto distintivo specifico dei partecipanti a relazioni simmetriche di congiunzione o
disgiunzione è costituito da introsim: viene impiegato per codificare gli introduttori, tipicamente
congiunzioni, dei partecipanti nella relazione specifica. Ad esempio:
Sia Giovanni che Maria sono arrivati
sogg (arrivare, Giovanni)
sogg (arrivare, Maria)
cong (Giovanni., Maria.)
Manca non solo pane ma anche latte
sogg (mancare, pane)
sogg (mancare, latte)
cong (pane, latte.)
5.1.1.3 Relazioni di coreferenza
In questa sezione, trattiamo l’annotazione di relazioni di coreferenza, che sarà circoscritta a
relazioni di coreferenza di chiara natura sintattica ed interne alla singola frase. Questa restrizione
consegue naturalmente dalla natura del testo da annotare (lingua scritta) e dal livello di annotazione
in questione (sintattico-funzionale): nella Treebank di SI-TAL, l’annotazione di relazioni di
coreferenza è circoscritta a legami interni alla singola frase; viene invece fatta astrazione da
relazioni anaforiche in quanto di diretta pertinenza della semantica. Anche se relazioni di
coreferenza vanno al di là della sintassi di superficie, riteniamo che la loro annotazione nell’ambito
della Treebank di SI-TAL sia importante in quanto la presenza di questo tipo di informazione rende
la risorsa usabile in modo più efficace in applicazioni quali, ad esempio, recupero ed acquisizione di
informazioni.
In particolare, l’annotazione riguarda il legame tra:
• il pronome relativo ed il suo antecedente;
• tra il clitico e l’elemento dislocato in costruzioni a dislocazione con ripresa pronominale.
Consideriamo ad esempio una frase come il ragazzo che Maria ha incontrato ieri è Giovanni. La
frase relativa che Maria ha incontrato ieri è annotata come segue:
53

Codice linea e Tema
sogg (incontrare, Maria)
ogg_d (incontrare, che)
mod (incontrare, ieri)
Le rimanenti relazioni di dipendenza relative alla principale sono riportate di seguito:
sogg (essere, ragazzo)
pred (essere, Giovanni)
sogg (ragazzo, Giovanni)
Un altro importante elemento di informazione linguistica è la relazione tra il pronome relativo
che ed il suo antecedente ragazzo che non viene catturata dall’annotazione riportata sopra. È questa
relazione che permette una interpretazione di ragazzo come l’inteso oggetto diretto di ha incontrato.
Per annotare, in maniera esplicita, la relazione che sussiste tra che e ragazzo introduciamo qui di
seguito una relazione binaria ad hoc chiamata “legame”, il cui primo argomento è costituito
dall’elemento legato (il pronome relativo nel nostro caso) ed il secondo dal nome che lega o
antecedente:
legame (che, ragazzo)
Si noti che l’intesa relazione funzionale tra incontrare e ragazzo può di fatto essere inferita dalla
relazione di legame che c’è tra che e ragazzo.
Passando al caso della ripresa pronominale in costruzioni a dislocazione, si considerino i
seguenti esempi il dolce Maria lo porta domani e Maria lo porta domani, il dolce la cui
rappresentazione in termini funzionali è riportata di seguito:
sogg (portare, Maria)
ogg_d (portare, lo)
mod (portare, domani)
Per annotare la relazione che sussiste tra lo e dolce si ricorre alla stessa relazione di legame, il
cui primo argomento è costituito dall’elemento legato (il pronome clitico nel nostro caso) ed il
secondo dall’elemento dislocato:
legame (lo, dolce)
Anche in questo caso l’intesa relazione funzionale tra portare e dolce può di fatto essere inferita
dalla relazione di legame che c’è tra lo e dolce.
5.2 Criteri di annotazione per il livello funzionale
Dopo aver illustrato a grandi linee lo schema di annotazione per il livello funzionale, segue una
specifica dei criteri di applicazione di questo schema al testo, ed in particolare a costruzioni
sintattiche che possono porre particolari problemi di annotazione. Questa sezione si propone dunque
come guida all’applicazione dello schema proposto, fornendo criteri di identificazione delle
relazioni illustrate sopra e illustrando la rappresentazione di fenomeni sintattici lessicalmente
governati (ad esempio schemi di sottocategorizzazione associati a classi di nomi, verbi e aggettivi)
così come di costruzioni complesse che rispondono a principi generali della grammatica
dell’italiano (ad esempio, costruzioni con frasi relative ed interrogative, fenomeni di ellissi,
relazioni di coreferenza, etc.). Le frasi di esempio riportate sotto sono state estratte, ove possibile,
dal corpus della Treebank di SI-TAL.
Procederemo con una lista di annotazioni di riferimento, articolata come segue:
54

Codice linea e Tema
• criteri per la distinzione tra argomenti e modificatori (sezione 5.2.1);
• costruzioni di base (sezione 5.2.2);
• costruzioni coordinate (sezione 5.2.3);
• costruzioni ellittiche (sezione 5.2.4);
• annotazione di relazioni di coreferenza (sezione 5.2.5);
• annotazione di costruzioni predicative (sezione 5.2.6);
• annotazione di costruzioni causative (sezione 5.2.7);
• annotazione di costruzioni partitive (sezione 5.2.8);
• annotazione di costruzioni comparative (sezione 5.2.9);
• miscellanea di costruzioni tipiche dei testi reali (date, numeri, nomi propri, etc.) (sezione
5.2.10).
5.2.1 Distinzione tra argomenti e modificatori
La distinzione tra argomenti e modificatori è gestibile senza particolari difficoltà nell’ambito di
analizzatori sintattici sulla base di un lessico di riferimento contenente informazione sulla
sottocategorizzazione dei predicati. Ma l’annotazione di una Treebank non prevede necessariamente
il ricorso ad un lessico di riferimento. Dietro a questa scelta stanno motivi di varia natura:
1) le risorse lessicali esistenti sono insufficienti per applicazioni su scala reale per copertura del
lessico sia a livello di lemmi che di costruzioni sintattiche associate ad essi;
2) una Treebank è tipicamente usata anche per acquisire informazione di questo tipo, per cui una
proiezione preventiva delle interpretazioni possibili può interferire con i risultati attesi.
La distinzione va dunque demandata all’annotatore del testo, sulla base della sua intuizione. La
difficoltà di questo compito è ripetutamente segnalata nella letteratura sulle Treebank: Marcus et al.
(1994) sottolineano la difficoltà di questa distinzione quando applicata ad un’ampia varietà di verbi
e riferita all’uso reale della lingua.
Per guidare l’annotatore nell’interpretazione dei casi incerti, forniamo qui di seguito una batteria
di criteri ed euristiche basate su test di natura sintattica tratti dalla letteratura corrente in proposito
(Somers 1984, Meyers et al. 1994):
• omissibilità/obbligatorietà - se un costituente nel contesto locale di un verbo non può
essere omesso, allora si tratta di un argomento: ad esempio, in mettere il libro sulla tavola
sia libro che tavola non possono essere omessi (*mettere il libro, *mettere sulla tavola). Si
tratta di un criterio affidabile, ma non può essere usato per identificare i modificatori dato
che argomenti di molti verbi possono essere tranquillamente omessi (si veda ad esempio il
caso di mangiare);
55

Codice linea e Tema
• “retroformazioni” - un costituente nel contesto locale di un verbo è un modificatore se può
essere riformulato come una frase subordinata: è morto a Dresda, è morto quando era a
Dresda; vive a Parigi, *vive quando è a Parigi. Si tratta di un criterio di difficile
applicazione dato che molti modificatori non possono essere facilmente riformulati in
termini di una frase subordinata (i bambini giocano oggi, *i bambini giocano quando è
oggi);
• partecipazione ad alternanze di diatesi - nel caso di verbi con alternanza di diatesi, i
costituenti che alternano tra diverse realizzazioni superficiali nelle diverse sono da
considerarsi argomenti. Ad esempio, considerate le frasi ha spalmato il burro sul pane e ha
spalmato il pane con il burro sia burro che pane appaiono essere argomenti di spalmare. Si
tratta di un criterio utile e sufficientemente affidabile a condizione che l’alternanza sia stata
identificata in modo appropriato;
• “fare lo stesso” test - quando fare lo stesso è usato nella coordinazione di frasi come una
proforma del gruppo verbale ripetuto, solo i modificatori possono essere esclusi dalla
sostituzione. Ad esempio, si confrontino: Maria ha incontrato Giovanni a Parigi, e Pietro
ha fatto lo stesso a Milano e *Maria ha messo il libro sulla tavola e Giovanni ha fatto lo
stesso sulla sedia. Il test è affidabile ma solo per una classe di predicati dalla quale
rimangono fuori gli stativi e in ogni caso tutti i predicati con i quali la sostituzione con la
proforma farlo è inaccettabile (*Maria è intelligente e Carlo fa lo stesso, ??Maria conosce
la risposta e Carlo fa lo stesso);
• anteposizione - i costituenti con funzione di modificatori possono essere anteposti
liberamente, mentre gli argomenti possono essere anteposti solo dando luogo a costruzioni
fortemente marcate. Ad esempio, la scorsa settimana ho comprato un libro vs sul pavimento
ho messo il libro. Si tratta di criterio affidabile, senza particolari controindicazioni.
Non è detto che i vari criteri convergano sulla stessa interpretazione. Quando la stessa
interpretazione è supportata da un numero significativo di test tra quelli elencati sopra, si
raccomanda all’annotatore di adottare l’interpretazione per la quale ha raccolto maggiore evidenza.
Per i casi che rimangono incerti si raccomanda si ricorrere alla sottospecificazione dell’analisi,
che nel caso specifico corrisponde alla relazione comp: si può sempre ritornare a rivedere analisi
sottospecificate mentre un’analisi completamente specificata ma erroneamente attribuita diventa più
difficilmente recuperabile e dunque correggibile.
5.2.2 Costruzioni di base
5.2.2.1 Costruzioni con verbo intransitivo
Gli uomini parlano e sognano sempre di un miglioramento
sogg (parlare, uomo)
sogg (sognare, uomo)
obl (parlare, miglioramento.)
obl (sognare, miglioramento.)
mod (parlare, sempre)
mod (sognare, sempre)
cong (parlare, sognare)
56

Codice linea e Tema
5.2.2.2 Costruzioni con verbo intransitivo inaccusativo
Gli studenti erano giunti nella zona alla spicciolata
sogg (giungere, studente)
arg (giungere, zona.)
mod (giungere, alla_spicciolata)
Slitta la riunione, prevista per oggi, della cosiddetta commissione Sangalli
sogg (slittare, riunione)
mod (riunione, previsto)
comp (previsto, oggi.)
comp (riunione, commissione.)
mod (commissione, cosiddetto)
mod (commissione, Sangalli)
5.2.2.3 Costruzioni con verbo transitivo con oggetto diretto
Carnevale ha sbagliato un gol quasi fatto
sogg (sbagliare, Carnevale)
ogg_d (sbagliare, gol)
mod (gol, fatto)
mod (fatto, quasi)
5.2.2.4 Costruzioni con verbo transitivo con oggetto indiretto
Gullit ha dichiarato guerra alla stampa sportiva
sogg (dichiarare, Gullit)
ogg_d (dichiarare, guerra)
ogg_i (dichiarare, stampa.)
mod (stampa, sportivo)
5.2.2.5 Costruzioni con verbo transitivo con complemento obliquo
La Bimex importa prodotti dalla Union Carbide
sogg (importare, Bimex)
ogg_d (importare, prodotto)
obl (importare, Union _Carbide.)
5.2.2.6 Costruzioni passive
I due malavitosi sono stati spesso segnalati in diverse occasioni
sogg (segnalare., malavitoso.)
mod (segnalare, spesso)
57

Codice linea e Tema
mod (segnalare, occasione.)
mod (occasione, diverso)
L’accordo è stato firmato ieri al Pentagono dal ministro americano
sogg (firmare., accordo)
mod (firmare, ieri)
mod (firmare, Pentagono.)
comp (firmare, ministro.< introdep =“da”, ruolo=agente>)
mod (ministro, americano)
Anche se l’annotazione a livello di relazioni riguarda la sintassi di superficie, la rappresentazione
riportata sopra contiene anche indicazione esplicita dell’agente (che viene fornita quando
esplicitamente indicato nella realizzazione superficiale della frase): questa informazione è
convogliata dal tratto ruolo associato all’elemento dipendente della relazione comp, il cui valore
specifica che si tratta dell’agente del firmare.
5.2.2.7 Costruzioni con completive sottocategorizzate
Un doppio cordone di poliziotti continuava a circondare tutta la piazza
sogg (continuare, cordone)
mod (cordone, doppio)
comp (cordone, poliziotti.< introdep =“di”>)
arg (continuare, circondare.< introdep =“a”, status=aperto>)
sogg (circondare, cordone)
ogg_d (circondare, piazza)
mod (piazza, tutto)
Un uomo anziano cercava di spiegare che simili azioni non giovano
sogg (cercare, uomo)
mod (uomo, anziano)
arg (cercare, spiegare.< introdep =“di”, status=aperto>)
sogg (spiegare, uomo)
arg (spiegare, giovare.< introdep =“che”, status=chiuso>)
sogg (giovare, azione)
mod (azione, simile)
mod (giovare, non)
Luigi ha visto Paolo uscire dal casolare
sogg (vedere, Luigi)
ogg_d (vedere, Paolo)
arg (vedere, uscire.)
sogg (uscire, Paolo)
arg (uscire, casolare.)
Giovanni ha visto Maria correre
58

Codice linea e Tema
sogg (vedere, Giovanni)
ogg_d (vedere, Maria)
arg (vedere, correre.)
sogg (correre, Maria)
Che i governi europei debbano silenziosamente ingoiarle non è giusto
sogg (essere, ingoiare.< introdep =“che”, status=chiuso, perifra=“dovere”>)
pred (essere, giusto)
mod (essere, non)
sogg (ingoiare, governo)
mod (governo, europeo)
ogg_d (ingoiare, le)
mod (ingoiare, silenziosamente)
sogg (ingoiare, giusto)
5.2.2.8 Costruzioni con interrogative indirette
Le interrogative indirette sono un tipo di frase argomentale che presentano un introduttore di
subordinazione che non può mai essere omesso ed occupa la posizione iniziale: l'elemento
introduttore è un sintagma interrogativo, comprendente un pronome, aggettivo o avverbio della
serie interrogativa (chi, che cosa, come, quando, dove, perché, quale, quanto, etc.). La struttura a
dipendenze associata a queste frasi nello schema di annotazione funzionale di SI-TAL segue le
indicazioni della Word Grammar di Hudson (1984:84-85) ed è esemplificata negli esempi che
seguono:
Io non so chi ha parlato
sogg (sapere, io)
arg (sapere, chi)
mod (sapere, non)
sogg (parlare, chi)
So quando è partito
sogg (sapere, )
arg (sapere, quando)
sogg (partire, )
mod (partire, quando)
Come si può notare, l'elemento interrogativo è un dipendente condiviso da due teste, ovvero dal
predicato reggente (il verbo nei casi sopra) così come dalla testa verbale della frase interrogativa.
Mentre la seconda relazione di dipendenza appare scontata, la relazione tra il predicato reggente e
l'elemento interrogativo non lo è. A favore di questo tipo di analisi c'è il fatto che l'elemento
interrogativo può occorrere nella frase senza il resto della frase interrogativa: es. non so chi, non so
quando. In questi casi la parola interrogativa non può che dipendere da sapere. Un altro argomento
a favore di questo tipo di analisi sta nel fatto che il predicato reggente sottocategorizza per una frase
interrogativa all'interno della quale la marca di interrogatività è associata all'elemento interrogativo
che la introduce.
59

Codice linea e Tema
Nel caso in cui l'elemento interrogativo sia costituito da un aggettivo, l'annotazione sarà come
segue:
Non so quale treno abbia preso
sogg (sapere, )
mod (sapere, non)
arg (sapere, treno)
mod (treno, quale)
sogg (prendere, )
ogg_d (prendere, treno)
5.2.2.9 Costruzioni con modificazione frasale (gerundive, participiali, infinitive)
Dobbiamo vincere domenica per interrompere questo brutto momento
sogg (vincere, . )
mod (vincere, domenica)
mod (vincere, interrompere.)
ogg_d (interrompere, momento)
mod (momento, questo)
mod (momento, brutto)
Il Ministero della Difesa esce allo scoperto per smentire infondate speculazioni
sogg (uscire, Ministero)
mod (ministero, Difesa.)
mod (uscire, allo_scoperto)
mod (uscire, smentire.)
sogg (smentire, Ministero)
ogg_d (smentire, speculazione)
mod (speculazione, infondato)
Gli evasori hanno aggredito gli agenti di custodia sparando all’impazzata
sogg (aggredire, evasore)
ogg_d (aggredire, agente)
mod (agente, custodia.)
mod (aggredire, sparare.)
mod (sparare, all’_impazzata)
5.2.2.10 Costruzioni con complementi predicativi del soggetto e dell’oggetto
Maria è diventata una bella ragazza
sogg (diventare, Maria)
pred (diventare, ragazza)
mod (ragazza, bello)
sogg (ragazza, Maria)
60

Codice linea e Tema
Maria sembra infelice
sogg (sembrare, Maria)
pred (sembrare, infelice)
sogg (infelice, Maria)
Giovanni considera Maria una bella ragazza
sogg (considerare, Giovanni)
ogg_d (considerare, Maria)
pred (considerare, ragazza)
mod (ragazza, bello)
sogg (ragazza, Maria)
Lui considera il loro strumento di ricerca un modo di fare soldi rapidamente
sogg (considerare, lui)
ogg_d (considerare, strumento)
mod (strumento, loro)
mod (strumento, ricerca.)
pred (considerare, modo)
arg (modo, fare.)
ogg_d (fare, soldo)
mod (fare, rapidamente)
sogg (modo, strumento)
Brancati considerava i siciliani il popolo più intelligente d’Europa
sogg (considerare, Brancati)
ogg_d (considerare, siciliano)
pred (considerare, popolo)
mod (popolo, intelligente)
mod (intelligente, più)
comp (intelligente, Europa.)
sogg (popolo, siciliano)
Come si può notare dall’analisi e dal confronto delle frasi annotate riportate sopra, a livello della
relazione assegnata – pred - non si fa distinzione tra complemento predicativo del soggetto e
dell’oggetto. Questa informazione è comunque implicita nell’annotazione globale della frase.
Quando dalla testa verbale del complemento predicativo dipenda anche un oggetto diretto (ogg_d),
la relazione pred è da interpretarsi come predicativa dell’oggetto; in caso contrario, il complemento
predicativo si riferisce al soggetto; questa informazione è codificato mediante la relazione sogg che
è usata per contrassegnare il soggetto del complemento predicativo (del soggetto o dell’oggetto).
Da un’analisi attenta dell’annotazione adottata dovrebbe risultare evidente la sua compatibilità
sia con schemi che marcano la dipendenza tra il complemento predicativo e la testa verbale, sia con
interpretazioni che guardano al complemento predicativo in termini di frase ridotta governata dalla
testa verbale.
61

Codice linea e Tema
5.2.2.11 Complementazione di nomi e aggettivi
Eriksson non ha idea della piega inferta alla nostra penisola
sogg (avere, Eriksson)
ogg_d (avere, idea)
mod (avere, non)
comp (idea, piega.)
mod (piega, inferto)
arg (inferto, penisola.)
mod (penisola, nostro)
Viola deve fare esperienza sui pedatori a disposizione e sui tecnici
sogg (fare., Viola)
ogg_d (fare, esperienza)
arg (esperienza, pedatore.)
mod (pedatore, a_disposizione )
arg (esperienza, tecnico.)
cong (pedatore, tecnico)
Il Parlamento incomincerà un dibattito sulla partecipazione al programma
sogg (incominciare, Parlamento)
ogg_d (incominciare, dibattito)
comp (dibattito, partecipazione.)
arg (partecipazione, programma.)
Fonti dell’amministrazione hanno auspicato un’intesa con il governo
sogg (auspicare, fonte)
mod (fonte, amministrazione.)
ogg_d (auspicare, intesa)
arg (intesa, governo.)
La società sarà integrata con il settore cucine della Candy
sogg (integrare., società)
obl (integrare, settore.)
mod (settore, cucina)
comp (settore, Candy.)
La credenza che la Terra sia rotonda è radicata
sogg (essere 2 , credenza)
pred (essere 2 , radicato)
sogg (radicato, credenza)
arg (credenza, essere 1 .)
sogg (essere 1 , Terra)
pred (essere 1 , rotondo)
sogg (rotondo, Terra)
62

Codice linea e Tema
5.2.2.12 Negazione
Io non mangio panini con la mortadella
sogg (mangiare, io)
mod (mangiare, non)
ogg_d (mangiare, panino)
mod (panino, mortadella.)
I bambini non devono guardare film violenti
sogg (guardare., bambino)
mod (guardare, non)
ogg_d (guardare, film)
mod (film, violento)
5.2.2.13 Costruzioni esistenziali
C’è una vespa nella mia camera
mod (essere, ci)
sogg (essere, vespa)
pred (essere, camera.)
mod (camera, mia)
Paolo ha visto che c’era Maria con Luigi
sogg (vedere, Paolo)
arg (vedere, essere.)
mod (essere, ci)
sogg (essere, Maria)
mod (essere, Luigi.)
5.2.3 Costruzioni coordinate
• Coordinazione di soggetti
I superstiti e i parenti delle vittime hanno espresso malumore per la scarcerazione
sogg (esprimere, superstite)
sogg (esprimere, parente)
cong (superstite, parente)
comp (parente, vittima.)
ogg_d (esprimere, malumore)
mod (malumore, scarcerazione.)
• Frasi composte con proposizioni coordinate
La donna sbrigava le faccende di casa e doveva avere familiarità con i cani
63

Codice linea e Tema
sogg (sbrigare, donna)
ogg_d (sbrigare, faccenda)
mod (faccenda, casa.)
sogg (avere., donna)
ogg_d (avere., familiarità)
comp (familiarità, cane.)
cong (sbrigare, avere.)
• Coordinazione aggettivale
Il fatturato complessivo delle società controllate e collegate è elevato
sogg (essere, fatturato)
mod (fatturato, complessivo)
mod (fatturato, società.)
mod (società, controllato)
mod (società, collegato)
cong (controllato, collegato)
pred (essere, elevato)
sogg (elevato, fatturato)
• Coordinazione di complementi
Tale incremento è dovuto all’aumento di capitale, all’utile d’esercizio ed ai contributi per
l’editoria
sogg (essere, incremento)
mod (incremento, tale)
pred (essere, dovuto)
sogg (dovuto, incremento)
arg (dovuto, aumento.)
comp (aumento, capitale.)
arg (dovuto, utile.)
mod (utile, esercizio.)
arg (dovuto, contributo.)
comp (contributo, editoria.)
cong (aumento, utile)
cong (utile, contributo)
Il mundial di calcio termina con la finalissima di domenica sera e con i risultati conosciuti
sogg (terminare, mundial)
mod (mundial, calcio.)
comp (terminare, finalissima.)
mod (finalissima, domenica.)
mod (domenica, sera)
comp (terminare, risultato.)
mod (risultato, conosciuto)
cong (finalissima, risultato)
• Condivisione di complementi in costruzioni coordinate
64

Codice linea e Tema
L’assemblea di ieri ha confermato Eugenio Scalfari ed ha deliberato di aumentare il
numero dei consiglieri
sogg (confermare, assemblea)
mod (assemblea, ieri.)
ogg_d (confermare, Eugenio_Scalfari)
sogg (deliberare, assemblea)
arg (deliberare, aumentare.)
sogg (aumentare, assemblea)
ogg_d (aumentare, numero)
arg (numero, consigliere.)
cong (confermare, deliberare)
Questo esempio illustra la strategia che è stata adottata nell’ambito della Treebank di SI-TAL per
l’annotazione di argomenti o modificatori condivisi da più di una testa in strutture coordinate. Si
può notare che l’annotazione di complementi condivisi non costituisce particolare problema
nell’ambito di uno schema di rappresentazione funzionale, al contrario dei problemi invece
tipicamente posti da complementi condivisi a livello di rappresentazione a costituenti.
• Altre costruzioni coordinate
Costruzioni coordinate con ma vengono annotate con la relazione di congiunzione (“cong”): in
questo caso il secondo partecipante deve avere “ma”come valore di “introsim”.
… il bilancio ha ottenuto risultati di rilievo, in campo economico e sindacale, ma anche sul
fronte dell’autonomia…
cong (campo, fronte.)
5.2.4 Costruzioni ellittiche
Questa sezione illustra la strategia di annotazione di costruzioni ellittiche messa a punto per la
Treebank di SI-TAL. Negli esempi riportati finora, le relazioni funzionali riguardano istanze di
parole in un testo. Le costruzioni ellittiche, d’altra parte, sembra che richiedano che le relazioni
funzionali debbano essere stabilite tra un’istanza di una parola ed un tipo astratto, definito mediante
tratti o mediante un tipo lessicale.
5.2.4.1 Ellissi del soggetto
Ho visto Maria uscire di casa
sogg (vedere, . )
ogg_d (vedere, Maria)
arg (vedere, uscire.)
sogg (uscire, Maria)
arg (uscire, casa.< introdep =“di”>)
Abbiamo visto l’opera nella piazza del paese
sogg (vedere, . )
ogg_d (vedere, opera)
65

Codice linea e Tema
mod (vedere, piazza.< introdep =“in”>)
mod (piazza, paese.< introdep =“di”>
5.2.4.2 Ellissi del verbo
Si consideri l’esempio che segue:
Gli esempi sono scritti in corsivo, le glosse in stampatello
sogg (scrivere., esempio)
mod (scrivere, corsivo.< introdep =“in”>)
sogg (SCRIVERE., glossa)
mod (SCRIVERE, stampatello.< introdep =“in”>)
dove glossa e stampatello sono rispettivamente soggetto e modificatore di un tipo astratto che
non ha alcuna istanziazione nel testo, corrispondente al lemma scritto in maiuscolo, ovvero
SCRIVERE.
Seguono altri esempi di costruzioni ellittiche e relativa annotazione secondo lo schema proposto.
La ballata di Mackie Messer è cantata da Sting, Jenny dei pirati dalla Nannini
sogg (cantare., ballata)
mod (ballata, Mackie_Messer.< introdep =“di”>)
comp (cantare, Sting.)
sogg (CANTARE., Jenny)
mod (Jenny, pirata.)
comp (CANTARE, Nannini.)
Molti diranno che è il trionfo della marcatura a uomo, io no
sogg (dire, molto)
arg (dire, essere.)
pred (essere, trionfo)
comp (trionfo, marcatura.)
mod (marcatura, a_uomo)
sogg (DIRE, io)
comp (DIRE, no)
Gli esempi riportati fino a questo punto presentano casi di ellissi in strutture coordinate, dove nel
secondo congiunto si osserva l’omissione del verbo. Nell’annotazione proposta le relazioni di
dipendenza del secondo congiunto fanno riferimento ad una testa verbale astratta, ricostruita a
partire dall’analisi del primo congiunto. Ma non è sempre il caso che il materiale ellittico sia
ricostruibile dall’analisi della frase. Si consideri ad esempio il caso seguente, che presenta l’ellissi
della copula:
Queste le principali raccomandazioni rivolte all’Italia dalla commissione europea
sogg ( , questo)
pred ( , raccomandazione)
mod (raccomandazione, principale)
66

Codice linea e Tema
mod (raccomandazione, rivolgere.)
ogg_i (rivolgere, Italia.< introdep =“a”>)
comp (rivolgere, commissione.< introdep =“da”,ruolo=agente>)
mod (commissione, europeo)
L’annotazione riportata sopra contiene due relazioni di dipendenza la cui testa non è specificata.
5.2.4.3 Ellissi in costruzioni verbali perifrastiche
L'ellissi dell'ausiliare in tempi composti oppure del verbo modale, aspettuale o causativo in
costruzioni perifrastiche di varia natura (si veda la sezione 5.1.1.1.2.2) viene gestita al livello della
descrizione in tratti dei partecipanti alla relazione funzionale.
Si prenda ad esempio un caso di ellissi del verbo modale:
Si possono scegliere i fondi e realizzare bordure
L’annotazione prevede la codifica del verbo modale sia in relazione a scegliere sia a realizzare. I
due casi sono differenziati come segue:
ogg_d (scegliere., fondo)
ogg_d (realizzare., bordura)
ovvero nel caso di ellissi del modale, il valore associato al tratto perifra è marcato da un
asterisco.
Analoga strategia di annotazione viene adottata nei casi di ellissi dell’ausiliare e negli altri tipi di
costruzioni perifrastiche.
5.2.5 Annotazione di relazioni di coreferenza
L’annotazione delle relazioni di coreferenza è esemplificata mediante il caso delle frasi relative:
Prost lascia la McLaren per una Ferrari che non cammina
sogg (lasciare, Prost)
ogg_d (lasciare, McLaren)
obl (lasciare, Ferrari.< introdep =“per”>)
sogg (camminare, che)
mod (camminare, non)
legame (che, Ferrari)
Il presidente ha indicato le imprese italiane che producono e importano energia
sogg (indicare, presidente)
ogg_d (indicare, impresa)
mod (impresa, italiano)
sogg (produrre, che)
sogg (importare, che)
ogg_d (produrre, energia)
ogg_d (importare, energia)
67

Codice linea e Tema
cong (produrre, importare)
legame (che, impresa)
Il paese dove io sono nato è lontano
sogg (essere, paese)
pred (essere, lontano)
sogg (lontano, paese)
sogg (nascere, io)
comp (nascere, dove)
legame (dove, paese)
5.2.6 Casi particolari di costruzioni predicative
• Costruzioni predicative con fare
Seguendo Renzi (1991, pagg. 195-6) e Schwarze (1995, pag. 122), costruzioni del tipo fare da
autista a qualcuno e fare come uno sconosciuto con qualcuno sono annotate come segue: viene
stabilita una relazione di predicazione (pred) tra il verbo fare e il sostantivo che svolge il ruolo di
predicato (fare e autista, fare e sconosciuto). Nella descrizione del predicato, viene specificato
l'introduttore (dando luogo rispettivamente a introdep=“da” e introdep=“come”). Lo stesso
trattamento viene riservato a costruzioni analoghe con i verbi fungere e servire.
• Costruzioni predicative con avere
Un complemento predicativo dell'oggetto può accompagnare molti verbi transitivi nel loro
significato basico. Questo tipo di complemento predicativo è particolarmente frequente con avere
(Renzi, vol. 2, p. 201). Si consideri l'esempio che segue:
Essi avevano come protagonista il cittadino
ogg_d (avere, cittadino)
pred (avere, protagonista.)
• Costruzioni predicative con essere
Costruzioni del tipo “essere in/a + sostantivo” (Luigi è a/in casa) “essere da + infinito” (le mele
sono da mangiare) sono annotate come segue:
Luigi è in casa
pred (essere, casa.)
5.2.7 Costruzioni causative
Nello schema di annotazione funzionale di SI-TAL le costruzioni causative sono annotate come
segue:
Io ho fatto applicare la legge
sogg (fare, io)
arg(fare, applicare)
68

Codice linea e Tema
ogg_d(applicare, legge)
Ho fatto fare qualche ricerca alla mia segretaria
sogg (fare1, )
arg(fare1, fare2)
ogg_i(fare1, segretaria.)
sogg(fare2, segretaria)
ogg_d(fare2, ricerca)
mod(segretaria, mio)
Ho fatto partire la macchina
sogg (fare, )
ogg(fare, macchina)
arg(fare, partire)
sogg(partire, macchina)
5.2.8 Costruzioni partitive
In costruzioni partitive del tipo dello stile impero sopravvive una certa indulgenza, l’espressione
partitiva viene annotata come un modificatore del soggetto. Nella frase di esempio, impero viene
annotato come modificatore di indulgenza come illustrato di seguito:
Dello stile impero sopravvive una certa indulgenza
mod (indulgenza, stile.)
5.2.9 Annotazione delle costruzioni con superlativo e con strutture comparative
5.2.9.1 Superlativi
• Superlativo assoluto
Il grado superlativo assoluto di un aggettivo può essere espresso in forma sintetica (e cioè con
l’aiuto del suffisso -issimo, o di prefissi del tipo stra-, -arci ecc.) o in forma analitica, con l’aiuto di
un modificatore avverbiale (molto, assai) solitamente preposto all’aggettivo. Quando espresso in
forma sintetica, il grado è annotato con l’attribuzione del valore “superlativo” al tratto ruolo
relativo all’aggettivo. Quando espresso in forma analitica, l’annotazione riguarda sia il livello di
relazioni di dipendenza sia il livello dei tratti che descrivono l'aggettivo, ovvero:
• nella descrizione in tratti dell’aggettivo
• l'attribuzione del valore di “superlativo” al tratto ruolo;
• al livello relazionale, mediante la definizione di una relazione di modificazione tra la testa
aggettivale e il modificatore avverbiale.
Si veda l'esempio che segue:
69

Codice linea e Tema
Paolo è molto bello
sogg (essere, Paolo)
pred (essere, bello.)
mod (bello, molto)
sogg (bello, Paolo)
• Superlativo relativo
Le costruzioni con un aggettivo di grado superlativo relativo prevedono: i) l’obbligo del tratto di
definitezza o sull’aggettivo o sul sostantivo che l’aggettivo modifica; ii) l’espressione del grado o
sinteticamente (per alcune forme aggettivali lessicalmente “marcate” come migliore, maggiore ecc.)
o analiticamente attraverso l’avverbio più in posizione obbligatoriamente pre-aggettivale; iii) una
restrizione opzionale dell’ambito relativamente al quale viene espresso il grado superlativo
dell’aggettivo in questione. Nel caso più comune in cui il superlativo relativo venga espresso in
forma analitica, l’annotazione riguarda sia il livello di relazioni di dipendenza sia il livello dei tratti
che descrivono l’aggettivo, ovvero:
• nella descrizione in tratti dell'aggettivo, mediante:
• l'attribuzione del valore di “superlativo” al tratto ruolo;
• l'attribuzione del valore di “+” al tratto definitezza;
• al livello relazionale, mediante la definizione di una relazione di modificazione tra la testa
aggettivale e il più.
La relazione tra l’aggettivo e il suo ambito viene annotata in termini di comp; inoltre, al livello
della descrizione del dipendente viene assegnato il valore”ambito” al tratto ruolo.
Si veda l'esempio che segue:
Il ragazzo più prestigioso d’America
mod (ragazzo, prestigioso)
mod (prestigioso, più)
comp (prestigioso, America.)
5.2.9.2 Costruzioni comparative
Le costruzioni comparative pongono notevoli difficoltà di annotazione derivanti dai fenomeni di
discontinuità e di ellissi che le caratterizzano. Inoltre, l'estrema varietà di questo tipo di costruzioni
nell'uso reale della lingua e la diffusa presenza di costruzioni “marginali” o di dubbia accettabilità
ne rendono l'annotazione ancora più difficoltosa.
In linea di principio, ogni struttura comparativa contiene un elemento “comparato” (quello
tipicamente designato come primo termine di paragone) ed un elemento “comparativo” (detto anche
secondo termine di paragone). Nella Treebank di SI-TAL, tra i due elementi della struttura
comparativa viene stabilita una relazione di tipo comp, dove la testa è rappresentata dall'elemento
comparato e il dipendente dall'elemento comparativo; la funzione di elemento comparativo è
esplicitamente marcata al livello del tratto ruolo del dipendente, al quale viene assegnato il valore
“compar(ativo)”.
70

Codice linea e Tema
E' più intelligente dell’insegnante
sogg (essere, .)
pred (essere, intelligente)
mod (intelligente, più)
comp (intelligente, insegnante.)
Ho visto più uomini che donne
sogg (vedere, .)
ogg (vedere, uomo)
mod (uomo, più)
comp (uomo, donna.)
Questo schema di annotazione, per quanto non interamente soddisfacente, risponde al criterio
generale di non considerare come teste di una dipendenza parole con funzioni marcatamente
grammaticali, appartenenti a classi chiuse. Inoltre risolve il problema dell’individuazione della testa
anche in quei casi dove il grado comparativo risulta lessicalizzato (o realizzato sinteticamente),
come in aggettivi del tipo migliore, maggiore ecc. Torneremo sulla comparazione nella parte finale
di questa sezione per discutere più nel dettaglio alcuni aspetti di questo fenomeno e dei problemi
legati alla loro annotazione.
5.2.10 Miscellanea
In questa sezione, vengono riportate le specifiche di annotazione per costruzioni particolarmente
ricorrenti in un corpus giornalistico quale quello della Treebank di SI-TAL: ad esempio, date,
numeri, nomi propri, costruzioni appositive di vario tipo. Grammatiche di riferimento della lingua
italiana relegano questa tipologia di costruzioni sintattiche ad una posizione del tutto marginale, ma
nell'annotazione di un corpus di lingua reale non possono essere ignorate. I paragrafi che seguono
dettagliano le specifiche di annotazione per questa miscellanea di costruzioni.
5.2.10.1 Annotazione delle date
All'interno di un testo, le date compaiono in più forme. Ad esempio:
1. il 25 dicembre 1999 sono partito
2. nel 2000, sono partito
3. nel/in maggio, sono partito
Per l'annotazione funzionale delle date, si è stabilito che la testa funzionale è costituita
dall’elemento che seleziona la preposizione o l’articolo che precede l’intera espressione temporale.
Nei casi precedenti, le teste funzionali sono rispettivamente 25 (1), 2000 (2) e maggio (3) dando
così luogo alle seguenti annotazioni:
1. mod (partire, 25.)
mod (25, dicembre)
mod (dicembre, 1999)
2. mod (partire, 2000.)
3. mod (partire, maggio.)
71

Codice linea e Tema
5.2.10.2 Annotazione di cardinalità complessa
La maggior parte delle espressioni numeriche nell'uso reale del corpus non riportano la cifra
come una espressione unica ma sono spesso riportate nei termini di espressioni del tipo “20 mila
dollari”. Il problema di annotazione che si pone in questo caso riguarda il fatto se si debba fornire
un'analisi interna di “20 mila” in termini di testa e dipendente. Considerata la tipologia di usi di cui
vuole essere suscettibile la Treebank di SI-TAL, si è deciso di ricorrere alla soluzione di annotare
“dollari” con una cardinalità complessa di “20 mila”, come esemplificato dall'esempio che segue:
Sfiora i 4 mila miliardi
ogg_d (sfiorare, miliardo.)
5.2.10.3 Annotazione di nomi propri
5.2.10.3.1 Annotazione di nome e cognome
Nel caso di nomi propri espressi in termini di nome e cognome qual è il caso di “Lamberto
Dini”, è stato stabilito che, per questioni inerenti il recupero di informazioni dalla base dati, la testa
debba essere il cognome della persona, mentre il nome costituisca un modificatore del cognome
stesso. Questo vale indipendentemente dall'ordine di apparizione di nome e cognome nel testo.
5.2.10.3.2 Annotazione di nomi propri composti
Per quanto riguarda casi quale “Carlo Azeglio Ciampi” in cui il nome di una persona è composto
da due nomi e da un cognome, è stato deciso che si devono annotare i due nomi come due diversi
modificatori del cognome. Es.:
Carlo Azeglio Ciampi
mod (Ciampi, Carlo)
mod (Ciampi, Azeglio)
5.2.10.4 Annotazione di costruzioni appositive di vario tipo
• Il neo ministro, Mario Rossi, ha deciso di dimettersi
sogg (decidere, ministro)
mod (ministro, neo)
mod (ministro, Rossi)
mod (Rossi, Mario)
arg (decidere, dimettersi)
• Elenco di istanze in costruzioni del tipo i seguenti indici: incremento … aumento … La
strategia di annotazione che è stata decisa per il trattamento di questi casi consiste nel
marcare le singole istanze che seguono i due punti come modificatori della testa nominale
indici.
72

Codice linea e Tema
5.2.10.5 Annotazione degli incisi in testa agli articoli
Per quanto riguarda gli incisi che si trovano all’inizio di molti articoli e che sono solitamente
rappresentati da nomi di località o di città, è stato deciso che non vengono annotati, data la difficoltà
di stabilire la natura della loro relazione con la frase che segue: può trattarsi della locazione
dell'evento descritto nell'articolo, oppure del luogo della scrittura ma questo non può sempre essere
inferito dal testo.
Pisa. Nuovi sviluppi nell’indagine
mod (sviluppo, nuovo)
mod (sviluppi, indagine)
5.2.10.6 Un caso particolare di congiunzione
Un caso particolare di congiunzione è quello che si osserva in espressioni del tipo 11 e 30, un
chilo e mezzo. In questo caso la congiunzione e non viene trattata come congiunzione coordinante
all'interno di una struttura coordinata; viene piuttosto annotata come l'introduttore di un
modificatore, che è costituito da 30 e da mezzo nei casi riportati sopra.
5.2.11 Problemi aperti
Le specifiche ed i criteri di annotazione dettagliati finora hanno trovato nella Treebank di SI-
TAL un fertile terreno di verifica. Rimangono comunque una serie di problemi aperti, di cui è
emersa consapevolezza nel corso del processo di annotazione e per i quali – al momento - non è
prospettata alcuna soluzione di annotazione. Tra questi, si annovera l'annotazione di:
• espressioni complesse in lingua straniera, quali quali Massachussets Institute of Technology
o Bank of China, che pongono il problema - oltre dello stabilire quale sia la testa e quale il
dipendente - anche dell'annotazione della preposizione of. Analogo problema si pone per
l'annotazione dell'espressione Cagnotti and Partners, in particolare per quanto riguarda
l'annotazione della congiunzione straniera;
• costruzioni ellittiche complesse: in una frase del tipo la RAI partiva da un volume di 30 mila
spot, la Fininvest di 127 mila l’ellissi non riguarda un singolo costituente bensì un segmento
di frase;
• espressioni comparative con il secondo termine della comparazione diverso da un sintagma
nominale.
In relazione a quest’ultimo punto, va notato che l’evidenza del corpus ha messo in luce alcune
inadeguatezze e insufficienze delle annotazioni proposte. Una revisione delle specifiche in corso
d’opera, oltre a porre ovvi problemi di “allineamento” delle nuove annotazioni con le vecchie,
avrebbe potuto rivelarsi in ultima analisi controproducente. C’era il rischio infatti che una revisione
precipitosa delle specifiche relative all’annotazione di una sotto-classe di fenomeni risultasse infine
incompatibile con altri fenomeni venuti alla luce più tardi nel corso dell’annotazione, con un
preoccupante effetto di “revisioni a cascata”. Abbiamo pertanto preferito, in questa fase, premiare la
coerenza complessiva della base dati risultante a spese dell’adeguatezza descrittiva dell’annotazione
e della sua aderenza all’uso linguistico reale. Riportiamo qui di seguito alcuni dei problemi emersi e
73

Codice linea e Tema
delle possibili strategie con le quali affrontarli. Questa casistica resta frammentaria, e la discussione
che segue è ancora lontana dal definire un quadro coerente e esaustivo.
Un primo problema è rappresentato dalla scelta di non annotare più come la testa di una
relazione di dipendenza. Si consideri a questo proposito il seguente esempio:
E' più intelligente dell’insegnante
sogg (essere, .)
pred (essere, intelligente)
mod (intelligente, più)
comp (intelligente, insegnante.)
Considerare insegnante come sintatticamente dipendente da intelligente (piuttosto che da più)
sembra non interamente adeguato sul piano sintattico, soprattutto in considerazione del fatto che più
ha, in questo contesto, un chiaro uso avverbiale. Inoltre, mentre la relazione di dipendenza tra
intelligente e insegnante sembra catturare una restrizione semantica tra le due parole, in un esempio
come ho letto più libri di Mario, diventa difficile postulare, per simmetria con l’esempio
precedente, una restrizione di uguale natura tra libro e Mario. D’altra parte, il fatto che, in generale,
la comparazione coinvolga tipicamente costruzioni grammaticali complesse costituisce un problema
non banale per un livello di annotazione funzionale (come quello adottato in SI-TAL) che ha come
obiettivo primario la definizione di relazioni di dipendenza tra parole “piene”.
Un secondo problema è dato dall’uso del che per introdurre un secondo termine di paragone non
costituito da un sintagma nominale, come nel seguente esempio:
Gianni ha parlato più con te che con lui
E’ chiaro che il tipo di relazione sintattica introdotta dal che (a differenza di quella introdotta dal
di + secondo termine di paragone in dell’insegnante) è ortogonale rispetto alla dipendenza sintattica
tra il sintagma preposizionale con te e il verbo parlare. Quale sia la natura della dipendenza
introdotta dal che e come rappresentarla adeguatamente a livello di annotazione restano ancora oggi
due problemi praticamente irrisolti. Il parallelo tra l’espressione più con te che con lui e sia con te
che con lui sembrerebbe suggerire un trattamento della prima costruzione come una dipendenza
simmetrica di tipo correlativo, da annotare come segue:
obl(parlare,te.)
obl(parlare,lui.)
corr(te.< introsim =“più”, introdep=“con”>, lui.)
dove “corr” indica appunto una relazione sintattica simmetrica di tipo correlativo. Questa soluzione
ha una certa plausibilità dal punto di vista sintattico, che risulta corroborata dalla analogia tra le
seguenti costruzioni comparative:
Gianni ha mangiato più mele che arance
Gianni ha mangiato tanto mele che/quanto arance
Tuttavia, in un esempio come il seguente la natura simmetrica della correlazione risulta del tutto
oscurata, e ancora una volta la soluzione proposta non sembra avere un grado sufficiente di
generalità:
Gianni ha mangiato tante mele quante Maria
74

Codice linea e Tema
Quest’ultimo esempio evidenzia, a nostro avviso, la necessità di annotare in maniera differenziata
gli introduttori del secondo termine di paragone. Accanto all’uso del di che definisce, nell’uso
comparativo, una dipendenza sintattica fondamentalmente omogenea rispetto ad altre preposizioni,
esistono altri introduttori del secondo termine di paragone, quali appunto che e quanto, che
presentano una maggiore autonomia sul piano sintattico e semantico (quanto in particolare ha in
molti casi un uso strettamente pronominale), e andrebbero quindi annotati, secondo noi, in maniera
distinta dal di. Detto questo, resta da capire quale tipo di relazione che e quanto stabiliscono con il
secondo termine di paragone in senso stretto. Ma questo problema, a sua volta, non può che
investire il trattamento delle ellissi in generale.
Infine, la presenza di casi, alcune volte marginali, ma comunque di largo uso nel parlato quotidiano,
di costruzioni comparative fortemente ellittiche, sembra evidenziare ancora una volta la
inadeguatezza delle nostre risorse espressive a livello di annotazione:
?Gianni è più stanco che se avesse scalato una montagna.
E’ probabilmente utile chiudere questa breve rassegna evidenziando la problematicità delle
costruzioni comparative anche per schemi di annotazione che si basino sulla nozione di costituenza.
Si noti, a questo proposito, che in una frase come quella che segue, l’ambito sintattico della
comparazione copre una sequenza quale mangiato mele che non ha alcuno status sintattico
plausibile dal punto di vista di un’analisi a costituenti:
Gianni ha ascoltato più opere in vita sua che mangiato mele.
5.3 Aspetti di annotazione con FunTAS
L'annotazione funzionale della Treebank di SI-TAL è stata effettuata manualmente con l'ausilio
di FunTAS, il sotto-sistema di GesTALt di supporto all’annotazione sintattico-funzionale. La
progettazione di FunTAS è avvenuta sulla base delle Specifiche Tecniche elaborate al termine della
Linea 1.1, quando il processo di annotazione vero e proprio non era stato ancora avviato.
La fase di annotazione vera e propria ha dunque costituito anche il primo momento di
validazione di FunTAS. Come è naturale, in questa fase sono emersi aspetti delle specifiche non
coperti al livello dell'interfaccia del tool di annotazione e/o della struttura dati: ciò rendeva
impossibile l'annotazione appropriata di certe costruzioni sintattiche. La correzione dei problemi
emersi, al livello di FunTAS, è stata però effettuata solo in parte. Infatti, un'alterazione della
struttura dei dati in una fase in cui il processo di annotazione era ormai avanzato avrebbe potuto
compromettere la coerenza interna dei dati annotati della Treebank: questi casi sono stati quindi
gestiti mediante l'adozione di codifiche transitorie al livello della base di dati di GesTALt, che sono
state riconvertite secondo quanto previsto dalle specifiche al livello dell'output in XML (per la
rappresentazione XML dell’annotazione funzionale si rinvia all’Appendice 2).
Nel corso del processo di annotazione, le specifiche iniziali sono state inoltre riviste ed integrate
alla luce dell'evidenza linguistica emergente dal corpus. Anche in questo caso, non tutte le revisioni
ed integrazioni apportate alle specifiche di annotazione hanno potuto essere assorbite al livello del
tool di annotazione e della sottostante struttura dati: infatti, l'aggiornamento ha riguardato solo quei
casi che non compromettevano la coerenza interna dei dati annotati. Di nuovo, gli altri casi sono
stati gestiti mediante soluzioni transitorie che permettevano la codifica dell'informazione
appropriata al livello del tool di annotazione e della relativa base di dati sfruttando tratti già presenti
nella struttura dati.
75

Codice linea e Tema
Questa sezione documenta soluzioni di annotazione adottate transitoriamente, sia al livello delle
relazioni funzionali (sezione 5.3.1), sia al livello della descrizione in tratti dei partecipanti alle
relazioni (sezione 5.3.2) o dei valori loro assegnati (sezione 5.3.3).
5.3.1 Una nuova relazione funzionale: CONCAT
La relazione di concatenazione (concat) costituisce una relazione di basso livello che è stata
introdotta per trattare casi in cui per l'annotazione funzionale sarebbe stato auspicabile il
riconoscimento di una espressione polilessicale: ad esempio, espressioni in lingua straniera, oppure
nomi propri italiani. Questa relazione mette in relazione di “concatenazione” i partecipanti cui viene
applicata senza attribuirgli alcuna struttura interna. Casi tipici trattati con questo tipo di relazione
sono rappresentati da Bank of China, Dolce & Gabbana, De Benedetti, La Repubblica così come
tutte le denominazioni composte di persone, enti o ditte.
La relazione di concatenazione viene stabilita a partire dal primo elemento che si incontra
durante l’annotazione fino all’ultimo dell’espressione complessa, per esempio:
Bank of China
concat (bank, of)
concat (of, China)
Si noti che le relazioni di dipendenza che coinvolgono espressioni complesse codificate mediante
la relazione di concatenazione fanno riferimento al primo elemento dell'espressione. Quindi, in una
frase del tipo La Bank of China ha deciso ... la relazione di soggetto viene stabilita tra decidere e
bank.
5.3.2 Annotazioni transitorie al livello della descrizione in tratti dei partecipanti
Questa sezione illustra le annotazioni transitorie adottate per gestire le revisioni ed integrazioni
delle specifiche che richiedevano l'inserimento di un nuovo tratto nella descrizione dei partecipanti
alle relazioni funzionali. Considerate le difficoltà derivanti dall'inserimento di un nuovo tratto nella
struttura dati in una fase in cui il processo di annotazione era ormai avanzato, abbiamo optato per
l'adozione – al livello di FunTAS/GesTALt - di codifiche transitorie che sfruttano tratti già presenti
nella struttura dati. In particolare, queste hanno riguardato gli attributi introduttore (sezione
5.3.2.1) e diatesi (sezione 5.3.2.2). Si noti che quanto descritto in questa sezione vale soltanto per la
base di dati sottostante a GesTALt, accessibile da FunTAS e ValTAS (si veda sezione 7); infatti,
queste codifiche transitorie sono state riviste e ristrutturate secondo quanto previsto dalle specifiche
al livello dell'output in XML.
5.3.2.1 L'attributo INTRODUTTORE
Tra le relazioni funzionali, lo schema di annotazione distingue relazioni di dipendenza e
relazioni “simmetriche” (tipicamente relazioni di congiunzione e disgiunzione). Per le relazioni di
dipendenza e per quelle simmetriche sono previsti due diversi tipi di attributo introduttore:
a. l’attributo introdep è utilizzato nel caso di relazioni di dipendenza (esso fa parte della
descrizione del dipendente, cfr sezione 5.1.1.1.2.1);
76

Codice linea e Tema
b. l'attributo introsim è usato per indicare l’introduttore dei partecipanti a una relazione
simmetrica (esso può essere associato ad entrambi i partecipanti alla relazione, cfr sezione
5.1.1.2.1).
Questa distinzione non si riflette ad oggi nella struttura dei dati al livello della base di dati di
GesTALt che prevede un unico tratto “introduttore”, associato al secondo elemento della relazione,
sia essa di dipendenza o di tipo simmetrico.
Quindi, quando la relazione funzionale è di tipo {dip | sogg | comp | mod | arg | pred | non-pred |
ogg_d | ogg_i | obl} l'attributo introduttore è da interpretarsi come introdep. Si veda l'esempio che
segue:
dove la relazione obl deve essere interpretata come segue:
obl (andare, cordata )
Invece, quando la relazione funzionale è di tipo simmetrico, ovvero {cong | disg}, l'attributo
introduttore è da interpretarsi come introsim, come illustrato nell'esempio che segue:
dove la relazione cong deve essere interpretata come segue:
cong (chiudere, attestare )
All'attributo introduttore possono essere assegnati anche valori complessi (separati da “_”) che
debbono essere ridistribuiti tra i vari partecipanti alla relazione. Si considerino i seguenti casi:
77

Codice linea e Tema
1. Strutture coordinate del tipo sia … sia, né … né, tanto …quanto. La figura che segue illustra
il trattamento di strutture coordinate complesse:
Come nei casi precedentemente illustrati, l'informazione relativa alle congiunzioni
coordinanti è riportata a questo livello come valore dell'attributo introduttore
(appositamente marcato da @) associato al secondo elemento della struttura coordinata: nel
caso entrambi gli elementi della struttura coordinata siano introdotti da una congiunzione,
entrambe le congiunzioni sono riportate nella descrizione del secondo elemento separate da
“_” come illustrato sopra. La relazione cong nell'esempio sopra deve essere interpretata
come segue:
cong (consumo., prenotazione.)
2. Strutture coordinate miste del tipo tanto a casa … quanto a scuola. In questi casi al livello di
FunTAS viene assegnato al tratto introduttore il valore complesso “@tanto_in_quanto_in”
da interpretarsi come segue:
cong (casa., scuola.)
Il tratto introduttore viene anche usato in altri casi. Definitezza costituisce un tratto dello
schema di annotazione il cui dominio di applicazione è risultato troppo ristretto, in quanto è stato
associato nell'interfaccia di FunTAS soltanto alla descrizione dei dipendenti nominali con parte del
discorso uguale a “S” o “SP”. Nel corso dell'annotazione la specificazione di tale attributo è invece
risultata necessaria anche in relazione a dipendenti di tipo pronominale (per pronomi di tipo il
quale, il cui etc.), numerale, aggettivale, e verbale (per trattare casi di nominalizzazioni, il 1994_n il
bello_agg oppure nel vedere_v); questo vale anche nel caso il dipendente sia costituito da una
abbreviazione. In questi casi, l'informazione relativa alla definitezza è stata transitoriamente
codificata al livello del tratto introduttore, marcando il valore come non appropriato (ovvero
facendolo precedere da @), come illustrato nella figura che segue:
78

Codice linea e Tema
dove la definitezza del dipendente numerale è specificata attraverso il valore @il associato al
tratto introduttore.
5.3.2.2 L'attributo DIATESI
Durante il processo di annotazione con FunTAS l’attributo diatesi è stato utilizzato non solo per
indicare la diatesi del verbo interessato (attiva, passiva o media), come da specifiche, ma anche per
marcare altre informazioni relative alla testa verbale. Per la codifica di queste informazioni lo
schema di annotazione è stato integrato da nuovi tratti, rispettivamente syn_form e reflex (se
vedano le sezioni 5.1.1.1.2.2). Considerate le difficoltà derivanti dall'inserimento di un nuovo tratto
nella struttura dati in una fase in cui il processo di annotazione era ormai avanzato, abbiamo optato
per una codifica transitoria che sfruttava tratti già presenti nella struttura dati. Quindi, alla lista
iniziale dei valori di diatesi sono stati aggiunti, lungo il corso dell’annotazione, anche i seguenti
valori che sono stati marcati con # che ne indica la non diretta pertinenza rispetto all'attributo di cui
costituiscono valore (si veda la sezione 4.1.2.3.1.1 del rapporto “Primo Prototipo” relativo alla
Linea 1.2):
1. #rifl: questo valore marca i verbi riflessivi propri;
2. #rifl_app: questo valore marca i riflessivi apparenti;
3. #ipron: questo valore marca la variante intransitiva di una parte dei verbi ergativi ed i verbi
inerentemente riflessivi:
4. #impers: questo valore marca la costruzione impersonale;
5. #impers_si: questo valore marca la costruzione con “si” impersonale;
6. #passivo_si: questo valore marca la costruzione con “si” passivante;
7. #rifl_ci_si: questo valore marca la costruzione riflessiva con “si” impersonale (es. ci si
lava);
8. #rifl_app_ci_si: questo valore marca la costruzione riflessiva apparente con “si” impersonale
(es. ci si lava le mani).
Al livello dell'output in XML, i valori dell'attributo diatesi preceduti da # sono stati riassegnati
agli attributi di diretta pertinenza (syn_form e/o reflex).
5.3.3 Valori particolari per INTRODEP
Questo punto riguarda l'annotazione di espressioni polilessicali di base non correttamente
identificate al livello dell'annotazione morfo-sintattica. Quando queste espressioni polilessicali
appaiono nella funzione di introduttore è stata adottata la seguente strategia di annotazione:
Noi siamo andati sino a Roma
obl (andare, Roma.)
Questo tipo di annotazione permetterà, in una fase successiva di revisione della Treebank, il
recupero di questi casi (sporadici) e la relativa correzione. Purtroppo, tutte le correzioni che
79

Codice linea e Tema
richiedevano una rinumerazione delle parole al livello dell'input non potevano essere apportate dato
che l'annotazione si è svolta in parallelo per i diversi livelli e questo avrebbe potuto inficiare
l'integrità dei dati nella base di dati sottostante a GesTALt.
6 Specifiche di annotazione per il livello semantico-lessicale
Nella Treebank di SI-TAL l’annotazione semantico-lessicale è consistita nell’assegnazione alle
occorrenze di verbi, nomi e aggettivi di:
i. un identificatore (numero) di senso nella risorsa lessicale di riferimento (IWN-Gen e/o
EcoWN);
ii.
tratti, espressi in termini di coppie attributo/valore, di due tipi:
• semantico, che convogliano informazioni semantico-lessicali (es. per contraddistinguere
gli idiomi, le metafore, ecc.);
• ad uso dell’annotatore, che convogliano informazioni sull’annotazione stessa (es. per
segnalare casi dubbi, ecc.).
Le specifiche che seguono costituiscono l’ossatura portante dello schema di annotazione per
questo livello. Esse raccolgono le revisioni ed integrazioni emerse nella fase di applicazione dello
schema di annotazione al corpus della Treebank di SI-TAL.
6.1 L’annotazione semantico-lessicale: tipologia degli elementi
L’annotazione semantico-lessicale identifica delle unità di senso che possono corrispondere a:
• singole parole ortografiche (un singolo Sostantivo, Verbo o Aggettivo);
• due o più parole ortografiche nel caso di espressioni polilessicali (genericamente denotate
in inglese come multi-word expressions) che compongono una unica unità di senso (es.
composti, idiomi ecc.).
Gli elementi annotati a livello semantico-lessicale sono di tre tipi:
• USS (unità semantica semplice)
• USC (unità semantica di tipo complesso)
• UST (unità semantica di tipo titolo).
L’elemento USS punta ad una singola parola, mentre l’elemento USC punta a più parole del testo
di input, ovvero ad un’espressione polilessicale. Infine l’elemento UST può puntare sia ad una
singola parola che a più parole adiacenti e serve per annotare titoli di libri, giornali, spettacoli ecc.
Al contrario dell’elemento USS che può riferirsi solo a parole piene del testo (in particolare,
sostantivi, verbi o aggettivi), sia USC che UST possono includere anche parole grammaticali (es.
preposizioni, articoli, ecc.) facenti parte dell’espressione. Es.:
• USC: mettere a ferro e fuoco
80

Codice linea e Tema
• UST: Il nome della rosa
Le espressioni polilessicali si distinguono in “continue” e “discontinue”. Si parla di espressioni
continue quando sono composte da più unità ortografiche adiacenti senza nessuna interruzione,
mentre nel caso opposto si parla di espressioni discontinue. Per questa ragione una unità di senso
complessa (USC) può riferirsi a più parole ortografiche che risultano separate tra loro da una serie
variabile di altre parole e, talvolta, addirittura invertite nell’ordine come mostrano gli esempi
seguenti:
• discontinuità: (es. mettere (tutto) per iscritto);
• inversione: (es. ‘Traguardi ambiziosi, insomma, che la Consulta delle professioni non
regolamentate, insediatasi ieri a Villa Lubin, è comunque convinta di riuscire a tagliare’).
Le espressioni continue sono in prevalenza nomi composti e in generale sequenze senza verbo,
mentre quelle discontinue possono essere idiomi e costruzioni con verbi supporto e più in generale
espressioni che includono un verbo.
Si noti che l’annotazione delle espressioni polilessicali non presuppone l’annotazione semanticolessicale
dei suoi singoli componenti. Da un punto di vista linguistico ciò è giustificato dal fatto che
tali espressioni non sono in molti casi composizionali semanticamente (o lo sono solo parzialmente)
e talvolta appare difficile o addirittura impossibile assegnare un senso, tra quelli attestati nella
risorsa lessicale di riferimento, ai suoi componenti (es. si pensi all’aggettivo rosa nella sequenza
cronaca rosa).
6.2 L’annotazione semantico-lessicale: tratti descrittivi
I seguenti tratti sono usati nella descrizione dei vari tipi di elementi semantici (USS, USC e UST):
• dbref (database di riferimento)
• ns (numero di senso)
• lem (lemma)
• pos (parte del discorso)
• alter(azione)
• fig(urato)
• np (nome proprio)
• tipousc (tipo di unità semanticamente complessa)
• tipolemma
• tipot (tipo di titolo)
• nota
• comm
Essi sono illustrati nelle sezioni che seguono.
81

Codice linea e Tema
6.2.1 dbref (database di riferimento)
Il tratto dbref (database di riferimento) consente di specificare la risorsa lessicale di riferimento
selezionata per l’annotazione, ovvero:
• IWN-Gen, per il lessico generico;
• EcoWN, per il lessico specialistico (finanziario).
6.2.2 ns (numero di senso)
Il tratto ns (numero di senso) consente, per ogni occorrenza annotata, di specificare il numero di
senso nella risorsa lessicale di riferimento (IWN-Gen/EcoWN) o l’eventuale assenza del senso. I
suoi possibili valori sono:
• un numero di senso;
• due o più numeri di senso congiunti attraverso l’utilizzo dell’operatore logico di
congiunzione (S1&S2) nei casi in cui più di un senso di IWN-Gen/EcoWN si applichi al
contesto specifico;
• due sensi disgiunti attraverso l’utilizzo dell’operatore logico di disgiunzione (S1|S2) nei
casi in cui il contesto non fornisca informazione sufficiente per poter decidere tra diversi
sensi riportati in IWN-Gen/EcoWN;
• il valore no_senso quando la risorsa lessicale di riferimento non registra il senso
attestato nel contesto in corso di annotazione; nel caso di SI-TAL, si tratta generalmente
di un valore provvisorio, che verrà sostituito dall’assegnazione definitiva una volta che
la risorsa lessicale di riferimento sarà stata integrata con il senso mancante;
• il valore no_lemma quando la risorsa lessicale di riferimento non registra il lemma
dell’occorrenza in corso di annotazione; nel caso di SI-TAL, si tratta di un valore
provvisorio, che verrà sostituito dall’assegnazione definitiva una volta che la risorsa
lessicale di riferimento sarà stata integrata con l’informazione mancante;
• il valore no viene assegnato per i lemmi di cui non è previsto l’inserimento in IWN-
Gen/EcoWN. Ciò si verifica essenzialmente in tre casi, ovvero, con alcuni nomi propri
(ad esempio, di persona), titoli in generale (di giornale o rivista, ecc.), parole straniere
non entrate nell’uso corrente dell’italiano.
6.2.3 lem (lemma)
Il tratto lem (lemma) consente di specificare il lemma dell’occorrenza che si sta annotando a
livello semantico-lessicale. Va precisato che tale informazione è già presente al livello dell’input
all’annotazione semantico-lessicale ma deve, invece, essere sempre specificato per le espressioni
polilessicali riconosciute ed annotate come tali a questo livello (USC) e per i titoli (UST).
82

Codice linea e Tema
6.2.4 pos (parte del discorso)
L’attributo pos (parte del discorso) specifica la categoria morfo-sintattica dell’occorrenza che si
sta annotando a livello semantico-lessicale. Tale informazione, che è già presente al livello
dell’input all’annotazione semantico-lessicale, deve essere sempre specificata per le espressioni
polilessicali riconosciute ed annotate come tali a questo livello (USC).
6.2.5 alter(azione)
L’attributo alter (alterazione) viene usato nella descrizione di USS nel caso in cui la parola in
corso di annotazione sia un alterato o un aggettivo superlativo o comparativo: esso consente di
segnalare la presenza di un suffisso alterativo (e di specificarne il tipo) o del suffisso per la
formazione del superlativo o la presenza di un comparativo. I suoi possibili valori sono:
• dim per i diminutivi;
• accr per gli accrescitivi;
• dispr per i dispregiativi;
• vezz per i vezzeggiativi;
• sup per gli aggettivi superlativi;
• compar per gli aggettivi comparativi;
• alter valore sottospecificato per i casi diversi dai precedenti.
Nel caso degli alterati, l’attributo alter può ricevere un valore unico (es. alter=dim) oppure una
coppia di valori (nel caso in cui sia utilizzato più di un suffisso alterativo) che vanno specificati
rispettando l’ordine in cui sono combinati nell’occorrenza che si sta annotando (es. alter=dispr,accr
per la parola omaccione). Il valore “alter” va utilizzato per i casi in cui tutti gli altri valori non sono
applicabili.
6.2.6 fig(urato)
Si ricorre all’attributo fig (figurato) nel caso in cui si sia in presenza di un uso figurato. Si
applica sia a unità di tipo USS che di tipo USC; in quest’ultimo caso, la specifica di uso figurato è
limitata ai composti (es. mettere a fuoco il problema). I valori che possono essere assegnati a fig
sono:
• metaf per gli usi metaforici;
• meton per gli usi metonimici;
• fig valore sottospecificato per marcare casi di usi figurati diversi dai precedenti.
83

Codice linea e Tema
6.2.7 np (nome proprio)
Quando si è in presenza di un nome proprio di persona, gruppo, luogo o prodotto, la descrizione
di unità di tipo USS e USC include anche l’attributo np (nome proprio), che consente di ricondurre il
nome proprio ad una specifica classe semantica di IWN (es. quella di “persona”).
I valori di questo attributo previsti ad oggi sono:
• pers per i nomi propri di persona;
• grup per i nomi propri che si riferiscono a gruppo di persone;
• luogo per i nomi propri di luogo;
• man (manufatto) per i nomi propri di prodotti e manufatti in generale;
• grup&luog per i nomi propri geografici (es. Francia) nei casi in cui non sono semplicemente
intesi come luogo ma anche come gruppo-organizzazione (es. adoro la Francia, il sovrano
d’Inghilterra);
• np valore sottospecificato per indicare i casi diversi dai precedenti.
E’ infine prevista la possibilità di avere una congiunzione/disgiunzione di valori per i casi in cui
non sia chiaro il referente del nome proprio.
6.2.8 tipousc (tipo di unità semanticamente complessa)
L’attributo tipousc (tipo di unità semanticamente complessa) consente di specificare quale tipo
di espressione polilessicale sia in corso di annotazione (es. idioma, composto o costruzione con
verbo supporto).
I suoi possibili valori sono:
• idioma per annotare le espressioni idiomatiche;
• comp per annotare i composti;
• vsup per annotare le espressioni a verbo supporto;
• np per l’annotazione di nomi propri costituiti da espressioni polilessicali (es. Nuova Zelanda,
Stati Uniti d’America, Giulio Andreotti, Real Madrid, ecc.);
• tipousc per l’annotazione di eventuali formule di routine (es. per così dire, si fa per dire), ed
altri casi non coperti dai valori precedenti.
6.2.9 tipolemma
L’attributo tipolemma convoglia informazione relativa al registro linguistico dell’unità in corso
di annotazione: ad esempio, consente di specificare se l’unità semantica in corso di annotazione è
costituita da una voce dialettale (marcata da “dial”) oppure da un neologismo (marcato con
“neolog”). Questo tratto può rendere conto dell’assenza del termine descritto nella risorsa lessicale
84

Codice linea e Tema
di riferimento: si consideri come esempio il neologismo pidiessino, designante gli esponenti del
partito PDS, abbastanza frequente nel corpus della Treebank di SI-TAL.
6.2.10 tipot (tipo di titolo)
L’attributo tipot (tipo di titolo) è specifico delle unità di tipo UST: esso specifica il tipo di entità
alla quale il titolo si riferisce. I suoi possibili valori ad oggi sono:
• semiotico per i titoli di un testo scritto (giornale, libro ecc.);
• spettacolo per i nomi di spettacoli;
• tipot per casi diversi dai precedenti;
• indef (indefinito) quando l’informazione non può essere desunta dal contesto e l’annotatore
non lo sa.
6.2.11 Altri tratti che possono essere usati nella definizione di unità di senso
Come segnalato in precedenza, l’annotazione a questo livello può anche includere tratti ad uso
dell’annotatore, che convogliano informazioni sull’annotazione stessa (es. per segnalare casi dubbi,
ecc.). Lo schema di annotazione ne prevede due: nota e comm(ento), illustrati nelle sezioni che
seguono.
6.2.11.1 nota
L’attributo nota è usato per segnalare assegnazioni di senso dubbie. I suoi possibili valori sono:
• sn_indist (senso indistinto) nel caso di dubbio di interpretazione dei sensi riportati nella
risorsa lessicale di riferimento;
• sn_inc (senso incerto) per segnalare la necessità di rivedere/ricontrollare l’annotazione.
6.2.11.2 comm(ento)
L’attributo comm (commento) è usato per inserire un commento ad uso dell’annotatore. Nel
corso dell’annotazione si è largamente fatto uso di questo attributo per depositare informazioni utili
non solo ai fini dell’annotazione in sé ma anche in relazione alle risorse lessicali utilizzate,
soprattutto in termini di segnalazioni di lemmi mancanti, sensi mancanti, sensi dubbi oppure
proposte di aggiornamento e integrazione della risorsa lessicale di riferimento, ad esempio,
mediante l’inserimento di espressioni polilessicali.
La tabella che segue riporta le sigle usate nella compilazione di tale attributo nel corso
dell’annotazione delle due partizioni della Treebank, quella bilanciata e quella finanziaria:
Corpus
Bilanciato
Abbreviazione
Corpus
Finanziario
Significato
ML m.l manca lemma in IWN- per indicare lemmi mancanti
Uso
85

Codice linea e Tema
Corpus
Bilanciato
Abbreviazione
Corpus
Finanziario
Significato
Gen/EcoWN
MS m.s manca senso specifico in
IWN-Gen/EcoWN
MOR - manca la variante
ortografica in IWN-
Gen/EcoWN
Uso
per indicare sensi mancanti, ovvero il lemma in
questione è previsto nella risorsa lessicale di
riferimento ma non secondo il senso attestato nel
corpus
per indicare varianti ortografiche mancanti, attestate
nel corpus ma non comprese nel synset di IWN-
Gen/EcoWN
PSTR p. str parola straniera per segnalare una parola straniera che può essere
presente o meno nella risorsa lessicale di riferimento.
Per quanto sia prevista a livello morfo-sintattico
l’etichetta "SW" ad indicare tali parole, poiché non
tutte risultano marcate come tali nel file di input, si è
deciso di segnalarle anche attraverso il campo
‘Commento’.
- acron acronimo per segnalare acronimi, sigle, abbreviazioni
IN FASE DI
PROPOSTA
odv
proposta di inserimento
in corso di valutazione
da parte dei lessicografi
per segnalare una proposta di inserimento nel lessico
di riferimento, soprattutto nel caso di espressioni
polilessicali corrispondenti a unità semantiche
complesse (o USC)
- +IWN-Gen-Gen proposta di inserimento
in IWN-Gen-Gen
per segnalare una proposta di inserimento nel
dizionario generico.
- +EcoWN proposta di inserimento
in EcoWN
per segnalare una proposta di inserimento nel
dizionario terminologico.
- ? caso dubbio per segnalare casi dubbi per i quali l’annotazione è
stata completata ma senza un grado di certezza
elevato. In particolare, nel dubbio che la parola possa
rappresentare un costituente di un’espressione
polilessicale (es. capo/capo di stato), tale dubbio,
laddove non sia stato sciolto interpellando
direttamente i codificatori della risorsa lessicale,
viene espresso specificando l’espressione
polilessicale (es. per il lemma capo comm= ?c. di
stato)
SENSO
INCERTO
- senso incerto occorrenza a cui non si può assegnare un senso
preciso della risorsa lessicale di riferimento per uno
dei seguenti motivi: 1) è stata usata in modo del tutto
personale dall’autore (ciò accade talvolta in contesti
di critica letteraria o di argomento sportivo dove può
essere fatto un uso libero del linguaggio); 2) non è
comprensibile il senso dal contesto; 3) potrebbe
essere (ma non si è sicuri) di un caso di senso
mancante in IWN-Gen
LOC - locuzione frasale etichetta molto generica che include un’ampia
gamma di casi in cui un lemma sembra occorrere in
una locuzione frasale (es. locuzioni avverbiali o
preposizionali, o in sequenze che si presentano come
possibili unità semantiche complesse)
ROUTINE - routine formula segnala che il lemma occorre all’interno di una
FORMULAE
POS pos e. probabile errore di
assegnazione della
categoria morfosintattica
"routine formula"
per segnalare errori di etichettatura morfo-sintattica
presenti al livello dell'input dell'annotazione (es. es.
pubblico=S invece di A)
RIF - probabile errore di casi in cui è probabilmente necessaria una modifica
86

Codice linea e Tema
Corpus
Bilanciato
Abbreviazione
Corpus
Finanziario
Significato
assegnazione del lemma
di verbi pronominali
LEMMA - probabile errore di
assegnazione del lemma
Uso
del lemma di input per la presenza di una forma
pronominale ecc. (es. inginocchiare invece di
inginocchiarsi).
probabile errore (già presente nel file di input) di
assegnazione del lemma (es. stradina invece di
strada).
Si noti che la casistica segnalata attraverso questo attributo non è esattamente la stessa nei due
corpora, anche in considerazione delle diverse problematiche che gli annotatori delle due partizioni
si sono trovati ad affrontare. Vi è comunque una sovrapposizione significativa della casistica
segnalata nei due corpora (bilanciato e finanziario).
Parte dei problemi segnalati attraverso questo attributo sono legati alle modalità di annotazione
seguite nel progetto; ad esempio, al fatto che il tool di annotazione SemTas (cfr sezione 7) non
rende visibili alcune features dell’input dall’interfaccia di annotazione, oppure al fatto che
l'annotazione funzionale - venendo sviluppata in parallelo - non è accessibile all'annotatore
semantico. Pertanto, piuttosto che commettere un errore di assegnazione del senso, nell’ambito
dell’annotazione del corpus generico si è preferito fare ampio uso dell’etichetta RIF. Invece,
l’assegnazione delle etichette LOC e ROUTINE FORMULAE è stata preferita all’assegnazione di
un senso scelto in modo arbitrario tra quelli registrati nella risorsa lessicale di riferimento (per
quanto l’uso di tali etichette non è stato applicato per tutte le USC create, indipendentemente che
fossero presenti o assenti dal lessico di riferimento).
Si noti infine che le abbreviazioni riportate nella tabella sopra possono talora essere combinate
(es. ‘odv; +EcoWN’ ad indicare una proposta di espressione polilessicale che si è ritenuta propria
del dominio finanziario) assumendo così un significato più specifico.
Si tenga inoltre presente che nell’ambito del corpus finanziario, per quanto non siano state
previste le etichette LOC, RIF e LEMMA si è comunque preso nota delle informazioni ad esse
relative nell’ottica di comunicarle ai lessicografi.
Per entrambi i corpora, l’attributo comm è stato compilato al fine di predisporre il recupero di
casi dubbi attraverso il tool di browsing dei dati - ovvero ValTAS: es. recupera tutte le USC proposte
ai lessicografi di IWN, ovvero con campo comm=”odv”. Il vantaggio è inteso sia dal punto di vista
dell’annotazione (per eventuali estensioni e revisioni della Treebank) sia dal punto di vista della
revisione e aggiornamento delle risorse lessicali (per eventuali estensioni e revisioni dei dizionari di
riferimento).
Si tenga però conto che tutte le segnalazioni fatte nel campo “Commento“ sono relative alla
versione delle risorse lessicali messe a disposizione degli annotatori da parte del tema IWN. Non è
quindi escluso che parte di tali segnalazioni siano divenute irrilevanti con una versione successiva
della risorsa IWN poiché nel frattempo i lessicografi hanno modificato/integrato la risorsa lessicale
nei termini suggeriti dagli annotatori. Va inoltre detto che le USC e i sensi nuovi proposti non
devono necessariamente essere inseriti nel lessico. L’esigenza di marcare certe sequenze nel corpus
(es. metafore, usi figurati, nomi propri, ecc.), per renderle poi facilmente reperibili, può avere una
valenza strettamente limitata all’annotazione semantico-lessicale, molto utile per futuri trattamenti
delle espressioni polilessicali.
87

Codice linea e Tema
6.2.12 Tabella sinottica dei tratti per l’annotazione semantico-lessicale
La tabella che segue riporta tutti gli attributi dell’annotazione semantico-lessicale,
specificandone la tipologia di valori e la loro rilevanza nella descrizione dei diversi tipi di unità di
senso (ovvero, USS, USC e UST).
Tratti USS USC UST
alter= { dim, accr, dispr, vezz, sup, compar, alter }
comm= stringa di commento (si veda la tabella nella
sezione 6.2.11.2)
X
X X X
dbref= { IWN-Gen, Eco-WN } X X
fig= { metaf, meton, fig } X X
lem= { lemma } X X X
nota= { sn_indist, sn_inc } X X
np= { pers, grup, luogo, man, grup&luog, np } X X
ns= { Sn, S1&S2, S1|S2, no_senso, no_lemma, no } X X
pos= { parte del discorso } X X
tipolemma= { dial, neol } X X
tipot= { semiotico, spettacolo, tipot }
X
tipousc= { idioma, comp, vsup, np, tipousc }
X
6.3 Criteri di annotazione
Nelle sezioni che seguono vengono forniti criteri guida per l’annotazione semantico-lessicale.
Questi criteri sono stati testati ed integrati nella fase di verifica delle specifiche di annotazione e nel
corso del processo di annotazione stesso.
6.3.1 Alterati e aggettivi superlativi
Con alterati ci riferiamo ai lemmi modificati semanticamente con l’aggiunta di suffissi cosiddetti
‘valutativi’ o ‘alterativi’ (Scalise, 1995). Sulla base del loro significato, i suffissi si possono
distinguere in:
• diminutivo (-ino);
• accrescitivo (-one);
88

Codice linea e Tema
• dispregiativo (-accio);
• vezzeggiativo (-uccio, -etto).
I suffissi alterativi possono essere utilizzati in modo cumulativo (es. passettino).
Data la rilevanza semantica dell’alterazione e il fatto che spesso non c’è un esatto equivalente in
altre lingue (es. tavolone = big table) appare opportuno marcarla in modo particolare a questo
livello di annotazione, distinguendo tra alterati lessicalizzati e alterati non lessicalizzati. I primi, che
dovrebbero essere presenti nella risorsa lessicale di riferimento, ricevono il numero di senso
corrispondente mentre i secondi sono ricondotti al lemma non alterato. In entrambi i casi gli alterati
sono contrassegnati dall’attributo alter che indica la presenza del suffisso alterativo. Il tipo di
alterazione può essere specificato attraverso i seguenti possibili valori: “dim”, “accr”, “disp”,
“vezz”.
Il caso della doppia alterazione, si marca con l’assegnazione di due valori successivi per ordine
di occorrenza (es. passettino -> alter=vezz,dim).
La distinzione tra alterato lessicalizzato e non lessicalizzato può essere fatta sulla base della sua
presenza o meno in IWN-Gen/EcoWN o in altri dizionari dell’italiano assunti come punto di
riferimento.
Diamo qui di seguito alcuni esempi tratti dal corpus della Treebank di SI-TAL:
Tipi di alterazione non-lessicalizzato lessicalizzato
(Dizionario di riferimento:
Garzanti 1994)
dim
accr
disp
vezz
appartamentino
bacino
paesino
Concertone
filmetto
gruppetto
lavoretto
pupazzetto
vizietto
dittatorello
cappellino
finestrino
palloncino
colpaccio
pozzetto
Per quanto riguarda gli aggettivi, a livello semantico-lessicale appare opportuno segnalare la
presenza del suffisso per la formazione del superlativo (es. important-issimo), sia per le modifiche
che apporta al senso del lemma sia perché talvolta non esiste un equivalente in altre lingue (es.
importantissimo = very important). Pertanto gli aggettivi sono ricondotti al lemma di base in IWN
(es. importante) e ricevono la specificazione del tratto alter al quale viene assegnato il valore “sup”.
Il valore “compar” è invece assegnato come valore di alter nel caso degli aggettivi comparativi.
6.3.2 Nomi Propri
L’annotazione dei nomi propri consiste nella specificazione dei seguenti tratti: dbref, lem, ns e
np. Il numero di senso (ns) viene specificato solo nel caso in cui il nome proprio figuri nel lessico
89

Codice linea e Tema
generico o specialistico della risorsa lessicale di riferimento; negli altri casi il nome proprio non
riceve alcuna specificazione relativa al numero di senso (ovvero a ns viene assegnato il valore
“no”).
Ai nomi propri viene sempre assegnato un tratto specifico (np) che ne descrive il tipo semantico
corrispondente. Le seguenti classi semantiche sono previste come possibili valori dell’attributo np :
- pers: per nomi propri di persone (es. Giulio_Andreotti);
- grup: per nomi propri di gruppo di persone (es. Telecom, Montedison);
- luogo: per nomi propri di località (es. Milano);
- man: per nomi propri di prodotti e manufatti in genere (es. Macintosh, Windows);
- grup&luog: per i nomi propri geografici (es. Francia) nei casi in cui non sono semplicemente
intesi come luogo ma anche come gruppo-organizzazione (es. adoro la Francia, il sovrano
d’Inghilterra);
- np: per tutti gli altri casi.
Da notare che all’attributo np possono essere assegnati più valori (disgiunti/congiunti) per i casi
in cui non sia possibile operare una scelta. Tale tratto consente un facile recupero dal corpus
annotato dei nomi propri per classi di referenti e ne rende uniforme il trattamento a livello di
annotazione semantico-lessicale indipendentemente dalla loro presenza o meno nella risorsa
lessicale di riferimento.
Casi particolari:
- i nomi propri che si riferiscono a regioni, nazioni, paesi, città in generale sono descritti come
luoghi (np=luog);
- i nomi propri indicanti montagne, fiumi, laghi ricevono una decrizione più generica (np=np)
giacché non indicano necessariamente un luogo (es. il Lago di Garda è il lago più grande
d’Ítalia);
- nei casi del tipo «re/ sovrano di ‘nome proprio geografico’» (es.: regina d’Inghilterra) a
quest’ultimo è assegnato il valore “grup&luog” perché ragionevolmente indica il paese/nazione
sia in senso di luogo che di organizzazione;
- nei casi invece del tipo «via / piazza / palazzo + nome proprio» (es. via XXV aprile) si adotta
il seguente metodo: ‘via’ e ‘piazza’ sono annotati separatamente e il nome proprio che segue è
descritto in modo generico (come np=np). Per quanto riguarda palazzo, si distinguono i casi in
cui fa parte del nome proprio (es.: Palazzo di Giustizia, Palazzo Pitti, Palazzo Madama) da
quelli in cui può essere annotato separatamente (es. il palazzo del Quirinale)
6.3.3 Parole Straniere
Le parole straniere sono distinte in tre classi:
1. quelle che sono entrate nell’uso corrente della lingua italiana (es. leader, import, export);
90

Codice linea e Tema
2. quelle che non sono entrate nell’uso corrente ma hanno una applicazione e diffusione in
ambito tecnico-specialistico (es. rating, tax, trend);
3. quelle che non sono usate correntemente nella lingua italiana. Esempi dal corpus della
Treebank di SI-TAL:
• imboccare nell’ 85 la via della «politique d’abord» ma quella di un’ integrazione..
• degli ortolani) occorre fare dell’ «économie d’abord», abolire i controlli doganali..,
• una maggioranza capace di decidere cosa vada modificato d’abord nella «storia
materiale»…
Le parole appartenenti alla prima classe hanno maggiore probabilità di essere attestate nella
risorsa lessicale di riferimento e dunque è possibile fare riferimento al numero di senso loro
assegnato; in caso contrario, viene segnalata l’assenza del lemma.
La seconda classe fa riferimento a partizioni specialistiche del lessico (ovvero relative a un dato
dominio semantico); come nel caso precedente, se attestate nel lessico l’annotazione fa riferimento
al numero di senso della partizione specialistica di IWN (ovvero EcoWN); in caso contrario, viene
segnalata la loro assenza ai lessicografi della partizione specialistica per valutarne l’eventuale
integrazione nel lessico. Per maggiori dettagli sull’annotazione della terminologia specialistica si
rinvia alla sezione sulla terminologia (sezione 6.3.7).
Il terzo tipo di parola straniera non è attestata nella risorsa lessicale di riferimento e rimane
genericamente etichettata come parola straniera, e non riceve dunque l’assegnazione di alcun
numero di senso.
Anche se l’informazione relativa a ‘parola straniera’ è già inclusa nell’annotazione morfosintattica
usata come input all’annotazione semantico-lessicale, a questo livello di annotazione tutte
le parole straniere ricevono una marca specifica per facilitarne il recupero ai fini dell’annotazione
(nel campo comm vengono specificati i valori PSTR/ p. str, si veda la tabella nella sezione
6.2.11.2).
6.3.4 Criteri di identificazione e di annotazione delle USC
La categoria delle unità semanticamente complesse include espressioni polilessicali, ovvero
espressioni idiomatiche più o meno composizionali, i composti (di cui parte sono di ambito tecnico
specialistico) e le espressioni con verbo supporto.
Dato che nella Treebank di SI-TAL l’annotazione semantico-lessicale è circoscritta alle classi
dei sostantivi, dei verbi e degli aggettivi, di seguito vengono forniti criteri di identificazione e
annotazione di USC la cui testa appartiene alle stesse categorie morfo-sintattiche. Quindi sono
escluse dal processo di annotazione locuzioni preposizionali del tipo per conto di oppure locuzioni
avverbiali del tipo in fretta e furia, che non vengono annotate né al livello dei singoli componenti né
dell’intera sequenza.
In quanto segue, dopo aver elencato le motivazioni che giustificano l’annotazione delle USC,
forniremo criteri per la loro identificazione nel testo e conseguenti modalità di annotazione.
6.3.4.1 Perché l’annotazione delle USC
Elenchiamo qui di seguito alcune delle ragioni che giustificano l’annotazione delle USC.
91

Codice linea e Tema
La loro parziale o totale non composizionalità semantica fa sì che:
1. il significato dell’intera sequenza può non essere ricavabile a partire dal significato dei singoli
componenti lessicali: es. entrare (move) in possesso (stative possession) ≠ entrare in possesso
(change possession);
2. le restrizioni di selezione dell’intera sequenza possono essere molto specifiche: es. tagliare i
ponti / il cordone ombelicale richiede un obliquo introdotto da con di tipo ‘umano / istituzione /
gruppo umano’;
3. i sinonimi (che compariranno nel corrispondente “synset” di IWN) possono essere molto
specifici, diversi da quelli dei singoli componenti: tagliare la corda / scappare / fuggire;
Dal punto di vista dell’utilizzo futuro del corpus annotato, si osserva che:
1. nella prospettiva di uso del corpus nell’ambito di operazioni di recupero di informazione (IR),
l’annotazione delle unità semanticamente complesse può rendere più corrette e significative le
informazioni estratte: es. una ricerca che ha come oggetto il recupero di documenti riguardanti
l’arredamento, deve poter escludere contesti del tipo organizzare una tavola rotonda in quanto
non rilevanti rispetto all’interrogazione;
2. nella prospettiva di uso del corpus nell’ambito della traduzione automatica (MT) può essere
utile l’identificazione di unità semanticamente complesse che hanno in molti casi equivalenti in
altre lingue ma, talvolta, con variazioni sia strutturali sia lessicali (es. toccare ferro = toucher
du bois);
3. nella prospettiva di creazione o estensione di lessici computazionali può essere utile consentire
l’identificazione di queste espressioni e lo studio del grado di variabilità e morfologica e
sintattica che le caratterizzano (es. possibilità di inserire modificatori, ecc.).
Infine dal punto di vista pratico, si nota che:
1. talvolta appare più difficile annotare le singole unità lessicali che l’intera sequenza (es ferro da
stiro/ calce viva/ a chiare lettere/ romanzo giallo). L’annotazione delle singole componenti di
una espressione polilessicale richiederebbe una interpretazione del senso dei singoli componenti
e del legame che intercorre tra loro che spesso appare totalmente arbitraria. Si pensi inoltre
all’annotazione delle espressioni con verbo supporto, dove il contributo semantico del verbo
supporto è, in realtà, limitato (“leggero”): es. fare paura.
6.3.4.2 Problemi nell’identificazione ed interpretazione delle USC
L’identificazione e interpretazione delle USC può risultare difficile a causa dell’assenza di criteri
di identificazione certi e univoci. I criteri forniti dalla letteratura che mirano a verificare il grado di
fissità sintattica e semantica di queste espressioni non sempre sono applicabili. Anche le espressioni
idiomatiche che non sembrano decisamente soggette a variazioni talvolta sono attestate nel corpus
in diverse varianti (“it has more recently been pointed out that idioms in use are prone to massive
variation”, Sinclair, 1996): es. tagliare le ultime ali a un paese.
Il riconoscimento e l’interpretazione delle USC rimane un punto problematico almeno in alcuni
casi e per molti aspetti soggettivo. Per questa ragione, appare opportuno ridurre il margine di
soggettività nelle scelte dell’annotatore e giungere a decisioni sicure e non controverse.
92

Codice linea e Tema
6.3.4.2.1 Identificazione degli elementi costitutivi delle USC
Da un punto di vista pratico, cioè della loro annotazione a livello semantico-lessicale, le USC
pongono soprattutto due problemi:
1. quali elementi devono essere considerati parte dell’espressione semanticamente complessa?
In altri termini, dove incomincia e finisce l’espressione? Per esempio, essere la chiave di
volta o chiave di volta o chiave volta o essere chiave volta ecc.
2. come gestire i casi di discontinuità delle USC?
Esaminiamo in dettaglio i due punti.
1. le USC sono caratterizzate da una certa “fissità” lessicale, nel senso che i lemmi che le
compongono sono fissi o quantomeno commutabili con pochi altri (si pensi ad esempio alle
espressioni con verbo supporto). Per questa ragione appare opportuno considerare parte
dell’espressione tutti gli elementi invariabili o limitatamente variabili, incluse le parole
grammaticali che tuttavia sono fondamentali per la comprensione dell’espressione. Inoltre
l’esclusione del verbo rende talvolta non significativa l’intera sequenza (es. la chiave di
volta);
2. per espressione discontinua si intende il caso in cui i suoi singoli componenti non sono
adiacenti. Le espressioni che sono soggette a discontinuità o inversione sono essenzialmente
quelle che includono il verbo. Si possono avere i seguenti casi di discontinuità illustrati con
esempi tratti dal corpus di SI-TAL:
1. inserimento di un modificatore dell’intera frase:
tenere il più possibile sulla corda qualcuno
2. inserimento di un pronome e comunque di un elemento sottocategorizzato
dall’espressione stessa:
mettere tutto per iscritto
metterne a punto
3. inserimento di un modificatore di un componente dell’espressione semanticamente
complessa:
fare qualche minuto di esercizi
fare ben pochi passi avanti
avere maggiore peso
mettere i loro puntini sulla i
tenere in maggiore considerazione
4. inversione e discontinuità:
Traguardi ambiziosi, insomma, che la Consulta delle professioni non regolamentate,
insediatasi ieri a Villa Lubin, è comunque convinta di riuscire a tagliare
Nei casi 1. e 2. l’elemento inserito (modificatore della frase o pronome) è esterno all’espressione
semanticamente complessa. Es.:
93

Codice linea e Tema
mettere tutto per iscritto
dove le parole evidenziate in grassetto sono da considerarsi gli elementi costituenti la USC in
corso di definizione: in questo caso, USC = mettere per iscritto. Il lemma ad esso associato sarà la
forma standard di riferimento selezionata, ad esempio mettere_per_iscritto.
Nel caso 3., eventuali modificatori dei componenti dell’espressione (che dovrebbero essere tanto
più rari quanto più l’espressione è semanticamente non composizionale) sono considerati parte
dell’espressione stessa come esemplificato di seguito:
Eppure i vari gruppi si sono affrettati a mettere i loro “puntini sulle i” del documento…
dove le parole mettere i loro puntini sulle i sono da considerarsi come facenti parte della USC. In
ogni caso, il lemma attribuito a questa occorrenza non includerà gli eventuali modificatori, ma farà
riferimento alla forma che è stata selezionata come standard (per esempio, nel caso precedente
mettere_i_puntini_sulle_i); in questo modo si creano i presupposti per il recupero di tutte le varianti
di una stessa USC attestate nel corpus annotato (ad esempio con e senza modificatori).
Nel quarto caso, quello dell’inversione, i costituenti della USC sono marcati nel testo come segue:
Traguardi ambiziosi, insomma, che la Consulta delle professioni non regolamentate, insediatasi
ieri a Villa Lubin, è comunque convinta di riuscire a tagliare
Al livello del lemma, invece, l’ordine standard della sequenza è ricostruito; quindi nel caso
precedente il lemma sarà presumibilmente tagliare_traguardo.
Si noti che il lemma dell’espressione può contenere eventuali preposizioni, articoli ecc. che
fanno parte dell’espressione stessa (es. essere la chiave di volta).
6.3.4.3 Espressioni idiomatiche e composti
Con ‘espressione idiomatica’ intendiamo tutte le espressioni polilessicali (Casadei, 1996:13) che
da un punto di vista sintattico e soprattutto lessicale sono caratterizzate da una certa fissità,
contrariamente alla frase libera in cui ogni posizione è commutabile con qualunque elemento che
abbia le caratteristiche categoriali e semantiche (restrizioni di selezione) richieste.
Il loro significato non è composizionale (es. tagliare la testa al toro) o lo è solo parzialmente (es.
mettere a ferro e fuoco, mettere piede) e comunque si è fissato, cristallizzato nel tempo.
La fissità lessicale (o limitata variabilità) e la parziale o totale non composizionalità semantica
sono una caratteristica anche dei composti.
Diamo qui di seguito alcuni esempi tratti dal corpus di SI-TAL che illustrano la tipologia di
espressioni che ci troveremo ad annotare e sono esemplificative dei livelli diversi di
composizionalità semantica:
Espressioni Idiomatiche
essere la chiave di volta
mettere troppa carne al fuoco
mettere a ferro e fuoco
soffiare sul fuoco
gettare benzina sul fuoco
Composti
agente segreto
agente di frontiera
braccio di ferro
conflitto a fuoco
arma da fuoco
94

Codice linea e Tema
Espressioni Idiomatiche
mettere via
andare in gol
lasciare andare
avere le carte in regola
fare da pendant
fare da cuscinetto
fare da contrappeso
avere un bel da fare
darsi da fare
fare a meno di (qualcosa)
fare il gioco di (qualcuno)
tagliare il respiro (mozzare il fiato)
tenere buono (qualcuno)
tenere d’occhio (qualcuno)
mettere piede
mettere in pericolo
andare in onda
andare d’accordo
essere nel giusto
essere al di sopra di ogni sospetto
essere sopra le parti
Composti
lingua di fuoco
vigile del fuoco
6.3.4.3.1 Criteri di identificazione delle espressioni idiomatiche e dei composti
In questa sezione forniamo una batteria di test per l’identificazione delle espressioni idiomatiche
e dei composti. Va tuttavia premesso che non sempre tali test sono affidabili e applicabili poiché la
struttura interna e il grado di non composizionalità semantica delle espressioni semanticamente
complesse è molto variabile.
Va inoltre ricordato che talvolta i criteri che possono guidare il riconoscimento di una USC
possono essere di natura più generale e non semplicemente dei test di tipo sintattico/semantico
(specialmente per quanto riguarda il corpus specialistico). Per esempio, la frequenza accertata di
una certa sequenza (es. stato membro) o l’esistenza e l’utilizzo contemporaneo di un acronimo e di
una forma sciolta per lo stesso referente (es. consiglio di amministrazione / CDA) possono indurre
all’identificazione di USC.
I test elencati qui di seguito, che sono stati ricavati dalla letteratura corrente (Danlos, 1981, 1988,
Ten Hacken 1991, Gross, 1985, 1986, 1988) e adattati all’italiano, sono distinti in due gruppi: 1)
quelli per sequenze senza verbo (trattati nella sezione 6.3.4.3.1.1) e 2) quelli per sequenze con verbo
(trattati nella sezione 6.3.4.3.1.2).
6.3.4.3.1.1 Sequenze senza verbo
La struttura sintattica interna dei composti può essere molto varia: sostantivo-preposizionesostantivo
(S E S), sostantivo-sostantivo (S S), aggettivo-sostantivo (A S), ecc. I test variano a
seconda della struttura interna, come esemplificato in quanto segue.
• Costruzione Predicativa: la costruzione predicativa è possibile solo con sequenze ordinarie di
sostantivo-aggettivo (S A) ma non con composti che hanno questa struttura. Es.:
95

Codice linea e Tema
tavola rotonda (=conferenza, incontro) > *la tavola è rotonda
• Nominalizzazione: la nominalizzazione non è possibile con i composti aventi la struttura S A.
Es.:
*la rotondità della tavola
• Modificazione: la modificazione tramite l’inserimento di avverbi e le costruzioni superlative e
comparative non sono possibili con i composti. Es.:
ferro da stiro > *un ferro nuovo da stiro
tavola rotonda (=conferenza, incontro) > *la tavola più rotonda,
*una tavola perfettamente rotonda
• Coordinazione: l’aggettivo che fa parte di una parola composta non può essere coordinato con
altri aggettivi anche se ciò è possibile con sequenze ordinarie. Es.:
* la tavola rotonda e larga
• Omissione: l’aggettivo di un nome composto è obbligatorio (pertanto non può essere né
sostituito né omesso) e talvolta può essere usato da solo. Es.:
*tavola circolare
cronaca rosa/ nera/ *gialla
*ho organizzato una tavola (rotonda)
ho letto un (romanzo) giallo
A questo primo insieme di test si affiancano dei criteri più deboli, riportati di seguito:
• Flessione: va ricordato che l’esistenza di un composto ci può essere segnalata da irregolarità
morfo-sintattiche (per esempio, a livello della flessione). Infatti, mentre alcuni composti
presentano regolarmente sia la forma singolare sia quella plurale (es. tavole rotonde) altri hanno
solo una forma al plurale (effetti speciali) o al singolare (la mano nera).
• Restrizioni di co-occorrenza lessicale: alcuni composti sono caratterizzati da una certa
variabilità lessicale che tuttavia rimane sempre limitata. Infatti solo un aggettivo o un ristretto
numero e tipo di aggettivi si combina con un nome per formare un composto (es. alta/bassa
marea).
6.3.4.3.1.2 Sequenze con il verbo
• Inserzione: non è ammesso l’inserimento di modificatori dei singoli componenti lessicali di una
espressione idiomatica, mentre è normalmente consentito l’inserimento di modificatori
dell’intera sequenza. Es.:
*tagliare la lunga corda
tagliare velocemente la corda
• Estrazione: l’estrazione di un componente lessicale di una espressione idiomatica per mezzo di
particolari strutture sintattiche non è solitamente possibile. Es.:
- costruzione passiva: *la corda è stata tagliata da Leo
96

Codice linea e Tema
- “clefting”: *è la corda che è stata tagliata da Leo
- topicalizzazione: *LA CORDA è stata tagliata da Leo
- costruzione relativa: *la corda che è stata tagliata da Leo
• Pronominalizzazione: la sostituzione di uno o più elementi di una espressione idiomatica con
un pronome non è solitamente consentita. Es.:
ha tagliato la corda dal carcere > *l’ha tagliata dal carcere
• Modificazione: i componenti lessicali di una espressione idiomatica non possono essere
solitamente flessi o sostituiti. Es.:
*tagliare le corde/la fune
Le espressioni idiomatiche e i composti sono annotate come USC la cui descrizione include
obbligatoriamente i tratti lem e tipousc: quest’ultimo permette di distinguere tra espressioni
idiomatiche (contrassegnate dal valore “idioma”) e composti (marcati dal valore “comp”). Nel caso
in cui l’espressione idiomatica o il composto siano inclusi nella risorsa lessicale di riferimento,
l’annotazione include anche la specificazione dei tratti dbref e ns.
6.3.4.4 Espressioni con verbo supporto
Nella Treebank di SI-TAL le espressioni con verbo supporto (da qui in poi VSUP) sono annotate
in termini di USC. Una USC di tipo VSUP è caratterizzata dalle seguenti proprietà:
• l’apporto semantico del verbo cosiddetto supporto al significato dell’espressione è ridotto,
controbilanciato dal ruolo fondamentale giocato dal nome o sequenza che lo segue: es. dare
aiuto (aiutare), fare paragoni (paragonare) fare affermazioni (affermare) ecc.; (Da notare che
una sequenza come mettere piede è da considerarsi una espressione idiomatica vera e propria
perchè piede non conferisce un significato particolare a mettere);
• il verbo serve soprattutto per convogliare i tratti grammaticali del tipo: tempo, aspetto, modo,
persona ecc.;
• uno stesso nome si può combinare con più VSUP (un numero comunque ristretto e fisso) che
fungono da varianti aspettuali (es. essere/mettersi in viaggio);
• i verbi che in alcune costruzioni possono avere la funzione di ‘supporto’ a livello semantico
sono un numero ristretto, essere, avere, fare e pochi altri che spesso sono varianti aspettuali dei
primi (es. dare, prendere, venire, mettere, entrare, ecc.).
Le strutture con VSUP sono notoriamente molto varie. Alcuni (vedi Renzi, 1995) annoverano tra
le espressioni con VSUP anche frasi del tipo Leo è un venditore che indica una condizione
permanente rispetto al verbo (Leo vende). Tuttavia in questa sede appare opportuno restringere la
nozione di espressione con VSUP a quelle sequenze che presentano una certa fissità sintattica e una
limitata variabilità lessicale. Nella Treebank di SI-TAL verranno annotate come strutture con VSUP
i seguenti casi:
97

Codice linea e Tema
1. strutture con VSUP che sono una variante della forma verbale 1 :
essere in viaggio > viaggiare
essere alla ricerca > ricercare
essere in contraddizione > contraddire
fare paura > impaurire
mettere paura > impaurire
dare una lavata > lavare
avere in odio > odiare
2. strutture con VSUP che sono una variante della forma aggettivale:
essere nell’incertezza > incerto
essere di notevole coraggio > coraggioso
essere in agitazione > agitato
essere in dubbio > dubbioso
Questi due tipi di espressioni con VSUP presentano le seguenti caratteristiche:
• le varianti della forma verbale si presentano come:
VSUP + S
VSUP + E (in, di, da, ecc.) + S
dove il nome (S) è tipicamente astratto (es. odio) e/o deverbale (es. viaggio)
• le varianti della forma aggettivale si presentano come:
VSUP + E (in, di, ecc.) + S
dove il nome (S) è di tipo astratto e collegato ad un aggettivo (es. coraggio).
• entrambe le espressioni con VSUP possono avere una loro specifica sottocategorizzazione e
specifiche restrizioni di selezione. Ciò costituisce sia una ulteriore motivazione in favore della
loro annotazione a livello semantico-lessicale che un criterio per annotare almeno i casi più
interessanti da un punto di vista linguistico. Es.:
essere in viaggio per la Mecca/ *viaggiare per la Mecca
essere in contraddizione con i fatti/ *contraddire con i fatti
fare affidamento su qualcuno/ *affidarsi su qualcuno
Dal punto di vista delle applicazioni del corpus annotato, appare utile differenziare queste
espressioni dalle altre per consentirne l’eventuale recupero. Va ricordato che al pari degli altri tipi di
espressioni idiomatiche, quelle a con VSUP non hanno sempre un esatto equivalente in altre lingue
come appare dai seguenti esempi presi da Ruimy e Corazzari (1991):
1 In IWN, queste espressioni con VSUP saranno incluse nel synset del verbo di cui esse costituiscono una variante.
98

Codice linea e Tema
essere di poche parole= etre peu causant
essere nei guai=avoir des ennuis
essere di garanzia=servir de garantie
essere in aumento=augmenter
Diamo qui di seguito alcuni esempi estratti dal corpus della Treebank di SI-TAL:
VSUP S E + S
fare
fuoco; affermazioni;
paragoni; complimenti;
esempi; il confronto; la
guardia; progressi;
affidamento; concessioni;
prognostici; previsioni;
programmi; verifica;
pulizia; esempi; pipì;
esercizi; cura; guerra
mettere paura in scena; in discussione; in
posa
dare
fuoco
essere
a conoscenza; in possesso
Le espressioni con VSUP sono trattate al pari delle espressioni idiomatiche come un’unica unità
di senso. Per consentire l’eventuale recupero automatico di queste espressioni appare sufficiente
assegnare all’elemento USC il tratto tipousc al quale viene assegnato il valore “vsup” (tipo di
USC=con verbo supporto).
L’annotazione delle espressioni con VSUP avviene mediante l’identificazione di un elemento di
tipo USC descritto dai seguenti tratti: lem e tipousc (al quale viene assegnato il valore “vsup”). Nel
caso in cui l’espressione sia inclusa nella risorsa lessicale di riferimento, l’annotazione include
anche la specificazione dei tratti dbref e ns.
6.3.5 Criteri di annotazione delle UST
L’annotazione dei titoli in generale (di spettacoli, giornali, libri ecc.) è necessaria a livello
semantico-lessicale perché essi sono espressioni che hanno un comportamento particolare rispetto al
contesto in cui figurano. I titoli si comportano come (micro)testi indipendenti all’interno di un altro
testo. La loro annotazione è auspicabile almeno per le seguenti ragioni:
- in vista del recupero di informazioni da testi, l’annotazione dei titoli rende più attendibili le
informazioni estratte; ad esempio, in una indagine su fiori e piante, non verrebbe estratto il
contesto pubblicare ‘I fiori del male’;
- in vista di un eventuale uso del corpus annotato in traduzione automatica, appare evidente che i
titoli devono essere differenziati sia perchè talvolta essi non sono tradotti con un esatto
99

Codice linea e Tema
equivalente sia perchè talvolta essi sono lasciati invariati, cioè come appaiono nella lingua
sorgente.
Va, infine, sottolineato che in un corpus giornalistico, i titoli occorrono molto frequentemente.
L’elemento UST (unità semantica di tipo titolo) serve per marcare i titoli. Esso può riferirsi ad
una singola parola o a più parole adiacenti. I titoli, quando sono composti da più parole,
condividono alcune caratteristiche delle USC perché si comportano sintatticamente e
semanticamente come una unica unità.
Tuttavia al contrario delle USC, trattate in precedenza, le UST sono sempre composizionali (anche
se possono includere a loro volta delle USC), cioè i singoli componenti mantengono il loro
significato proprio, e sono sempre continue. Ciò implica che ricevono una doppia annotazione: una
a livello dei singoli componenti e un’altra a livello dell’intera unità UST.
L’attributo tipot consente di distinguere i nomi di spettacoli/film (il valore è “spettacolo”) da
quelli di testi scritti, giornali, libri ecc. (il valore è “semiotico”). Tale distinzione è giustificata dalle
seguenti ragioni:
- titoli diversi co-occorrono con lemmi semanticamente diversi (es. leggere/pubblicare/scrivere
un tipot=semiotico // guardare, registrare un tipot=spettacolo);
- da un punto di vista dei tipi/concetti semantici, ci può essere una differenziazione dei due tipi di
referenti del titolo (es. “artefatto semiotico / informazione” // “opera d’arte”);
- in precedenti esperienze di annotazione del corpus i titoli di testi scritti o spettacoli sono risultati
i più frequenti (si veda Corazzari et al., 1999).
Il valore “indef”, invece, consente all’annotatore che non deve/può avere necessariamente una
conoscenza enciclopedica di lasciare sottospecificato questo attributo.
L’elemento UST è descritto dagli attributi: lem; ns (il valore assegnato al numero di senso della
UST è ovviamente ‘no’ poiché essi non sono fanno parte della risorsa lessicale di riferimento); tipot.
6.3.6 Gli Usi Figurati
Per usi figurati si intendono gli usi metaforici, metonimici ecc., a livello sia di USS sia di USC. In
quanto segue diamo criteri per l’individuazione e l’annotazione di usi figurati.
6.3.6.1 La Metafora
La metafora come fatto linguistico è interpretata nella letteratura principalmente in tre modi
diversi. La metafora è:
- una anomalia: cioè una violazione delle restrizioni di selezione (vedi Casadei 1996, Fass, 1991)
- una comparazione: “la metafora è il trasferimento a un termine (detto “topic”, ad esempio
Mario) di un nome appartenente a un altro (detto “vehicle”, ad esempio leone) in base a un
elemento di somiglianza tra i due (detto “ground”, cioè il coraggio)” (Casadei 1996; si veda
anche Fass, 1991)
100

Codice linea e Tema
- una interazione: si pensa che “la metafora proietti sul “topic” non una singola proprietà ma un
insieme di implicazioni convenzionalmente associate al “vehicle” (conoscenze, credenze, luoghi
comuni sul “vehicle”), i cui contenuti sono selezionati anche dallo specifico “topic” “ (Casadei
1996; si veda anche Fass, 1991).
Da un punto di vista operativo, appare fondamentale la distinzione tra metafora lessicalizzata e
non lessicalizzata. Tale distinzione può essere operata sia rispetto alla risorsa lessicale di
riferimento sia ad altri dizionari della lingua italiana.
Le metafore lessicalizzate ricevono il numero del senso corrispondente in IWN e il tratto
fig=metaf che le identifica come metafore (es. la chiave del problema, tavolo delle trattative,
volano battute).
Le metafore non lessicalizzate ricevono un numero di senso che rinvia al loro significato letterale
ed il tratto fig=metaf per marcare l’uso metaforico (es. Zepe sotto il fuoco di Mladic).
Da un punto di vista applicativo, le prime non danno luogo a violazione delle restrizioni di
selezione perché sono integrate nel lessico e in termini di tipi/concetti semantici sono descritte in
modo appropriato (es. non capisco la molla (tipo/concetto semantico=causa e non artefatto) di
una tale violenza) mentre le seconde sì. Tuttavia la presenza del tratto fig=metaf consente di
sottolineare l’uso particolare del lemma.
Va da sé che può rivelarsi necessario integrare il lessico di riferimento con usi metaforici che
ricorrono frequentemente, ad esempio, nei testi giornalistici anche se non sono forse ancora attestati
nei dizionari correnti (es. verdi per indicare gli ecologisti).
6.3.6.2 La Metonimia
La metonimia implica l’uso di una entità per riferirsi ad un’altra ad essa collegata (Fass,1991).
Numerosi tentativi sono stati fatti di individuare e classificare tipi diversi di metonimie. I tipi più
frequenti sembrano essere quelli che indicano:
- la parte per il tutto (l’insieme);
- il contenitore per il contenuto;
- il produttore per il prodotto;
- l’oggetto usato per chi lo usa;
- la causa per il risultato;
- ecc.
La metonimia, al pari della metafora, è caratterizzata da una violazione delle restrizioni di
selezione ma si differenzia da essa per le seguenti ragioni (Fass, 1991) 2 :
2 La distinzione tra metafora e metonimia è un punto controverso. Per molti l’una equivale all’altra e viceversa
(Fass, 1991).
101

Codice linea e Tema
1. la metonimia è una relazione di contiguità (l’essere connesso a qualcosa) mentre la metafora è
una relazione di similitudine (l’essere come…);
2. “la metafora è principalmente una maniera di concepire una cosa in termini di un’altra e la sua
funzione principale è la comprensione, mentre la metonimia ha principalmente una funzione
referenziale, cioè, permette di usare una entità al posto di un’altra, pertanto essa ha un ruolo di
comprensione perché si focalizza su certi aspetti di ciò a cui ci si riferisce” (traduzione da Fass,
1991).
Analogamente al caso della metafora, le metonimie lessicalizzate vengono annotate mediante
l’assegnazione del numero di senso nella risorsa lessicale di riferimento e l’assegnazione del valore
“meton” al tratto fig. Le metonimie non lessicalizzate (es. scende la pace sulle rotaie) ricevono
un’assegnazione di senso che rinvia al loro significato letterale, mentre – di nuovo - al tratto fig
viene assegnato il valore “meton”.
6.3.7 Terminologia
Per “terminologia” s’intende “il complesso dei termini, delle locuzioni, del frasario proprio di
una scienza, di un’arte o di un particolare settore tecnico o ambito sociale” (Palazzi-Folena,
Dizionario della lingua italiana, 1995). Nel caso specifico del dominio finanziario, proprio della
parte specializzata del corpus di SI-TAL, la terminologia si riconduce in buona parte a:
• termini stranieri
Nell’ambito di corpora a carattere finanziario si riscontra un uso piuttosto esteso di termini
stranieri, principalmente inglesi. Si assume infatti che per molte azioni ed eventi del mondo
economico valga un gergo internazionale poiché l’economia è intesa in senso mondiale e la
lingua inglese rappresenta la lingua comune d’interscambio. Nell’insieme di termini stranieri
presenti nel corpus si distinguono quelli ormai divenuti d’uso comune (es. leader, import,
export, ...), che come tali sono riportati sui dizionari della lingua italiana, e quelli, usati
magari con una certa frequenza, ma più specifici del dominio (es. rating, tax, trend,...) che
non sono stati ancora inseriti nei dizionari.
• espressioni polilessicali
Si tratta di espressioni tipicamente composte da 2-3 parole per indicare oggetti, fatti, eventi del
mondo finanziario (es. consiglio di revisione, quota azionaria, prestito obbligazionario, ...).
• sigle o acronimi
Sigle e acronimi ricorrono con una certa frequenza all’interno del corpus. L’uso di questi avviene
principalmente in sostituzione delle espressioni complesse citate sopra (es. cda in luogo di
consiglio di amministrazione). Le ragioni di tale uso sono da ricercarsi in primo luogo nella
comodità di una forma abbreviata che evita la pesantezza dell’intera espressione complessa.
In secondo luogo, tale uso è dettato dall’adozione di un gergo che si suppone essere noto (es.
opa, pil, bot), almeno a chi opera in quel campo.
Per l’annotazione di sigle e acronimi si deve far riferimento al numero di senso associato
all’espressione polilessicale ad essi corrispondente nella risorsa lessicale di riferimento. La
presenza di svariate forme ad indicare la stessa espressione complessa, suggerisce di associare
ad ogni acronimo l’informazione relativa al nome per esteso. In questo modo,
102

Codice linea e Tema
indipendentemente dal fatto che esso sia formato a partire dalle sole prime lettere iniziali (es.
pil per prodotto interno lordo) o includa o meno le preposizioni o gli articoli (es. cdr per
consiglio di revisione) oppure ancora sia formato di lettere maiuscole e minuscole (es. BoT
per Buoni ordinari del Tesoro) o di sole lettere minuscole (es. cda per Consiglio di
Amministrazione) o di sole lettere maiuscole (es. AME per Accordo Monetario Europeo)
oppure ancora includa o meno il segno di punto (es. spa ma anche s.p.a o S.p.A.), si può
facilmente risalire alla forma base sciolta a cui l’acronimo si riferisce. Ad esempio, leggendo
cdd o c.d.d o c.d.d. (o tutte le svariate forme con punti o lettere maiuscole/minuscole) si può
risalire a consiglio dei delegati.
Il riferimento esplicito all’espressione sciolta aiuta anche nei casi di ambiguità risolvibili solo
attraverso il contesto (es. c.d è usato per indicare sia consigliere delegato sia comitato
direttivo).
Si noti comunque che il numero di senso viene specificato solo nel caso in cui la sigla o
l’acronimo figurano nella risorsa lessicale di riferimento (la sigla o l’acronimo in corso di
annotazione faranno parte dello stesso synset dell’espressione polilessicale corrispondente); in
caso contrario viene assegnato il valore ‘no’ al tratto ns.
Nel caso invece di USC di tipo terminologico non esistono criteri di individuazione specifici e
pertanto si rimanda alla sezione 6.3.4.3.1 relativa ai “Criteri di identificazione delle espressioni
idiomatiche e composti”.
6.3.8 Casi di mancata corrispondenza tra la risorsa lessicale di riferimento e l’uso
attestato
In fase di assegnazione del un numero di senso ad una data occorrenza del corpus si possono
verificare i seguenti casi problematici:
• assenza del lemma nella risorsa lessicale di riferimento;
• assenza del senso rilevante di un lemma già presente nella risorsa lessicale di riferimento;
• corrispondenza con più sensi dello stesso lemma.
Le modalità di annotazione di questi casi nell’ambito del progetto sono dettagliate di seguito.
6.3.8.1 Assenza del lemma
Si possono verificare i seguenti casi:
- parole correnti non ancora inserite nel database lessicale di riferimento (perché in costruzione);
- nomi propri (anche acronimi e sigle di ogni tipo, es. Andreotti, UNICEF);
- parole composte (es. calce viva);
- espressioni idiomatiche (es. tagliare la testa al toro);
- parole straniere (es. capital_gain);
103

Codice linea e Tema
- neologismi (es. gli andreottiani; i piduisti)
- terminologia (es. bilancia dei pagamenti)
- ecc.
Il caso di assenza del lemma nella risorsa lessicale di riferimento è codificato al livello del tratto
ns, il cui valore è no_lemma (ns=no_lemma).
Nell’ambito di SI-TAL questa assegnazione è generalmente da considerarsi come provvisoria in
quanto una volta che la risorsa lessicale di riferimento sarà stata integrata con l’informazione
mancante sarà sostituita con l’assegnazione definitiva.
6.3.8.2 Assenza del senso rilevante di un lemma già presente in IWN
Il caso di assenza del senso rilevante di un lemma già presente nella risorsa lessicale di
riferimento viene segnalato ai lessicografi in modo che possano effettuare l’integrazione della
risorsa: il gruppo dei lessicografi vaglierà l’opportunità di tale integrazione.
Le seguenti considerazioni generali forniranno all’annotatore una guida nella selezione dei casi
da segnalare come “assenza di senso rilevante”:
1) non sembra auspicabile la creazione di eccessiva granularità in un lessico semantico con varie
finalità applicative in Natural Language Processing (si veda Fellbaum et al. 1998; Calzolari et
al. (in corso di stampa); Voorhees 1998);
2) l’identificazione di un nuovo senso e l’inserimento dello stesso nel database lessicale di
riferimento sono fortemente condizionati anche dalle possibilità offerte dal database stesso di
identificarlo e descriverlo in modo univoco rispetto agli altri sensi;
3) talvolta i contesti dell’occorrenza determinano più o meno importanti variazioni di significato
che tuttavia non possono essere considerati sempre e in ogni caso veri e propri nuovi sensi
(ciascun contesto infatti enfatizza determinati tratti semantici di un senso e ne oscura altri senza
tuttavia determinare necessariamente l’esistenza di un nuovo significato).
A parte queste considerazioni generali, non sembra esistano criteri univoci che possono essere
sempre applicati a tutti i lemmi indipendentemente dalla loro categoria morfo-sintattica e dalle loro
caratteristiche sintattico-semantiche.
Il caso di assenza del senso rilevante di un lemma già presente nella risorsa lessicale di
riferimento è codificato al livello del tratto ns, il cui valore è no_senso. Nell’ambito di SI-TAL,
questa assegnazione è da considerarsi come provvisoria in quanto una volta che la risorsa lessicale
di riferimento sarà stata integrata con l’informazione mancante sarà sostituita con l’assegnazione
definitiva.
6.3.9 Corrispondenza con più sensi dello stesso lemma
Nel caso l’occorrenza in corso di annotazione trovi corrispondenza con più sensi dello stesso
lemma, si procede come segue:
104

Codice linea e Tema
1. quando c’è una corrispondenza simultanea con più sensi dello stesso lemma, ad esempio S1 e
S2, le due alternative sono fornite come segue: S1 & S2;
Per esempio, mantenere che significa 1. tenere, far durare in modo che non venga meno (i
contatti) e 2. tenere saldo, difendere (un primato), figura nel corpus nei seguenti contesti:.
- le Nazioni Unite dispongono di forze armate proprie per mantenere la pace
- Potranno essi ad esempio mantenere la loro condizione di neutralità?
- Mentre taluni donatori sono disposti a mantenere l’attuale livello dei loro stanziamenti di
aiuto
Un altro esempio è conoscere che può significare sia 1. sapere, avere esperienza che 2. avere
notizia, cognizione di qualcosa. Negli esempi del corpus coesistenza dei due significati
permane:
- La Commissione conosce i gravi problemi che la siccità pone all’agricoltura portoghese
- La Commissione conosce perfettamente l’insoddisfacente situazione fiscale in cui si trovano
le persone soggette all’imposta sul reddito
In entrambi i casi riportati sopra, l’annotatore segnalerà la pertinenza di entrambi i sensi ai
contesti annotati fornendo le due alternative congiunte.
2. in casi di ambiguità del contesto, ovvero quando non vi siano elementi per poter discriminare ad
esempio tra S1 ed S2 si annota come segue: S1 | S2. Va detto che questo caso è previsto
essenzialmente per completezza delle specifiche di annotazione dal momento che
nell’annotazione di un testo continuo ci si aspetta che i contesti realmente ambigui siano pochi.
Diamo qui di seguito un esempio. Mantenere che può significare 1.tenere, far durare in modo
che non venga meno (i contatti) e 2. finanziare, figura nella frase:
- Intende il Consiglio dei ministri della CEE mantenere ed eventualmente sviluppare
un’attività di produzione europea in questo settore?
In assenza di un contesto più ampio, non è possibile selezionare tra i due sensi indicati sopra
quello appropriato. In questo caso l’annotazione corretta dovrebbe segnalare l’ambiguità del
contesto assegnando all’attributo ns una disgiunzione di sensi possibili (1 e 2).
I casi di corrispondenza con più sensi dello stesso lemma menzionati sopra sono codificati al
livello del tratto ns il cui valore sono più sensi in relazione di congiunzione o disgiunzione:
ns=S1&S2; S1|S2.
Tuttavia, per evitare l’uso frequente di operatori logici, in alcuni casi si ritiene opportuno non
combinare i sensi bensì fare riferimento, nei casi in cui esista, al senso più generico. È questo il
caso, ad esempio, del lemma russo, al quale sono associati in IWN tre sensi distinti:
- nativo della Russia
- abitante della Russia
- lingua
dove la distinzione tra il primo ed il secondo senso è piuttosto sottile e non facilmente
applicabile in casi del tipo un operaio russo…, di fronte ai quali è preferibile fare riferimento al
senso più generico (russo ‘nativo della Russia’).
105

Codice linea e Tema
Più in generale, in casi di difficile interpretazione – ovvero dove il contesto non fornisca
l’informazione sufficiente - è preferibile selezionare un’interpretazione sottospecificata piuttosto
che fare una selezione di senso soggettiva e arbitraria, anche se plausibile.
6.4 Aspetti di annotazione con SemTAS
L'annotazione semantico-lessicale della Treebank di SI-TAL è stata effettuata manualmente con
l'ausilio di SemTAS, il sotto-sistema di GesTALt di supporto all’annotazione per questo livello. La
progettazione di SemTAS è avvenuta sulla base delle Specifiche Tecniche elaborate al termine della
Linea 1.1, quando il processo di annotazione vero e proprio non era stato ancora avviato.
La fase di annotazione vera e propria ha dunque costituito il primo momento di validazione di
SemTAS. Inoltre, nel corso del processo di annotazione, le specifiche iniziali sono state riviste ed
integrate alla luce dell'evidenza linguistica emergente dal corpus, come documentato nei rapporti di
fine Linea.
In questa fase sono emersi aspetti delle specifiche non coperti al livello dell'interfaccia del tool di
annotazione e/o della struttura dati. Le revisioni apportate hanno riguardato soltanto l'insieme dei
possibili valori associati ai vari attributi, che è stato arricchito sulla base dell’evidenza via via
emergente dal corpus. Non è stato invece effettuato l’inserimento di nuovi attributi, che avrebbe
alterato la struttura dei dati in una fase in cui il processo di annotazione era ormai avanzato,
compromettendo la coerenza interna dei dati annotati. Analogamente al caso dell’annotazione
funzionale (sezione 5.3), casi di questo tipo sono stati gestiti mediante l'adozione di codifiche
transitorie al livello della base di dati di GesTALt, che sono state riconvertite secondo quanto
previsto dalle specifiche al livello dell'output in XML (si veda l’Appendice relativa alla
rappresentazione XML dell’annotazione semantico-lessicale). Questa sezione documenta le
soluzioni di annotazione adottate transitoriamente per il livello semantico-lessicale.
6.4.1 Combinando più risorse lessicali di riferimento
La Treebank di SI-TAL è stata annotata rispetto a due risorse lessicali di riferimento: IWN-Gen,
per il lessico generico, ed EcoWN per il lessico specialistico del settore finanziario.
Stando alla versione finale delle specifiche, l’informazione relativa alla risorsa lessicale di
riferimento è convogliata dall’attributo dbref, inserito nella struttura dati solo in un secondo tempo.
Onde consentire la distinzione delle due risorse lessicali di riferimento (IWN-Gen ed EcoWN) con
gli attributi previsti nella fase iniziale delle Specifiche, si è operata la scelta di fare precedere i
numeri di senso relativi a EcoWN con il simbolo “$”. I valori dell’attributo ns (numero_senso)
possono quindi essere: un numero (es. ns=3) o la combinazione di più numeri in OR o AND per i
casi di interpretazione dubbia (es. ns= 1|2, ns= 1&2), se la risorsa di riferimento è IWN-Gen;
oppure una sequenza $numero (es. ns=$1) o la combinazione in OR o AND di più sequenze (es.
ns=$1&$2), se la risorsa lessicale di riferimento è EcoWN.
6.4.2 Annotazione di nomi propri polilessicali
Per l’annotazione di nomi propri polilessicali (es. Nuova Zelanda, Stati Uniti d’America, Giulio
Andreotti, Real Madrid, ecc.), ed in modo particolare per la specificazione della corrispondente
classe semantica, l’insieme dei possibili valori dell’attributo tipousc è stato temporaneamente
arricchito come segue:
106

Codice linea e Tema
• np_pers: per nomi propri polilessicali che si riferiscono a persona (es. Giulio Andreotti);
• np_grup: per nomi propri polilessicali che si riferiscono a istituzioni, organizzazioni o gruppo
di persone (es. Real Madrid, Cassa di Risparmio di Torino);
• np_man: per nomi propri polilessicali che si riferiscono a prodotto/manufatto (es. Fiat
Cinquecento, Windows 98);
• np_luog: per nomi propri polilessicali che si riferiscono a luogo (es. Nuova Zelanda; Stati
Uniti d’America);
• np_grup&luog: per nomi propri polilessicali ai quali non è possibile attribuire univocamente
luogo o gruppo (es. la posizione della Repubblica di S. Marino è preferibile);
• np: per nomi propri polilessicali che si riferiscono ad altri tipi di entità (es. Lotteria d’Italia,
Festa dei Lavoratori).
Ad eccezione di “np” che è previsto tra i possibili valori per questo attributo, tali valori non sono
del tutto appropriati rispetto alla semantica dell’attributo tipousc; tuttavia consentono l’annotazione
al livello di SemTAS di nomi propri composti mantenendo inalterata la struttura dei dati.
6.4.3 Annotazione di neologismi e voci dialettali
Come riportato nella sezione 6.2.9, l’informazione di neologismo e voce dialettale è riportata al
livello dell’attributo tipolemma, non previsto dalle specifiche iniziali. Questo tipo di informazione è
stata temporaneamente registrata in relazione a due attributi presenti nella struttura dati, nota o alter:
“neolog” marca i neologismi, “dial” le voci dialettali.
6.4.4 GesTALt/SemTAS vs XML
La tabella che segue riporta, nella prima colonna, le codifiche transitorie adottate al livello di
SemTAS, mentre nella seconda colonna ne specifica la corrispondente codifica al livello dell’output
XML.
GesTALt/SemTAS
numero_senso=$numero senso o numeri senso
combinati con operatori logici AND/OR
numero_senso= numero senso o numeri senso
combinati con operatori logici and/or
nota=neol
alterazione=neol
nota=dial
tipousc=np_pers
tipousc=np_grup
output XML
dbref=eco
numero_senso=numero senso o numeri senso
combinati con operatori logici and/or (senza $)
dbref=gen
numero_senso: il valore di questo attributo
rimane inalterato
tipolemma=neol
attributo nota eliminato
tipolemma=neol
attributo alterazione eliminato
tipolemma=dial
attributo nota eliminato
nome_proprio=pers
tipousc=np
nome_proprio=grup
tipousc=np
107

Codice linea e Tema
GesTALt/SemTAS
tipousc=np_luog
tipousc=np_man
tipousc=np_grup&luog
output XML
nome_proprio=luog
tipousc=np
nome_proprio=man
tipousc=np
nome_proprio=grup&luog
tipousc=np
7 Sviluppo di GesTALt
GesTALt è un sistema di applicazioni software di supporto alla creazione e validazione della
risorsa Treebank progettato per supportare nelle loro attività quattro classi distinte di utenti: gli
annotatori della struttura sintattica a costituenti, gli annotatori della struttura sintattico-funzionale,
gli annotatori semantico-lessicali ed i validatori.
Compito degli annotatori è di creare la risorsa Treebank partendo da una base di documenti
(BDA) contenente l’insieme di testi di un corpus annotati morfosintatticamente, mentre quello dei
validatori è di controllare che la risorsa sia stata ben annotata.
In maggior dettaglio, gli annotatori sintattici a costituenti, sintattico-funzionali, e semanticolessicali
svolgono le loro attività al fine di produrre, rispettivamente, annotazioni sintattiche a
costituenti, annotazioni sintattico-funzionali ed annotazioni semantico-lessicali dei testi di un
corpus.
GesTALt mette a disposizione di ognuno degli annotatori (sintattici a costituenti, sintatticofunzionali,
e semantico-lessicali) una specifica applicazione di supporto (SinTAS, FunTAS e
SemTAS, rispettivamente) unitamente ad una vista parziale della BDA, in maniera tale che essi
possano svolgere le loro attività di annotazione ognuno, separatamente, al proprio livello. Ciò al
fine di rendere più agile l’annotazione e di evitare l’interferenza tra i vari livelli.
A supporto dei validatori, invece, GesTALt mette a disposizione l’applicazione ValTAS insieme
ad una vista globale della BDA che permetta loro di verificare sia le scelte fatte dagli annotatori sia
la congruenza tra i livelli di annotazione.
Nel paragrafi seguenti si fornisce una descrizione del processo di sviluppo adottato durante le
linee di ricerca 1.2 ed 1.3 del progetto, dell’architettura software di GesTALt ed, infine, delle
principali funzionalità offerte dalle applicazioni di supporto agli annotatori ed ai validatori.
7.1 Processo di sviluppo del software
Durante le linee di ricerca 1.2 ed 1.3 del progetto SI-TAL si è adottato, per la produzione del
sistema software per l’annotazione, la validazione e la navigazione della Treebank Sintattico-
Semantica dell’Italiano GesTALt, un processo di sviluppo iterativo, facente uso di tecniche di
prototipazione evolutiva e comprendente le seguenti attività principali:
A1. Definizione Requisiti Utente
Definizione di un primo insieme di requisiti utente relativo alle funzionalità di base da dover
includere in GesTALt. Tale attività comprende le seguenti sotto-attività:
A1.1 Definizione dei requisiti utente per le funzionalità di supporto all’annotazione sintattica a
costituenti.
108

Codice linea e Tema
A1.2 Definizione dei requisiti utente per le funzionalità di supporto all’annotazione sintatticofunzionale.
A1.3 Definizione dei requisiti utente per le funzionalità di supporto all’annotazione semanticolessicale.
A1.4 Definizione dei requisiti utente per le funzionalità di supporto alla validazione della
Treebank di SiTAL
A2. Codifica
Codifica di un primo prototipo (di tipo evolutivo) di GesTALt sulla base dei requisiti utente
raccolti. In maggior dettaglio, tale attività può essere specializzata nelle seguenti sotto-attività:
A2.1 Codifica di SinTAS, ovverosia del sottosistema di supporto all’annotazione sintattica a
costituenti.
A2.2 Codifica di FunTAS, ovverosia del sottosistema di supporto all’annotazione sintatticofunzionale.
A2.3 Codifica di SemTAS, ovverosia del sottosistema di supporto all’annotazione semanticolessicale.
A2.4 Codifica di ValTAS, ovverosia del sottosistema di supporto alla validazione delle
annotazioni.
A3. Validazione di GesTALt
Validazione delle funzionalità incluse nel prototipo realizzato. Le sotto-attività in cui si può
suddividere l’attività in oggetto sono:
A3.1. Validazione di SinTAS.
A3.2. Validazione di FunTAS.
A3.3. Validazione di SemTAS.
A3.4. Validazione di ValTAS.
A4. Raffinamento dei Requisiti Utente
Raffinamento dei requisiti utente prodotti sulla base dei commenti forniti dagli utenti durante
l’attività di validazione del prototipo. L’attività in questione si compone delle seguenti sottoattività:
A4.1 Raffinamento dei requisiti utente per le funzionalità di supporto all’annotazione
sintattica a costituenti.
A4.2 Raffinamento dei requisiti utente per le funzionalità di supporto all’annotazione
sintattico-funzionale.
A4.3 Raffinamento dei requisiti utente per le funzionalità di supporto all’annotazione
semantico-lessicale.
A4.4 Raffinamento dei requisiti utente per le funzionalità di supporto alla validazione della
Treebank di SiTAL.
A5. Raffinamento di GesTALt
Raffinamento del prototipo prodotto finalizzato a produrre una nuova versione di GesTALt che
sia conforme ai requisiti utente. In particolare, le sotto-attività in cui il raffinamento di GesTALt
può essere suddiviso sono:
A5.1 Raffinamento di SinTAS.
A5.2 Raffinamento di FunTAS.
A5.3 Raffinamento di SemTAS.
109

Codice linea e Tema
A5.4 Raffinamento di ValTAS.
Contrariamente a quanto originariamente riportato nei piani di attuazione relativi alle linee di
ricerca 1.2 ed 1.3 del progetto, le varie attività ora introdotte non sono state eseguite nell’ordine
sopra indicato, ma secondo quanto indicato nella seguente tabella:
Ordine Attività Linea di
attuazione
1 A1.1, A1.2, A1.3, A1.4 1.2
2 A2.1, A2.2, A2.3 1.2
3 A3.1, A3.2, A3.3, A4.1, A4.2, A4.3, A5.1, A5.2, A5.3 1.2
4 A2.4 1.3
5 A3.4 1.3
Tabella 1 – Ordine di esecuzione delle attività di sviluppo
Come si può notare da quanto riportato in Tabella 1:
− durante la linea di ricerca 1.2, sono state eseguite tutte le attività che vanno dalla prima
definizione dei requisiti utente, al raffinamento dei sottosistemi SinTAS, FunTAS e
SemTAS;
− una prima versione dei requisiti utente relativi a ValTAS è stata prodotta durante la linea di
ricerca 1.2;
− le attività di codifica e validazione di ValTAS sono state effettuate durante la linea di ricerca
1.3;
− al termine della attività di validazione del sottosistema ValTAS, non si è reso necessario
procedere all’attuazione delle attività di raffinamento dei requisiti ad esso relativi, nonché
del sottosistema stesso (attività A4.4 ed A5.4).
Che non sia stato necessario attuare le attività A4.4 ed A4.5, dipende fondamentalmente dal fatto
che, prima di intraprendere la codifica di ValTAS, è stato prodotto un emendamento dettagliato ai
requisiti iniziali definiti durante l’attività A1.4. Tale emendamento ha permesso di sviluppare da
subito un sottosistema che incontra le richieste dei validatori della Treebank di SI-TAL, piuttosto
che un primo prototipo da dover essere successivamente rilavorato secondo le direttive dell’utenza.
Accanto alle attività sopra elencate, e durante entrambe le linee di ricerca 1.2 ed 1.3, è stata
svolta, inoltre, una costatante attività di codifica atta a produrre una serie di applicazioni di utilità
dedicate a supportare gli annotatori e validatori durante il loro lavoro.
7.2 Architettura di GesTALt
Il sistema GesTALt può essere pensato come la composizione di quattro sottosistemi distinti,
denominati SinTAS, FunTAS, SemTAS e ValTAS dedicati, rispettivamente, al supporto delle
attività di annotazione sintattica a costituenti, di annotazione sintattico–funzionale, di annotazione
semantico–lesscicale e di validazione della Treebank di SI-TAL.
110

Codice linea e Tema
Ognuno di detti sottosistemi raggruppa un ben definito insieme di componenti software i quali
interagiscono l’uno con gli altri in modo tale da fornire le funzionalità richieste dagli utenti.
I componenti software possono essere classificati come componenti comuni, nel caso in cui essi
siano condivisi da due o più sottosistemi, o come componenti specializzati, se essi sono utilizzati da
un unico sottosistema.
L’architettura generale di GesTALt comprende dunque l’insieme dei componenti comuni nonché
di quelli specializzati relativi a tutti i sottosistemi definiti. Tale architettura è descritta in Figura 1,
dove i componenti software sono rappresentati come rettangoli, mentre le interazioni tra essi sono
indicate mediante l’uso di frecce.
SinTAS GUI
FunTAS
GUI
SinTAS
GUI
SemTAS
GUI
FunTAS
Manager
SinTAS
Manager
SemTAS
Manager
ValTAS
Manager
Corpus Analizzato
Morfo-Sintatticamente
(XML Files)
XML Loader
(Wrapper-In)
GesTALt
OODB
Tree Loader
Annotazioni
Sintattiche a Costituenti
(XML Files)
Correzioni al Corpus
Analizzato
Morfo-Sintatticamente
(XML Files)
Update Loader
Wrapper-Out
CorpusAnnotato
(XML Files)
CorpusAnnotato
(HTML Files)
SSParser
StyleSheet
Figura 1 – Architettura Software di GesTALt
In maggior dettaglio, i componenti comuni ai vari sottosistemi sono:
− GestTALt – OODB. È la base dati orientata agli oggetti (la DBA, cfr.7) utilizzata per
immagazzinare all’interno di GesTALt l’intera Treebank di SI-TAL. Trattandosi di una base
dati orientata agli oggetti, ogni entità linguistica è trattata come un oggetto software che
incorpora quindi sia la struttura dati necessaria ad immagazzinare detta entità, sia l’insieme delle
interrogazioni necessarie per reperire informazioni ad essa relative.
− XML Loader (Wrapper-in). È il componente che provvede al caricamento dell’insieme di testi
analizzati morfo-sintatticamente di un dato corpus nel GesTALt – OODB. Detto componente
prende in ingresso un file in formato XML per ogni testo da introdurre.
111

Codice linea e Tema
− Wrapper-out. È il componente che provvede a produrre una rappresentazione XML delle
annotazioni contenute nel GesTALt – OODB. L’uso del formalismo XML permette di rendere la
Treebank di SI-TAL pubblicamente accessibile. Di fatti, le informazioni contenute in essa
possono essere “navigate” indipendentemente dalla disponibilità del sistema GesTALt,
mediante un qualsiasi XML compliant internet browser.
− SSParser. È il componente che permette di riorganizzare, mediante l’uso di stylesheet, la
rappresentazione XML della Treebank di SI-TAL prodotta mediante Wrapper-out secondo una
specifica data. Tale componente consente inoltre di convertire i documenti XML relativi alla
Treebank in documenti HTML, testo, pdf o ps.
− Update Loader. È il componente che permette di apportare eventuali correzioni all’annotazione
morfo-sintattica di un corpus caricato nel GesTALt – OODB. Come nel caso dell’XML Loader,
anche l’Update Loader prende in ingresso file in formato XML.
− Merger. È il componente che permette di unificare le annotazioni contenute nelle varie viste
parziale della BDA in un’unica base dati (cfr. 7) contenente l’intera Treebank di SI-TAL.
I componenti specializzati relativi ai vari sottosistemi sono:
− Le interfacce grafiche utilizzate per le attività di annotazione sintattica a costituenti, sintattico–
funzionale e semantico–lessicale, nonché per quella di validazione (in Figura 1 denominati
rispettivamente FunTAS GUI, SinTAS GUI, SemTAS GUI e ValTAS GUI). Si noti che la
SemTAS GUI incorpora in se la FunTAS GUI, la SinTAS GUI e la SemTAS GUI estendendone
inoltre le funzionalità.
− I componenti software responsabili dell’accesso al GesTALt – OODB e dell’invocazione delle
adeguate funzionalità delle interfacce grafiche di FunTAS, SinTAS, SemTAS e ValTAS. Tali
componenti sono denominati in Figura 1 FunTAS Manager, SinTAS Manager, SemTAS
Manager and ValTAS Manager, rispetivamente.
− Il Tree Loader, ovverosia il componente che consente di caricare nel GesTALt – OODB
annotazioni sintattiche a costituenti prodotte mediante software dedicato e rappresentate
mediante formalismo XML.
− ValTAS Pre-processor. È il componente necessario per la conversione del GestTALt – OODB
dal formato proprietario dei tool di annotazione (FunTAS, SinTAS e SemTAS), a quello
utilizzato da ValTAS.
Identificati i vari componenti software, è possibile definire per grandi linee l’architettura di
ognuno dei sottosistemi di GesTALt come combinazione di uno o più componenti comuni e dei
suoi componenti specializzati, come specificato nella tabella di seguito riportata.
Sottosistema Componenti Comuni Componenti Specializzati
SinTAS
FunTAS
GesTALt OODB
XML Loader
Update Loader
Merger
GesTALt OODB
XML Loader
SinTAS GUI
SinTAS Manager
Tree Loader
FunTAS GUI
112

Codice linea e Tema
Sottosistema Componenti Comuni Componenti Specializzati
SemTAS
ValTAS
Update Loader
Merger
GesTALt OODB
XML Loader
Update Loader
Merger
GesTALt OODB
Wrappr Out
FunTAS Manager
SemTAS GUI
SemTAS Manager
ValTAS GUI
ValTAS Manager
ValTAS Pre-processor
La versione di GesTALt rilasciata al termine della linea di ricerca 1.3 (versione 3.0) comprende
l’implementazione di tutti i componenti software previsti per il sistema sopra elencati. Tra questi,
Merger, ValTAS GUI, ValTAS Manager, ValTAS Pre-processor e Wrapper Out sono stati sviluppati
durante la linea di ricerca 1.3.
In conclusione mettiamo in evidenza che GesTALt si presenta all’utenza come un pacchetto di
applicazioni software (cfr. §7) formata dai tre tool di annotazione (SinTAS, FunTAS e SemTAS),
dal tool di supporto alla validazione (ValTAS) e dall’insieme dei applicazioni di utilità formate da:
− XML Loader
− Update Loader
− Tree Loader
− Merger
− ValTAS Pre-processor
− Wrapper-out
− SSParser.
Per utilizzare FunTAS, SinTAS, SemTAS, XML Loader, Update Loader, Tree Loader e ValTAS
Pre-processr le seguenti risorse hardware e software sono richieste:
− Personal Computer equipaggiato con:
− Processore tipo Intel PII (minimo) o Intel PIII (consigliato)
− RAM 64 MB (minimo)
− Sistema operativo Microsoft ® Windows NT4.0 SP4 (fortemente consigliato) o Microsoft ®
Windows 9x.
− ODI ® PsePRO (object-oriented dbms)
− JDK 1.1.5 o superiore
Per utilizzare ValTAS, Wrapper-out ed SSParser, sono invece richieste le seguenti risorse:
− Personal Computer con:
− Processore tipo Intel PIII
− RAM 128 MB (minimo)
− Sistema operativo Microsoft ® Windows NT4.0 SP4 o Microsoft ® Windows 2000
− ODI ® PsePRO (object-oriented dbms)
− SAXON Parser (versione 5.5.1)
− JDK 1.2 o superiore
113

Codice linea e Tema
7.3 Funzionalità di GesTALt v3.0
Nei paragrafi seguenti si fornisce una sintetica descrizione delle principali funzionalità di
ValTAS, SSParser e Wrapper-out così come si presentano nella versione 3.0 di GesTALt. Si noti
che le funzionalità delle applicazioni di supporto agli annotatori sono invariate rispetto a quelle
fornite alla fine della linea di ricerca 1.2 (GesTALt v2.0).
7.3.1 ValTAS
ValTAS è l’applicazione fornita dal pacchetto GesTALt a supporto della validazione della
Treebank di SiTAL, e cioè di quell’attività mirata a controllare la correttezza e la consistenza delle
annotazioni sintattico-funzionali, sintattiche a costituenti, nonché di quelle semantico-lessicali
prodotte dagli annotatori.
A tale scopo, ValTAS offre la possibilità di interrogare l’intera Treebank di SiTAL in base ad una
qualunque caratteristica o combinazione di caratteristiche relative ad uno specifico livello di
annotazione. Il risultato di una interrogazione è l’insieme delle frasi in cui occorre l’annotazione
cercata (Figura 2).
Figura 2 – Interfaccia grafica di ValTAS
Una volta recuperato l’insieme delle frasi risultante da una interrogazione utente, ValTAS
permette, per ognuna delle frasi reperite, di visualizzare contemporaneamente la rappresentazione
114

Codice linea e Tema
grafica dei tre livelli di annotazione previsti, permettendo così un agevole controllo della
consistenza tra essi (Figura 3).
Figura 3 – Interfaccia grafica di ValTAS
In maggior dettaglio, ValTAS consente di interrogare la Treebank per:
− relazione funzionale, ed in particolare per:
− relazione funzionale generica, specificando uno o più parametri tra quelli indicati in
Figura 4a;
a) b)
115

Codice linea e Tema
Figura 4 –Parametri di interrogazione: relazioni generiche (a) e con testa nominale (b)
− relazione funzionale con testa nominale, specificando uno o più parametri tra quelli
indicati in Figura 4b;
− relazione funzionale con testa verbale, specificando uno o più parametri tra quelli
indicati in Figura 5a;
− relazione funzionale con dipendente nominale, specificando uno o più parametri tra
quelli indicati in Figura 5b;
a) b)
Figura 5 – Parametri di interrogazione: relazioni con testa verbale (a) e con dipendente nominale (b)
− relazione funzionale con dipendente verbale, specificando uno o più parametri tra quelli
indicati in Figura 6;
Figura 6 – Parametri di interrogazione: relazioni con dipendente verbale
− relazione funzionale con testa nominale e dipendente nominale, specificando uno o più
parametri tra quelli indicati in Figura 7;
116

Codice linea e Tema
Figura 7 – Parametri di interrogazione: relazioni con testa e dipendente nominale
− relazione funzionale con testa verbale e dipendente nominale, specificando uno o più
parametri tra quelli indicati in Figura 8;
Figura 8 – Parametri di interrogazione: relazioni con testa verbale e dipendente nominale
− relazione funzionale con testa nominale e dipendente verbale, specificando uno o più
parametri tra quelli indicati in Figura 9;
Figura 9 – Parametri di interrogazione: relazioni con testa nominale e dipendente verbale
− relazione funzionale con testa verbale e dipendente verbale, specificando uno o più
parametri tra quelli indicati in Figura 10;
117

Codice linea e Tema
Figura 10 – Parametri di interrogazione: relazioni con testa e dipendente verbale
−
− costituente, ed in particolare per:
− costituente semplice, specificando uno o più parametri tra quelli indicati in Figura 11a;
− costituente complesso, specificando uno o più parametri tra quelli indicati in Figura 11b;
a) b)
Figura 11 – Interfaccia grafica di ValTAS – Parametri di interrogazione II
− unità semantica, ed in particolare per:
− unità semantica generica, specificando uno o più parametri tra quelli indicati in Figura
12a;
− unità semantica semplice, specificando uno o più parametri tra quelli indicati in Figura
12b;
a) b)
Figura 12 – Interfaccia grafica di ValTAS – Parametri di interrogazione II
118

Codice linea e Tema
− unità semantica complessa, specificando uno o più parametri tra quelli indicati in Figura
13a;
− unità semantica titolo, specificando uno o più parametri tra quelli indicati in Figura 13b.
a) b)
Figura 13 – Interfaccia grafica di ValTAS – Parametri di interrogazione II
7.3.2 Wrapper-out
Wrapper-out è l’applicazione del pacchetto GesTALt che consente di produrre la
rappresentazione XML della Treebank di SI-TAL a partire dai dati contenuti nel GesTALt OODB.
I documenti XML prodotti in uscita dal Wrapper-out sono organizzati in maniera fortemente
strutturata: una parte di essi rappresenta le informazioni atomiche relative alle annotazioni
morfologiche, sintattico-funzionali, sintattiche a costituenti, semantiche, nonché alle caratteristiche
ortografiche delle singole frasi contenute nella BDA, mentre i rimanenti sono utilizzati per
realizzare le relazioni tra le informazioni atomiche.
Come risultato, i documenti XML di uscita del Wrapper-out non presentano alcuna duplicazione
di informazione, e possono quindi essere facilmente manipolati (mediante XSLt e Xpath, ad
esempio) senza correre il rischio di creare inconsistenza.
Di seguito è riportata la specifica (mediante DTD) dei principali documenti XML prodotti dal
Wrapper-out:
File indice:
119

Codice linea e Tema
File delle frasi:
Annotazione funzionale (per frase):
120

Codice linea e Tema
Annotazione Sintattica a Costituenti (per frase):

Codice linea e Tema
tipo CDATA #REQUIRED
commento CDATA #IMPLIED
nota CDATA #IMPLIED
ustid ID #REQUIRED>
7.3.3 SSParser
SSParser è l’applicazione del pacchetto GesTALt che permette di trasformare un insieme di
documenti XML contenuti in una directory sorgente in un nuovo insieme di documenti XML, i
quali si differenziano dai sorgenti per la diversa strutturazione dei dati in essi contenuti. In tal modo,
è ad esempio possibile produrre viste (in formato XML) sulla Treebank di SI-TAL a partire dalla
sua rappresentazione XML.
L’SSParser permette inoltre di convertire i documenti XML relativi alla Treebank di SI-TAL in
documenti HTML, PDF, PS o TXT. A titolo di esempio dell’uso di SSParser, alla fine della linea di
ricerca 1.3 sono stati prodotti i file HTML relativi all’intera Treebank di SI-TAL (Figura 14).
Figura 14 – Interfaccia grafica di ValTAS – Parametri di interrogazione II
122

Codice linea e Tema
8 Valutazione
L'attività di valutazione è stata svolta utilizzando sia ValTAS, l'interfaccia grafica di
consultazione della Treebank, sia le equivalenti informazioni rese disponibili in modo testuale. In
particolare, le interrogazioni realizzate sulla trascrizione delle annotazioni hanno reso possibile
l'estrazione di particolari marcature al fine di verificare la presenza o meno di situazioni ricorrenti
per cui fosse possibile intervenire nella definizione della nostra grammatica.
Riteniamo che la modalità con cui abbiamo acceduto alle informazioni della Treebank possa
essere molto simile, a livello logico, alle modalità con cui sarà possibile accedere alla versione
finale della Treebank stessa, quando questa sarà disponibile in formato XML e quindi interrogabile
con opportuni linguaggi.
Vediamo nel dettaglio cosa è stato fatto.
Occorre, innanzi tutto, specificare che la grammatica che definisce i legami sintattici dei
componenti di una frase si articola in due parti logiche distinte: una per definire le proprietà che
caratterizzano i termini e le loro capacità di aggregarsi con altri componenti della frase, ed una per
realizzare la composizione degli elementi al fine di ricostruire l'albero sintattico della struttura della
frase da analizzare.
A questa suddivisione logica corrisponde una diversa localizzazione delle informazioni:
• le proprietà di aggregazione sintattica dei termini vengono inserite all'interno del dizionario,
nella parte di analisi relativa alla sintassi;
• le modalità con cui le proprietà sintattiche dei termini vengono combinate per riempire gli
slot sono definite in un file opportuno, in Prolog.
Il lavoro per reperire le informazioni presenti nella Treebank si è articolato secondo il seguente
schema:
1. analisi di una errata costruzione dell'albero sintattico di copertura di una frase, a partire da
una traduzione scorretta
2. individuazione della corrispondente annotazione all'interno della Treebank
3. reperimento di tutte le strutture analoghe
4. analisi delle informazioni recuperate e inserimento, dove opportuno, di nuove informazioni
all'interno della grammatica.
Tali attività sono state svolte sia singolarmente sui tre livelli di annotazione (funzionale, a
costituenti, semantico), sia utilizzando la combinazione dei due livelli sintattici o dell'annotazione
semantica con quella funzionale.
Occorre precisare che per la realizzazione del punto 3 appena descritto, per la maggior parte
delle interrogazioni, sono stati elaborati dei programmi. Sono stati utilizzati come linguaggi di
programmazione il Perl ed il Visual Basic For Application. Il Perl è stato scelto per la sua versatilità
nell'elaborazione di stringhe ed è stato impiegato nella fase iniziale del lavoro, fase in cui sono stati
ristrutturati i dati resi disponibili da Certia; il VBA è stato utilizzato durante la fase di estrazione
123

Codice linea e Tema
delle informazioni, per uniformità con la procedura di valutazione realizzata durante la linea
precedente.
L'attività sull'annotazione sintattica funzionale è stata più rilevante, grazie alla maggiore quantità
(nel senso di espressività) di informazioni presenti nella trascrizione testuale della Treebank. Ciò ha
permesso di realizzare estrazioni che in seguito si potrebbe prevedere di realizzare con un
linguaggio di interrogazione per l'XML. Non è stato possibile fare altrettanto sulla trascrizione
dell'annotazione a costituenti, per la quale si è potuto utilizzare solo l'annotazione grafica di ValTas.
Alcune delle interrogazioni effettuate sono analoghe a quelle che si possono realizzare in ValTas
con il notevole vantaggio di poter ottenere risultati espliciti (come elenchi di termini, porzioni di
frasi, ecc.); altre sono più articolate poiché prevedono l'unione logica (OR) delle relazioni o la
verifica della sola presenza di un valore di un tratto indipendentemente dal valore che questo
assume. In seguito, le interrogazioni realizzate verranno descritte utilizzando, per quanto riguarda
l'annotazione sintattica funzionale, lo stesso tipo di notazione presente nella trascrizione realizzata
da Certia, specificando solo i campi influenti ai fini dell'interrogazione e tralasciando quelli i cui
valori non sono stati ritenuti interessanti nello specifico contesto.
Nel seguito verranno dettagliate le operazioni compiute. Per quanto riguarda le attività di
modifica svolte all'interno della grammatica di PeTra, verrà illustrato il tipo di informazione inserito
e se ne indicherà la finalità, tralasciando il formalismo utilizzato al fine di consentire una più facile
lettura. Si sottolinea che, in questa attività, anche la modifica più piccola comporta una serie di
operazioni che non verranno descritte ad ogni passo, ma che sono indispensabili per evitare di
introdurre rumore sul lavoro già realizzato. Il formalismo della grammatica, infatti, si basa
sull'applicazione di proprietà comuni a categorie di termini, richieste dalla modalità di
funzionamento del nostro sistema linguistico e identificate per rispondere a specifiche esigenze
della traduzione; non sempre tali categorie si ritrovano nella grammatica descrittiva tradizionale.
Questo significa che la minima modifica alle informazioni introdotte potrebbe causare effetti
collaterali a catena, per scongiurare i quali occorre realizzare numerose verifiche sia su frasi
contenenti la situazione su cui si sta lavorando, sia su frasi simili per le quali valgono regole
diverse. Infine, la verifica conclusiva viene realizzata su porzioni di testo generico. Solo a questo
punto è possibile passare alla modifica successiva. Si può quindi dedurre la mole di lavoro che
anche la modifica più banale comporta.
Come già accennato, siamo partiti analizzando le frasi mal tradotte da PeTra Word. Tra queste
abbiamo analizzato quelle per cui la cattiva traduzione era dovuta ad una errata costruzione
dell'albero sintattico nella parte di analisi dell'italiano. Abbiamo, quindi, cercato di capire il
problema e di vedere come veniva risolta l'annotazione nella Treebank. I paragrafi che seguono
descrivono le problematiche individuate, i criteri con cui sono state prelevate le informazioni nella
Treebank e gli interventi di correzione realizzati.
Gli interventi sono stati essenzialmente di 3 tipi: sulla parte di analisi del dizionario, sulla
grammatica e sul transfer.
124

Codice linea e Tema
8.1 Modifiche al dizionario
8.1.1 Derivanti dalla sintassi
8.1.1.1 Reggenze
Una delle maggiori difficoltà in un sistema di traduzione automatica è l'individuazione delle
corrette dipendenze di gruppi nominali introdotti da preposizione, dipendenti sia da verbi che da
sostantivi. L'esplicitazione delle reggenze tipiche porta ad una migliore costruzione dell'albero di
copertura della frase. Abbiamo quindi individuato nella Treebank le reggenze presenti ed inserito
nel nostro sistema quelle mancanti.
8.1.1.2 Testa nominale
Durante la costruzione dell'albero di copertura di una frase, PeTra cerca di individuare le corrette
dipendenze aggregando i componenti presenti. Nel caso di un sintagma introdotto da preposizione,
la tendenza più ricorrente è quella di far dipendere tale gruppo da una forma verbale, a meno che
non sia presente un sostantivo per il quale la preposizione in esame costituisca una reggenza tipica o
si sia in presenza di un complemento di specificazione (introdotto dalla preposizione di).
L'esplicitazione nel dizionario delle reggenze tipiche dei sostantivi aiuta dunque nella costruzione
dell'albero. Questo tipo di informazione è, però, difficilmente reperibile in dizionari cartacei e/o
tradizionali.
Abbiamo quindi constatato che al nostro sistema mancava spesso la corretta individuazione di un
gruppo assimilabile a quello che nell'annotazione a costituenti è identificato come un SN, al cui
interno è presente un SP (SPD o SPDA).
Individuato il problema, abbiamo deciso di ampliare la casistica appena descritta compilando un
programma di interrogazione della trascrizione testuale dell'annotazione funzionale per estrarre tutte
le teste e gli introduttori dei dipendenti che soddisfacevano quanto segue:
Tipo relazione: mod | arg
Testa nominale:
POS: S
* :
POS dipendente: S | A | N | V | P*
Introduttore dipendente: not "" 3
Il programma di interrogazione ha quindi restituito un elenco di sostantivi con le relative
reggenze presenti nel corpus. Tali coppie di valori sono state esaminate manualmente al fine di
eliminare quelle con uso sporadico: le rimanenti sono andate ad arricchire le entrate del dizionario
3 Con introduttore: not "" si intende che il valore dell'introduttore deve essere una stringa diversa dalla stringa vuota,
della quale non viene però specificato il valore. Ricordiamo che, in informatica, per stringa si intende una qualunque
sequenza di caratteri alfanumerici
125

Codice linea e Tema
corrispondenti alle "teste" individuate, con l'esplicitazione di uno slot specifico per il gruppo
preposizionale. In questa maniera sono state individuate reggenze tipiche come
• incontro con
• integrazione tra
• simposio su
mentre sono state scartate presenze del tipo:
• credito a
• facilitazione per.
8.1.1.3 Testa verbale
Come spiegato al punto precedente, i complementi indiretti vengono di preferenza legati alla
forma verbale presente. Anche in questa situazione, però, risulta utile l'esplicitazione delle
reggenze: in presenza di più forme verbali aiuta a discriminare la corretta dipendenza.
Anche in questo caso sono state rilevate, nei costituenti, delle annotazioni non sempre
individuate dagli alberi generati in PeTra, come quella della giusta attribuzione di un COMP* al
corrispondente IBAR.
E' stato quindi realizzato un programma, analogo al precedente, per realizzare un'interrogazione
sulle relazioni annotate nel funzionale secondo i seguenti criteri:
Tipo relazione: *
Testa verbale:
POS: V
Dipendente nominale:
POS dipendente: S | N | P* | A | D*
Introduttore dipendente: not""
che hanno portato all'individuazione di situazioni come
• riunire in
• stabilizzare su.
Anche questo secondo elenco è stato attentamente esaminato al fine di eliminare le occorrenze
sporadiche: le rimanenti sono state inserite nella parte di informazioni sintattiche presenti nel
dizionario.
8.1.1.4 Espressioni polilessicali
Come era facile supporre, il contesto specialistico in cui si inseriscono i testi selezionati può
comportare un uso particolare dell'italiano, o comunque diverso da quello presente nei testi di tipo
informatico da noi più di frequente esaminati. Questo portava il nostro sistema di traduzione a mal
interpretare la costruzione della frase o a tradurre letteralmente sequenze di parole aventi traduzioni
specifiche. In relazione a tali usi e alle relative traduzioni in Inglese, abbiamo esaminato i risultati
126

Codice linea e Tema
delle interrogazioni che seguono, realizzate con un programma in grado di estrarre le terminologie
presenti, a partire dalla trascrizione dell'annotazione funzionale.
Ricordiamo, come già descritto nelle precedenti relazioni, che nel nostro sistema si intendono
come espressioni polilessicali tutte quelle sequenze di termini che necessitano di una particolare
traduzione o che occorre bloccare per evitare di mal interpretare la costruzione dell'albero. Tali
espressioni, inoltre, hanno diverse caratterizzazioni e non vengono trattate sempre nella stessa
maniera, come:
a. espressioni polilessicali invariabili (es. made in Italy)
b. espressioni polilessicali con sequenza costante ma con i singoli componenti che ammettono
la flessione (es. bilanci/io provvisori/io)
c. espressioni polilessicali che possono presentarsi con dei modificatori, vincolate solo dalla
relazione sintattica (es. assestare [velocemente] i conti 4 )
Le tre situazioni vengono risolte in maniera diversa:
a. inserendo una entrata specifica nel dizionario
b. aggiungendo al termine reggente una nuova analisi, che scatti nei casi in cui il termine sia
accompagnato dal resto della sequenza
c. come disambiguazione basata sul valore dei suoi complementi
Nel seguito verranno descritte le situazioni individuate e gli interventi realizzati, ma eviteremo di
andare nel dettaglio delle scelte implementative per evitare di appesantire il discorso.
8.1.1.5 Dipendenza indiretta con testa nominale
Per estrarre l'elenco dei complementi indiretti retti da testa nominale, abbiamo scritto un
programma che individua le annotazioni sintattiche funzionali caratterizzate da:
Tipo relazione: mod | arg
Testa nominale:
POS: S
Dipendente nominale:
POS dipendente: S
Introduttore dipendente: not""
e che restituisce la sequenza:
lemma_testa introduttore lemma_dipendente
4 assestarsi si traduce genericamente con to settle in, mentre assestare i conti diventa to balance the account
127

Codice linea e Tema
In questo modo abbiamo ottenuto un elenco piuttosto consistente, che è stato esaminato
manualmente al fine di estrarre le potenziali espressioni "da bloccare". Nella scelta ci siamo fatti
guidare soprattutto dalla corrispondente traduzione in inglese. Così procedendo abbiamo
individuato situazioni come
• azionista di riferimento
• calo delle vendite
• posto di lavoro
• controllo del traffico
L'uso di un programma in grado di estrarre l'elenco delle potenziali espressioni polilessicali ha
permesso di lavorare più agevolmente, grazie alla restituzione ad un elenco da esaminare. Per
ciascun elemento dell'elenco, è stato poi deciso l'intervento più opportuno da realizzare (secondo
quanto descritto ai punti a., b., c.), esaminando tutti i possibili usi per evitare che vengano bloccate
situazioni non univocamente interpretabili. Si rimanda all'esempio fornito al documento precedente
circa l'esame di per cui (congiunzione polilessicale, ma anche preposizione seguita da pronome).
In questo modo, per:
• calo delle vendite è stata aggiunta, all'entrata calo, un'analisi per bloccare la sequenza calo/i
delle vendite
• apertura del mercato è stata inserita, in corrispondenza di apertura, una specifica traduzione
nel caso in cui il lemma sia modificato da un complemento di specificazione riempito da
mercato (o da una sua flessione)
8.1.1.6 Dipendenza indiretta con testa verbale
Per ritrovare le espressioni rette da testa verbale, si è proceduto in maniera analoga al punto
precedente, utilizzando un programma che agisse in maniera simile, con criteri di ricerca
leggermente diversi:
Tipo relazione: obl | mod | ogg_i
Testa verbale:
POS: V
Dipendente nominale:
POS dipendente: S
Introduttore dipendente: not""
ottenendo un elenco del tipo:
lemma_testa introduttore lemma_dipendente.
Anche questo elenco è stato analizzato secondo i criteri visti sopra, per eliminare le sequenze
superflue e, per ciascuna sequenza rimasta, è stata scelta la strategia più opportuna per l'inserimento
nel dizionario. Alcuni esempi delle sequenze trovate sono:
• riunirsi in seduta
128

Codice linea e Tema
• giungere a un'intesa
8.1.1.7 Dipendenza diretta con testa nominale
Un'altra ricerca realizzata ha portato all'individuazione di modificatori con apposizione.
L'interrogazione è stata realizzata con i seguenti criteri:
Tipo relazione: not(cong)
Testa nominale:
POS: S
Dipendente nominale:
POS dipendente: S
Introduttore dipendente: ""
Abbiamo così ottenuto un elenco composto da coppie di sostantivi. Anche in questo caso si è
proceduto ad una scrematura guidata dal senso e dalla traduzione in lingua inglese. Le coppie
rimaste sono state inserite nel dizionario utilizzando sempre gli stessi criteri sin qui descritti. Tra
esse abbiamo, per esempio:
• forza lavoro
• fine anno
8.1.1.8 Dipendenza diretta con testa verbale
In quest'ultimo caso relativo alle espressioni polilessicali, abbiamo cercato di individuare i verbi
che in presenza di particolari complementi oggetti vengono tradotti in modo idiomatico. Abbiamo
quindi realizzato un programma in grado di estrarre una sequenza di verbi transitivi con i relativi
complementi oggetti a partire da un'interrogazione del tipo:
Tipo relazione: ogg_d
Testa verbale:
POS: V
SFEAT: V*T 5
Dipendente nominale:
POS dipendente: S
Introduttore dipendente: ""
Sono, così, state individuate tutte le occorrenze dei complementi diretti presenti nella parte di
corpus selezionato. Anche questa volta, l'elenco ottenuto è stato analizzato al fine di individuare i
dipendenti che fanno assumere al verbo reggente, o alla composizione con esso, una particolare
5 con V*T si intendono tutte le stringhe che iniziano con V, terminano con T, e al cui interno possono essere presenti
zero o più caratteri. Abbiamo utilizzato questo simbolismo per evitare di elencare tutte le situazioni come: VGT, VIRT,
VT,…, relative a verbi transitivi.
129

Codice linea e Tema
traduzione. Le forme ottenute sono state inserite come espressioni polilessicali, sempre utilizzando i
criteri già esposti.
Esempi di espressioni ottenute sono:
• accogliere gli accantonamenti
• accusare una difficoltà
• fare presa.
In particolare in questo caso, la maggior parte degli inserimenti sono stati realizzati secondo le
modalità della disambiguazione, come illustrato al punto c. all'inizio di questo paragrafo. Ciò è
dovuto al fatto che la relazione che lega un verbo al suo complemento oggetto verte su leggi che
possono essere individuate con criteri sintattici; questo permette la presenza di altri termini
intermedi, come gli avverbi.
Ad esempio, per riprendere i casi riportati sopra, la traduzione di accusare nel contesto descritto,
non deve essere diversa se la frase viene costruita come:
egli ha accusato sempre molte difficoltà.
8.1.1.9 Specifiche consultazioni
L'utilizzo della Treebank ha portato a ricerche sistematiche, come quelle appena descritte, ma
anche a ricerche mirate alle singole costruzioni, alcune delle quali vengono descritte in questo
paragrafo. Tra le più significative, abbiamo due ricerche non previste a priori, indispensabili, però,
per il corretto funzionamento dell'analisi dell'italiano: la corretta impostazione dell'ausiliare in verbi
intransitivi, e la molteplicità delle accezione per una stessa variante grafica.
Per costruire correttamente l'albero di analisi della frase italiana, in PeTra sono esplicitati, per i
verbi intransitivi, gli ausiliari necessari per la costruzione dei tempi composti. Analizzando alcune
traduzioni ci siamo accorti che in alcuni verbi tale informazione non era corretta. Abbiamo quindi
scritto un nuovo programma di interrogazione del documento contenente la trascrizione
dell'annotazione funzionale al fine di individuare i lemmi dei verbi aventi i seguenti tratti:
Tipo relazione: *
[ Testa Verbale:
POS: V
SFEAT: VGPROG | VIIN | VIN | VGIN | VIRIN | VPPIN | VPRIN
Ausiliare: avere
]
or
[ Dipendente Verbale:
POS: V
SFEAT: VGPROG | VIIN | VIN | VGIN | VIRIN | VPPIN | VPRIN
Ausiliare: avere
]
Con l'elenco dei lemmi così ottenuto, abbiamo eseguito una verifica manuale delle informazioni
riportate nel nostro dizionario e realizzato gli opportuni aggiustamenti.
130

Codice linea e Tema
Questo è stato un esame imprevisto della Treebank, che ci ha permesso di reperire informazioni
importanti: l'uso della Treebank si dimostra quindi versatile e aperto ad analisi inattese.
Sempre analizzando le frasi tradotte, ci siamo resi conto della presenza di qualche problema
nell'analisi di alcuni lemmi: nel nostro dizionario, essi non erano presenti con tutte le accezioni
previste dall'italiano. Ad esempio, in PeTra romanzo era presente solo come sostantivo e non come
aggettivo (filologia romanza).
Una situazione analoga si è presentata con proprio: utilizziamo questo esempio per comprendere
il tipo di lavoro realizzato.
Abbiamo, come prima cosa, estratto tutte le annotazioni coinvolgenti il lemma in esame,
indipendentemente dalla forma e dal tipo di relazione. Ci siamo quindi resi conto dell'assenza
dell'analisi di proprio come aggettivo possessivo, a causa della quale non venivano costruite
relazioni che nella Treebank abbiamo individuato come:
Tipo relazione: mod
Testa nominale:
POS: S
Dipendente:
Lemma : proprio
POS : AP
L'estrazione di tutte le classificazioni di proprio sono state invece estratte con l'interrogazione:
Tipo relazione: *
[ Testa *:
Lemma: proprio
]
or
[ Dipendente *:
Lemma : proprio
]
8.1.2 Derivanti dalla semantica
8.1.2.1 Inserimento dei semantic type disponibili
Le modifiche al dizionario derivanti dall'analisi semantica hanno comportato l'inserimento di
numerosi semantic type. In PeTra, i semantic type vengono utilizzati per determinare la corretta
traduzione di un termine quando questo è messo in relazione con un altro appartenente ad una
particolare categoria. Ad esempio:
• versare si può tradurre to pour
ma se è seguito da un complemento oggetto di tipo money si traduce to deposit
Il nostro lavoro si è articolato nei seguenti passi:
131

Codice linea e Tema
• individuazione dei termini annotati semanticamente nella Treebank
• individuazione del senso corrispondente all'interno di ItalWordNet
• individuazione del semantic type corrispondente in PeTra
• inserimento del semantic type nel dizionario, nella parte di analisi relativa al lemma
• verifica del rispetto della corretta traduzione in relazione ai termini in cui è utilizzato.
Abbiamo inserito il semantic type ad un numero consistente di lemmi presenti e, come ci si
poteva aspettare sulla base del corpus selezionato, quello più utilizzato è stato money.
8.1.2.2 Nuovo semantic type
Il lavoro effettuato ha portato, oltre all'inserimento dei semantic type già previsti in PeTra,
all'individuazione di un nuovo senso, il cui utilizzo, a partire dalle informazioni contenute in
ItalWordNet, è stato mediato dalle necessità della traduzione.
Il nuovo semantic type è in relazione al senso qualità di ItalWordNet, al quale siamo arrivati
utilizzando la catena degli iperonimi delle forme che andiamo a descrivere. Ci sono infatti termini
(come coraggio, importanza, esperienza, …) che in italiano si legano al verbo avere (avere
coraggio, avere importanza, …) ma che in inglese vengono retti dal verbo essere (to be brave, to be
important). Abbiamo quindi inserito un nuovo semantic type nella gerarchia di PeTra, denotando
con esso i termini sopra elencati, e aggiungendo una nuova disambiguazione in corrispondenza
dell'entrata di avere quando è seguito da un termine appartenente a quella categoria.
Naturalmente c'è da osservare che non tutti i termini che sono qualità verranno classificati con il
nuovo semantic type: anche in questo caso le informazioni estratte vengono filtrate da criteri di
necessità vincolati alla logica della traduzione. Ne segue che le qualità che non richiedono il to be
non rientreranno in questa nostra categoria.
8.1.2.3 Derivanti dalla semantica in combinazione con la sintassi
Partendo dall'annotazione semantica, sono state individuate tutte le parole aventi più di un senso
nel corpus e tra queste, quelle aventi una diversa traduzione dipendente dal significato. Di queste
sono state considerate tutte le frasi in cui sono presenti e di esse sono state analizzate le annotazione
sintattiche con ValTas: ciò ha portato all'individuazione di costruzioni che caratterizzano la parola
in relazione al significato. Ad esempio
• articolo: se è modificato da un numerale cardinale individua una parte di una legge
Tale informazione è stata inserita nel dizionario come disambiguazione in corrispondenza
dell'entrata articolo, che ammetterà così una specifica costruzione ed una opportuna traduzione.
8.2 Modifiche alla grammatica
In questo paragrafo vengono descritti gli interventi più significativi realizzati sulla grammatica,
suddivisi in base alla tipologia delle regole coinvolte. Le regole della grammatica, infatti, non sono
tutte dello stesso tipo: alcune si occupano di costruire l'albero di copertura, altre di cancellare
132

Codice linea e Tema
l'alternativa di un albero riconosciuto come mal costruito, ed altre di attribuire una probabilità ad
una costruzione individuata.
8.2.1 Raffinamento delle regole per la costruzione dell'albero
In questo paragrafo vengono descritti alcuni degli interventi effettuati sulle regole per migliorare
la capacità del sistema di traduzione di costruire l'albero di copertura per l'analisi della frase
italiana. La mancata, o errata, costruzione dell'albero infatti determina una errata interpretazione
delle relazioni esistenti tra gli elementi della frase e, conseguentemente, porta ad una traduzione
scorretta o, in certi casi, totalmente errata.
8.2.1.1 Participi interpretati come aggettivi
Questo è un problema di omografi: nella lingua italiana, molti aggettivi sono anche participi
passati di verbi e spesso la distinzione della corretta POS è strettamente dipendente dalla semantica
della frase. Tuttavia dobbiamo osservare che nell'ottica di un sistema di traduzione automatica
questa distinzione diventa rilevante solo quando le traduzioni dell'aggettivo e del participio
corrispondente sono diverse (es. pulito agg. clean, p.p. cleaned). La scelta che è stata fatta
all'interno del dizionario di PeTra è stata quella di inserire il lemma aggettivale solo per gli
omografi aventi diversa traduzione, così da non duplicare inutilmente gli alberi di analisi. Per questi
ultimi casi si pone il problema di individuare le regole sintattiche per riuscire, dove possibile, a
distinguere le due accezioni. La grammatica di PeTra cerca di discriminare la corretta analisi
facendo uso di opportune regole di cancellazione. Ad esempio, in combinazione con gli ausiliari
viene scelto il lemma verbale. Tale scelta si compie "cancellando" l'alternativa contenente il lemma
aggettivale. Se invece la forma era in combinazione con un sostantivo, veniva scelto il lemma
aggettivale: questo provocava il mancato aggancio di alcuni tipi di modificatori da essa dipendenti,
a causa della non completezza delle regole di PeTra.
Una frase in cui si presentava questo tipo di problema era:
[…] lungo un orizzonte indicato convenzionalmente in due anni.
Con le interrogazioni realizzate sull'annotazione sintattica della Treebank siamo riusciti ad
ampliare questa casistica.
Abbiamo realizzato la seguente ricerca:
Tipo relazione: mod
Testa verbale
POS: V
SFEAT: PPAS
Dipendente *:
Introduttore: not""
Esprimendo in maniera meno sintetica, rispetto al formalismo descritto, i risultati ottenuti, si può
dire che siamo giunti alla conclusione che in presenza di complementi indiretti retti da una forma
che può essere sia aggettivo che verbo, occorre privilegiare il verbo scrivendo opportune regole di
cancellazione per l'aggettivo.
133

Codice linea e Tema
8.2.1.2 Quanto
Abbiamo notato l'incapacità della nostra grammatica di legare quanto, come pronome relativo,
ad un participio passato. Per risolvere il problema abbiamo analizzato le due annotazioni sintattiche
e rilevato quanto segue.
In una frase come:
Contrariamente a quanto avvenuto nelle altre vendite […]
• nell'annotazione a costituenti, la parte sottolineata risulta essere un SV3
• nell'annotazione funzionale, esiste una relazione di tipo Mod nella quale quanto è la testa con
il dipendente verbale avvenire.
Nella grammatica di PeTra non erano previste regole per legare il pronome quanto ad un
participio passato. Inserita questa modifica, il sottoalbero di copertura di quella porzione di frase è
stato costruito correttamente.
8.2.1.3 Lo - predicato preposto
Di solito in italiano, a meno di casi particolari, i predicati dei verbi copulativi seguono la forma
verbale, tranne alcune eccezioni (es.: "non lo è"). Eseguendo interrogazioni del tipo:
Tipo relazione: pred
Testa verbale:
Dipendente *:
e verificando le costruzioni con la grafica di ValTas, abbiamo individuato la presenza di lo come
predicato preposto. E' quindi stata inserita la possibilità di ammettere anche questa costruzione
all'interno della grammatica di PeTra.
Per completare questa modifica è stato necessario l'inserimento di opportune regole di transfer,
come verrà descritto nel paragrafo relativo.
8.2.1.4 Aggettivi come incisi
Alla grammatica di PeTra mancava la possibilità di associare ad un sostantivo un aggettivo nel
caso in cui questo fosse espresso come inciso (scritto tra virgole) e seguito da altri complementi
indiretti, come in frasi del tipo:
[…] dopo il restyling del gruppo, necessario per […,…]
La possibilità di ammettere costruzioni di questo tipo è stata dedotta analizzando entrambe le
annotazioni sintattiche:
• nel funzionale, esiste una relazione di tipo mod tra il sostantivo e l'aggettivo che regge
l'inciso (parte sottolineata, nell'esempio)
134

Codice linea e Tema
• nei costituenti, l'inciso è denotato come SA, al cui livello più alto è presente un A (il
dipendente modificatore della relazione del funzionale), che con il sostantivo S a cui si
riferisce forma un SN.
Ammettendo la possibilità di avere costruzioni aggettivali di questo tipo, i sottoalberi di
copertura vengono costruiti correttamente.
8.2.1.5 Quest'ultimo
E' stata ampliata la regola che lega un determiner (articolo, aggettivo dimostrativo,…) ad un
aggettivo sostantivato. In PeTra non venivano riconosciute, infatti, le sequenze del tipo:
aggettivo dimostrativo + aggettivo (sostantivato)
come quest'ultimo. Occorre aggiungere che in PeTra, per convenzione, non viene inserita la
classificazione di sostantivo per quei lemmi che sono essenzialmente aggettivi: il loro uso come
sostantivi viene riconosciuto e quindi generato in fase di analisi.
Nell'annotazione sintattica funzionale, tale relazione mancante è stata individuata con
l'interrogazione seguente:
Tipo relazione: mod
Testa nominale:
Lemma: ultimo
POS: S
Dipendente:
Lemma : questo
POS : DD
MFEAT: MFEAT(testa) 6
ed inserita come nuova regola che coinvolge le due categorie di termini.
8.2.1.6 Prima ancora che
La sequenza prima ancora che non veniva individuata in PeTra. In frasi del tipo:
[…] era gia' stato concordato prima ancora che si svolgessero le elezioni.
non veniva riconosciuto che tale costruzione costituisce l'introduttore di una subordinata.
Anche in questo caso sono state analizzate entrambe le annotazioni sintattiche:
• nei costituenti: la parte sottolineata è annotata come FS, cioè subordinata con introduttore;
6 Questa scrittura vuol significare che il valore di MFEAT del dipendente deve essere uguale a quello di MFEAT
della testa
135

Codice linea e Tema
• nel funzionale: sono presenti le seguenti relazioni:
mod(ancora, prima)
mod(concordare, ancora)
arg(concordare, svolgere).
Dall'insieme di queste relazioni si riesce a comprendere che l'introduttore della subordinata
svolge un ruolo di comparazione temporale andando a modificare il verbo della reggente.
8.2.2 Raffinamento delle regole di cancellazione
Nella grammatica di PeTra esistono le regole positive, appena esaminate, che si occupano di
ricostruire l'albero di copertura della frase, e delle regole di cancellazione. Queste ultime sono
utilizzate per l'eliminazione di particolari accezioni di un lemma sulla base delle informazioni
morfosintattiche relative all'elemento in esame e a quelli adiacenti. Questo permette di limitare i
tentativi effettuati dall'analisi vera e propria.
In tali regole di cancellazione sono definite le condizioni per cui devono scattare, ma anche le
limitazioni per le quali ciò deve avvenire.
In questo paragrafo sono descritte sia alcune nuove regole di cancellazione, che alcune nuove
limitazioni per il loro utilizzo.
8.2.2.1 Sostantivi interpretati come verbi
In italiano, molte forme verbali della prima persona dell'indicativo presente risultano essere
omografi di sostantivi.
In relazione alle forme verbali omografe di sostantivi, sono state ridefinite le circostanze che
devono verificarsi affinché scatti la regola di cancellazione del sottoalbero contenente la forma
interpretata come sostantivo. Tale ridefinizione è stata realizzata con delle euristiche dall'analisi
delle singole frasi, avendo riscontrato un'alta presenza di questo tipo di errore. La conferma della
necessità della ridefinizione è venuta dai risultati dell'interrogazione dell'annotazione funzionale
basata su un solo tratto:
Tipo relazione: *
[ Testa verbale:
POS: V
MFEAT: S1IP
]
or
[ Dipendente verbale :
POS : V
MFEAT: S1IP
]
Infatti, le forme aventi nel tratto Mfeat il valore specificato si sono rivelate statisticamente rare:
questo ci ha portato a rivedere i criteri con cui, in PeTra, tali analisi erano invece preferite al
sostantivo.
136

Codice linea e Tema
8.2.2.2 Più
Un problema che la Treebank ci ha aiutato a risolvere è stata la corretta analisi di più. Nel nostro
sistema, infatti, non erano presenti sufficienti regole in grado di individuare il corretto ruolo di più.
Abbiamo quindi estratto dall'annotazione funzionale tutte le presenze di più e il contesto in cui
queste si trovano. In seguito all'analisi di queste informazioni sono state individuate una nuova
regola di cancellazione e una limitazione ad una regola di cancellazione esistente.
Abbiamo, infatti, rilevato che tutti i più che modificano un aggettivo sono avverbi: in PeTra
abbiamo quindi inserito la regola di cancellazione di più come preposizione se seguito da aggettivo
(la costruzione errata ricadeva nella più generale regola positiva per la quale una preposizione può
precedere un aggettivo).
E' stata ampliata la limitazione riguardante la regola di cancellazione di più come preposizione:
più come preposizione non veniva cancellato solo nel caso in cui fosse seguito da un numerale.
Adesso non viene cancellato anche nel caso sia seguito da un determiner.
8.2.2.3 Come
Le frasi costruite come:
Non si tratta di prendere > , come paventa il ministro Maroni .
creavano problemi di riconoscimento in PeTra, in quanto il come era identificato come
avverbio interrogativo e il soggetto posposto veniva scambiato per complemento oggetto.
L'analisi delle costruzioni che coinvolgono il come ha portato all'individuazione di situazioni del
tipo:
• nei costituenti: una F introdotta da come con POS = Conj;
• nel funzionale: verbo transitivo di modo finito,
tale verbo svolge ruolo di testa in una relazione di soggetto, con soggetto
posposto,
è assente la relazione di complemento oggetto.
Il problema era dovuto all'esistenza, nella grammatica di PeTra, di una regola di cancellazione
per eliminare i sottoalberi relativi a frasi non interrogative, prive (apparentemente!) di soggetto.
L'unica possibilità di interpretare frasi come quella citata era di considerarla interrogativa e con
soggetto sottinteso. La regola che portava alla cancellazione descritta è stata inibita nel caso in cui
la F dipenda da come in qualità di congiunzione.
8.2.3 Modifica delle preferenze e delle restrizioni
Il terzo tipo di regole si occupa di assegnare delle penalità: in caso di ambiguità si procede
costruendo tutti gli alberi possibili, ma non tutti con lo stesso valore di probabilità. Questa
informazione viene utilizzata nei casi in cui non si riesca ad eliminare l'ambiguità procedendo con
la costruzione dell'albero: quelli con maggiore penalizzazione vengono eliminati. Nel seguito sono
esposte alcune delle restrizioni realizzate a partire dalle due annotazioni funzionali.
137

Codice linea e Tema
8.2.3.1 Sono
Anche in questo caso la presenza di due omografi impediva la classificazione corretta. Rilevando
nel corpus una scarsa presenza di sono come prima persona dell'indicativo presente, abbiamo deciso
di inserire una penalità in corrispondenza di quella forma: al momento della costruzione dell'albero,
in caso di completa ambiguità, viene data la preferenza alla terza persona plurale.
8.2.3.2 Ieri
Gli avverbi di tempo compaiono spesso come teste in relazioni di tipo Mod nell'annotazione
sintattica. Il modificatore può essere una congiunzione (anche ieri) o un avverbio (proprio ieri) con
i quali genera un SAVV nell'annotazione sintattica a costituenti, o un sostantivo (ieri pomeriggio)
con il quale genera un SN. In questo secondo caso la costruzione non può essere ammessa con tutti i
sostantivi, in particolare deve essere evitata la costruzione con gli SP. Ad esempio, una frase in cui
PeTra costruiva un albero errato, conteneva la sequenza:
[...] ha spiegato ieri Mandela […]
dove ieri e Mandela andavano a generare un sostantivo composto. L'interrogazione della
Treebank non ha fatto individuare nessuna situazione di questo tipo, ma solo quelle dei tre tipi sopra
descritti. Per risolvere tale situazione è stata implementata la restrizione sul tipo di nomi che
possono andare a modificare un avverbio di tempo.
8.2.3.3 Dopo
Il problema di dopo è dovuto alla corretta discriminazione del suo uso come preposizione o come
avverbio. Nell'annotazione a costituenti, la sua presenza come preposizione fa etichettare tutto il
gruppo che regge come SP, ma per comprendere le relazioni di cui tenere conto nella
disambiguazione risulta fondamentale analizzare l'annotazione funzionale. Abbiamo infatti
osservato che dopo non può essere avverbio quando è immediatamente seguito da un sostantivo che
ha ruolo di modificatore di un verbo per il quale la relazione di soggetto sia già stata saturata.
Facendo un esempio, nella porzione di frase:
[…] dopo la libertà politica venga davvero anche l'eguaglianza […]
abbiamo le seguenti annotazioni funzionali:
mod(venire, libertà)
sogg(venire, eguaglianza)
E' quindi stata modificata la regola che prende dopo come avverbio se valgono le condizioni:
- dopo è seguito da un sintagma nominale, con il quale crea un gruppo preposizionale
- il verbo da cui dipende il gruppo preposizionale ha lo slot soggetto già saturato
La modifica comporta una penalizzazione sulla scelta di dopo come avverbio se la verifica delle
condizione elencate dà esito positivo.
138

Codice linea e Tema
8.3 Modifiche al transfer
Le modifiche apportate al dizionario e alla grammatica, grazie alle informazioni reperite nella
Treebank, hanno permesso di riconoscere nuove strutture. In alcuni casi è stato necessario scrivere
anche regole di transfer strutturale per assicurare una corretta traduzione dell'intera frase.
Nel seguito sono descritti alcuni degli interventi realizzati. Anche in questo caso eviteremo di
utilizzare la sintassi interna di PeTra al fine di consentire una più facile lettura.
8.3.1 Lo - predicato preposto
Come già accennato, ammettere la costruzione con lo come predicato preposto ha portato alla
costruzione di un nuovo tipo di albero di copertura per la frase italiana. Ad esso dovrà ora
corrispondere un opportuno albero per la costruzione della frase inglese. Tale "ristrutturazione"
avviene per mezzo delle regole di transfer.
In questo caso è stata inserita una regola per la cancellazione del nodo lo, riconosciuto come
predicato, e ne viene aggiunto uno con il pronome che svolge il ruolo di soggetto espresso.
Ad esempio, la frase:
non lo è
deve diventare
it is not
attraverso l'eliminazione del predicato e l'aggiunta del soggetto espresso calcolato sulla flessione
del verbo.
8.3.2 Subordinate infinitive
L'inglese prevede una categoria di verbi che non possono reggere delle infinitive, cosa che non
trova corrispondenza in italiano. Per tali verbi l'infinitiva "italiana" viene trasformata in un'oggettiva
"inglese", attraverso una opportuna ristrutturazione dell'albero di copertura nel passaggio dalla
lingua sorgente alla lingua destinazione.
Ciò permette ora di passare da
a:
Dico di andare
I say that I go.
8.3.3 Milioni/miliardi di…
Nel corpus analizzato sono molto frequenti frasi con espressioni in cui un numerale è seguito da
"milioni/miliardi" seguito ancora da un complemento di specificazione contenente un'unità di
misura. Questa situazione, in inglese, non può essere tradotta letteralmente. In inglese, infatti,
l'espressione italiana
139

Codice linea e Tema
due miliardi di sterline
deve essere tradotta
two billion pounds.
Per far questo è stata introdotta una regola di transfer per la cancellazione della preposizione di
in corrispondenza della situazione appena descritta. Occorre sottolineare che il buon funzionamento
di questa regola di transfer non può prescindere dal corretto uso del semantic type relativo alle unità
di misura. Come già descritto, attraverso l'uso della Treebank sono state inserite numerose
informazioni semantiche che non possono che avere effetti positivi anche in questo contesto.
8.3.4 Mesi
Un'altra espressione piuttosto frequente nel corpus è l'informazione temporale espressa come
nel mese di Marzo
Anche a questa forma non corrisponde una traduzione letterale, bensì:
in March
Per realizzare tale passaggio è stata inserita una regola di transfer che, riconosciuta la situazione,
elimina i nodi mese e di, e trasforma la preposizione articolata, che introduce il gruppo, in
preposizione semplice.
8.4 Modifiche all'interfaccia software
Nel corpus esaminato è molto frequente la presenza di forme legate da un trattino come
part-time, ma anche come diritto-dovere. Risulta evidente che le due situazioni non possono essere
trattate nella stessa maniera: nel primo caso i due termini risultano privi di significato in italiano se
usati singolarmente, nel secondo sono forme indipendenti che vengono combinate per sottolineare
una particolare circostanza.
Per trattare il primo caso sono state inserite delle opportune entrate nel dizionario, per le altre
viene ammessa la costruzione di una forma come composizione di due. Inoltre, poiché le situazioni
che possono presentarsi possono essere varie e strettamente legate al tipo di corpus, ci siamo resi
conto che non sempre si può prevedere a priori il giusto comportamento. Si è quindi deciso di
modificare l'interfaccia software, per permettere all'utente del sistema di traduzione di scegliere il
trattamento più appropriato al testo in esame. Questa scelta è conseguenza dell'analisi dei testi: non
in tutti viene utilizzata la stessa logica d'uso del trattino, che risulta strettamente legata alla
sensibilità dell'autore.
Il software è stato inoltre modificato per permettere una valutazione oggettiva del lavoro svolto:
all'utente vengono ora fornite delle informazioni relative agli alberi di analisi costruiti, come il
numero di alberi non chiusi o le ambiguità non risolte.
140

Codice linea e Tema
8.5 Osservazioni
8.5.1 Ricerche infruttuose
In italiano un determinato introduttore può richiedere uno specifico modo verbale nella
subordinata che introduce.
Conoscendo l'importanza di disporre, per la costruzione della frase, dell'elenco completo di tali
introduttori, abbiamo acceduto all'annotazione sintattica funzionale alla loro ricerca, secondo
interrogazioni in grado di individuare due proposizioni, in cui la dipendente ha il verbo al
congiuntivo e l'introduttore specificato:
Tipo relazione: arg
Testa verbale:
POS: V
Dipendente verbale :
POS: V
Introduttore: not""
MFEAT: ..C. 7
ma nella parte di corpus selezionata abbiamo riscontrato pochissime situazioni di quel tipo e tutte
già previste. E' stata sottolineata questa situazione per evidenziare come i risultati raggiunti siano
strettamente legati al corpus esaminato e, quindi, alle situazioni in esso presenti. Nelle specifiche di
annotazione della Treebank erano previste contesti di annotazione a noi utili: solo al momento
dell'elaborazione delle informazioni è risultata l'assenza di tali informazioni nella porzione di
corpus da noi selezionato su criteri di tipo Relational Data Analysis (RDA).
8.5.2 Analisi del lavoro svolto
La parte di verifica dei miglioramenti ottenuti in dipendenza delle modifiche apportate verrà
realizzata durante la successiva linea, ma alcune osservazioni possono già essere effettuate adesso
sulla base delle analisi svolte durante l'attuale lavoro di raffinamento.
Probabilmente il miglioramento che attraverso misurazioni potremo ottenere nella fase finale non
sarà proporzionale al lavoro svolto, o meglio, lo sarà in una porzione di corpus, ma non su tutto: nei
testi selezionati, infatti, ci sono delle frasi molto lunghe che si articolano in numerose subordinate
ricche di incisi. Siamo convinti che, in tali frasi, possano presentarsi dei miglioramenti, specie a
livello dei singoli sottoalberi, ma immaginiamo che difficilmente possano essere costruiti degli
alberi di completa copertura. Su frasi più lineari e ben costruite dovrebbero, invece, esserci dei
miglioramenti certo consistenti.
7 con ..C. si indicano tutte quelle sequenze di 4 caratteri aventi in terza posizione una C e un qualunque carattere
nelle altre posizioni. In questo caso significa che il verbo deve essere di modo congiuntivo
141

Codice linea e Tema
Sin qui, la validità della Treebank come sorgente di informazione sembra indubbia, avendo
consentito di estrarre un gran numero di informazioni, sia di tipo previsto che imprevisto, scaturito
dall'esame concreto della risorsa. Indubbiamente, dopo la comparazione dei risultati raggiunti con il
sistema di traduzione modificato, si potrà articolare meglio un discorso di valutazione. Quello che si
può già dire ora è che, dopo averla analizzata concretamente, possono nascere nuovi spunti e
suggerimenti relativi al tipo delle annotazioni inserite.
142

Codice linea e Tema
Riferimenti bibliografici
Alonge, A., Bertagna, F., Calzolari, N., Roventini A. 1999. The Italian Wordnet. In: EWN CD-Rom
(anche: http://www.hum.uva.nl/~ewn).
Atkins B.T., J. Kegl, B. Levin, 1988, “Anatomy of a Verb Entry: from Linguistic Theory to
Lexicographic Practice”, International Journal of Lexicography 1, pp. 84-126.
Bémová A., J. Hajic, B. Hladká, J. Panenová, 1999, “Syntactic tagging of the The Prague
dependency Treebank”, in Proceedings of the Treebanks workshop, Journée(s) ATALA sur les
corpus annotés pour la syntaxe, 18-19 juin 1999, Université Paris 7, place Jussieu, Paris,
disponibili all’indirizzo http://www.biomath.jussieu.fr/ATALA/.
Bresnan J., (ed.), 1982, The Mental Representation of Grammatical Relations, The MIT Press,
Cambridge-Massachusetts.
Calzolari N., O. Corazzari, (in corso di pubblicazione), “Senseval/Romanseval: the framework for
Italian”, Computers and the Humanities, Kluwer Academic Publishers, Dordrecht.
Calzolari N., O. Corazzari, M. Monachini, A. Roventini, 1996, “Speech Act and Perception Verbs:
Generalizations and Contrastive Aspects”, in EURALEX-96 Proceedings, Goteborg University,
pp. 73-83.
Calzolari N., M. Baker, J.G. Kruyt (eds.), 1995, Towards a network of European Reference
Corpora, Report of the NERC Consortium Feasibility Study, Pisa, Giardini.
Carroll J., E. Briscoe, 1996, “Apportioning development effort in a probabilistic LR parsing system
through evaluation”, in Proceedings of the ACL/SIGDAT Conference on Empirical Methods in
Natural Language Processing, University of Pennsylvania, Philadelphia, PA, pp. 92-100.
Carroll J., E. Briscoe, A. Sanfilippo, 1998, “Parser Evaluation: a Survey and a New Proposal”, in
Proceedings of the First International Conference on Language Resources and Evaluation,
Granada, Spain, 28-30 May, pp. 447-454.
Casadei F., 1996, Metafore ed espressioni idiomatiche, Universita’ di Roma, La Sapienza,
Dipartimento di Scienze del Linguaggio, Roma, Bulzoni Editore.
Chomsky N., 1986, Barriers, MIT Press, Cambridge MA.
Corazzari O., 1992, Phraseological Units, Pisa, NERC Working Paper, NERC-92-WP8-68.
Corazzari O., N. Calzolari, A. Zampolli, 1999, ELSNET: Internal Report, ILC, Pisa.
Corazzari O., M. Monachini, 1995, ELSNET: Italian Corpus Sample, ILC-CNR, Pisa.
Cruse D.A., 1986, Lexical Semantics, Cambridge, Cambridge University Press.
Danlos L., 1981, “La morphosyntaxe des espressions figées”, Langages 63, Parigi, Larousse.
Danlos L., 1988, “Les phrases à verbe support etre Prép”, Langages 90, Parigi, Larousse.
143

Codice linea e Tema
Delmonte R. (1999), From Shallow Parsing to Functional Structure, in Atti del Workshop AI*IA
"Elaborazione del Linguaggio e Riconoscimento del Parlato", IRST Trento, pp.8-19.
Delmonte R. (2000), Shallow Parsing And Functional Structure In Italian Corpora, LREC-2000
Proceedings, Athens, June 2000.
Fass D., 1991, “met*: A Method for Discriminating Metonymy and Metaphor by Computer”,
Computational Linguistics 17(1), pp. 49-90.
Federici S., S. Montemagni, V. Pirrelli, 1999, “SENSE: an Analogy-based Word Sense
Disambiguation System”, in corso di pubblicazione in M. Light, M. Palmer (eds.), Special
Issue of Natural Language Engineering on Lexical Semantic Tagging.
Fellbaum C., J. Grabowski, S. Landes, 1998 “Performance and Confidence in a Semantic
Annotation Task”, in Wordnet, An Electronic Lexical Database, Cambridge, MIT Press.
Gale A. W., K. W. Church, D. Yarowsky, 1992, “A Method for Disambiguating Word Senses in a
Large Corpus”, Computers and the Humanities 26, pp. 415-439.
Garside R., G. Leech, G. Sampson, (a cura di), 1987, The computational analysis of English. A
corpus-based approach, London, Longman.
Garzanti, 1994, Dizionario Garzanti di Italiano, Milano, Garzanti Editore.
Goggi S., L. Biagini, E. Picchi, R. Bindi, S. Rossi, R. Marinelli, 1997, Italian Corpus
Documentation, LE-PAROLE WP2.11, ILC, Pisa.
Greenbaum S. (ed.), 1996, English Worldwide: The International Corpus of English, Oxford,
Clarendon Press.
Grefenstette G., 1994, Explorations in Automatic Thesaurus Discovery, Boston, Kluwer Academic
Publishers.
Gross M., 1985, “Sur les determinants dans les espressions figées”, Langages 79, Parigi, Larousse.
Gross M., 1986, “The Representation of Compound Words”, in 11 th International Conference on
Computational Linguistics, Proceedings of Coling ‘86, Bonn.
Gross M., 1988, “Les limites de la phrase figées”, Langages 90, Parigi, Larousse.
Van Halteren H., 1997. Excursions into syntactic databases, Amsterdam, Rodopi.
Hanks P., 1996, “Contextual Dependency and Lexical Sets”, International Journal of Corpus
Linguistics 1, pp. 75-98.
Hudson R., 1984, Word Grammar, Basil Blackwell, Oxford.
Hudson R., 1988, “The Linguistic Foundations for Lexical Research and Dictionary Design”,
International Journal of Lexicography, 1 (4), pp. 287-312.
Karlsson, F., Voutilainen, A., Heikkila, J. e A. Anttila (eds.). 1995. Constraint Grammar, a
language-independent system for parsing unconstrained text. Berlin e New York: Mouton de
Gruyter.
144

Codice linea e Tema
Kilgarriff A., 1993, “Dictionary word sense distinctions: An enquiry into their nature”, Computers
and the Humanities 26, pp. 365-387.
Landes S., C. Leacock, R. I. Tengi, 1998, “Building Semantic Concordances”, in Wordnet, An
Electronic Lexical Database, Cambridge, MIT Press.
Leech G., R. Barnett, P. Kahrel, 1996, Guidelines for the standardization of syntactic annotation of
corpora, EAGLES Document EAG-TCWG-SPT/P.
Leech G., R. Garside, 1991, “Running a grammar factory: the production of syntactically analysed
corpora or ‘treebanks’“, in Johansson S., Stenstrom A.B., English Computer Corpora: Selected
Papers and Research Guide, Berlin, Mouton de Gruyter, pp. 15-32.
Lenci, A., F. Busa, N. Ruimy, E. Gola, M. Monachini, N. Calzolari, A. Zampolli, El. Guimier, G.
Recourcé, L. Humphreys, U. Von Rekovsky, A. Ogonowski, C. McCauley, W. Peters, I. Peters,
M. Villegas (1998). ‘Specifications’, SIMPLE Work, Linguistic Deliverable D2.1, Pisa.
Lenci A., S. Montemagni, V. Pirrelli, C. Soria, K. Netter, M. Rajman, 1999 a, Corpora for
Evaluation, WP5, ELSE (Evaluation in Language and Speech Engineering), LE4-8340.
Lenci A., S. Montemagni, V. Pirrelli, C. Soria, 1999 b, “FAME: a Functional Annotation Metascheme
for Multimodal and Multi-lingual Parsing Evaluation”, in Proceeding of the ACL99
Workshop on Computer-Mediated Language Assessment and Evaluation in Natural Language
Processing, University of Maryland, June 22 nd .
Lenci A., Montemagni S., Pirrelli V., Soria C., 2000. Where opposites meet. A Syntactic Metascheme
for Corpus Annotation and Parsing Evaluation. LREC-2000 Proceedings, Athens, June
2000.
Lin D., 1998, “A dependency.based method for evaluating broad-coverage parsers”, Natural
Language Engineering 4(2), pp. 97-114.
Marciniak M., A. Mykowiecka, A. Przepiórkowski, A. Kupsc, 1999, “Construction of an HPSG
treebank for Polish”, in Proceedings of the Treebanks workshop, Journée(s) ATALA sur les
corpus annotés pour la syntaxe, 18-19 juin 1999, Université Paris 7, place Jussieu, Paris,
disponibili all’indirizzo http://www.biomath.jussieu.fr/ATALA/.
Marcus M., M.A. Marcinkiewicz, B. Cantorini, 1993, “Building a Large Annotated Corpus of
English: The Penn Treebank”, Computational Linguistics 19(2), pp. 313-330.
Marcus M., G. Kim, M.A. Marcinkiewicz, R. McIntyre, R. Bies, A. Ferguson, M. Katz, K.
Schasberger, 1994, “The Penn Treebank: Annotating predicate argument structure”, in
Proceedings of the Human Language Technology Workshop, March 1994, Morgan Kaufman
Publishers Inc., San Francisco, CA.
MATE, 1998, Multilevel Annotation Tools Engineering, .
Meyers A., K. Macleod, R. Grishman, 1994, “Standardization of the Complement Adjunct
Distinction”, in Proceedings of COLING-94.
Monachini M., 1995, ELM-IT: An Italian Typed Incarnation of The EAGLES Lexicon
Morphosyntactic Specifications, Work in progress, ILC, Pisa.
145

Codice linea e Tema
Monachini, M, 1996 ELM-IT: EAGLES Specifications for Italian Morphosyntax Lexicon
Specification and Classification Guidelines, EAGLES Report, Pisa.
Monachini M., A. Roventini, A. Alonge, N. Calzolari, O. Corazzari, 1994, “Linguistic Analysis of
Italian Perception and Speech Act Verbs”, DELIS Working Paper, ILC, Pisa.
Montemagni S., 1990, Definition, General Features and Taxonomy of Multi Word Expressions,
ILC, Pisa.
Montemagni S., 1992, Syntactically annotated corpora: comparing the underlying annotation
schemes, Technical Report NERC-67, ILC Pisa.
Montemagni S., 1995, Subject and Object in Italian Sentence Processing, PhD Thesis, University
of Manchester Institute of Science and Technology (UK), Centre for Computational
Linguistics, Settembre 1995.
Montemagni S., Barsotti F., Battista M., Calzolari N., Corazzari O., Zampolli A., Fanciulli F.,
Massetani M., Raffaelli R., Basili R., Pazienza M.T., Saracino D., Zanzotto F., Mana N.,
Pianesi F., Delmonte R., 2000. The Italian Syntactic-Semantic Treebank: Architecture,
Annotation, Tools and Evaluation. Proceedings of the COLING Workshop on "Linguistically
Interpreted Corpora (LINC-2000)", Luxembourg, 6 August 2000, pp. 18-27.
Montemagni S., Barsotti F., Battista M., Calzolari N., Corazzari O., Lenci A., Zampolli A.,
Fanciulli F., Massetani M., Raffaelli R., Basili R., Pazienza M.T., Saracino D., Zanzotto F.,
Mana N., Pianesi F., Delmonte R., 2001 "Building the Italian Syntactic-Semantic Treebank", in
corso di stampa in Anne Abeillé (a cura di), Building and using syntactically annoted corpora,
Language and Speech series, Kluwer, Dordrecht; anche disponibile all'indirizzo
http://www.talana.linguist.jussieu.fr/~nbarrier/treeBank/toc.html.
Moon R., 1987, “The Analysis of Meaning, in Looking Up, An Account of the Cobuilt Project”, in
Lexical Computing, Birmingham, Collins ELT.
Renzi L. (a cura di), 1988, Grande grammatica italiana di consultazione, Vol.I, Bologna, Il Mulino.
Renzi L., Salvi G. (a cura di), 1991, Grande grammatica italiana di consultazione, vol. 2, Il
Mulino, Bologna.
Ruimy N., O. Corazzari, 1991, Be Prep X Frozen Expressions, Eurotra n.13, ILC, Pisa.
Palazzi, Folena, 1995, Dizionario della lingua italiana.
PAROLE, 1996-1998, Preparatory Action for Linguistic Resources Organization for Language
Engineering, LE-4017, Language Engineering.
Picchi E., 1994, “Pi-Tagger: A tagger and lemmatizer for Italian”, in EURALEX-94 Proceedings,
Amsterdam.
Sampson G., 1987, “The grammatical database and parsing system”, in Garside R., Leech G., Sampson
G., (a cura di), pp. 82-96.
Sampson G., 1995, English for the Computer, Oxford, Clarendon Press.
146

Codice linea e Tema
Sampson G., 1998, A proposal for improving the measurement of parse accuracy, manoscritto non
pubblicato.
Samvelian P., 1990, Les constructions etre Prep X: Formalisation et traitement dans le cadre du
project EUROTRA, Memoire de DEA, Universite Paris 7, Parigi.
Sandoval M., A. Lopez Ruesga, S. e F. Sanchez León, 1999, Spanish Tree Bank: Specifications,
Version 4, Manoscritto.
Scalise S., 1995, “La formazione delle parole”, in Grande grammatica italiana di consultazione,
Vol.III, pp. 471-514, Bologna, Il Mulino.
Schwarze C., 1995, Grammatik der italienischen Sprache 2. verbesserte Auflage, Max Niemeyer
Verlag, Tubingen.
Sinclair J., 1996, “The Empty Lexicon”, International Journal of Corpus Linguistics 1, pp. 99-119.
Somers H., 1984, “On the validity of the Complement-Adjunct Distinction in Valency Grammar”,
in Linguistics, 22, pp. 507-530.
SPARKLE, Shallow Parsing and Knowledge Extraction for Language Engineering,
.
Ten Hacken P., H. Maas, B. Maegaard, 1991, “Dictionaries in Eurotra”, in The Eurotra Linguistic
Specifications, C. Copeland, J. Durand, S. Krawer, B. Maegaard, (eds.), Luxembourg,
Commission of the European Communities.
Thorsten B., S. Wojciech, H. Uszkoreit, 1999, “Syntactic annotation of a German newspaper
corpus”, in Proceedings of the Treebanks workshop, Journée(s) ATALA sur les corpus annotés
pour la syntaxe, 18-19 juin 1999, Université Paris 7, place Jussieu, Paris, disponibili
all’indirizzo http://www.biomath.jussieu.fr/ATALA/.
Van Halteren H., 1997. Excursions into syntactic databases, Amsterdam, Rodopi.
Voorhees E. M., 1998, “Using WordNet for Text Retrieval”, in Wordnet, An Electronic Lexical
Database, Cambridge, MIT Press.
Zingarelli, 1997, Lo Zingarelli 1997 Vocabolario della Lingua Italiana, Bologna, Zanichelli
Editore.
147

Codice linea e Tema
Appendici
1. Annotazione a costituenti: rappresentazione in XML
2. Annotazione funzionale: rappresentazione in XML
3. Annotazione semantico-lessicale: rappresentazione in XML
148

Codice linea e Tema
Appendice 1 - Annotazione a costituenti: rappresentazione in XML
1 Dtd
La formalizzazione dell’annotazione a costituenti, come quella degli altri livelli di annotazione,
viene prodotta sulla base del linguaggio di markup XML (eXstensible Markup Language). Il
linguaggio XML prevede una DTD (Document Type Definition), ossia un file di riferimento per la
codifica dei dati, che contiene al suo interno le regole di definizione dei tag e indica gli elementi ed
il loro ordine all’interno del documento XML. Tale architettura prevede che la codifica avvenga per
frase (elemento ). Gli elementi contengono, incassati al loro interno, o uno o più
elementi o uno o più elementi . A loro volta gli elementi contengono,
incassati al loro interno, o uno o più elementi o uno o più elementi . Questi ultimi
elementi puntano in maniera indiretta alle occorrenze lessicali nel corrispondente file morfologico.
Ricordiamo che l’annotazione a costituenti, come anche quella funzionale e quella semantica,
presuppone un livello di annotazione morfo-sintattica (la cui DTD è documentata nel Rapporto
della Linea 1.2). Questo vuol dire che nei files di annotazione a costituenti, come anche nei files
relativi agli altri tipi di annotazione, troviamo dei puntatori o identificatori, codificati come tratti, i
quali dal file di annotazione puntano al file con l’annotazione morfosintattica. Ciò è illustrato dagli
esempi che seguono.
1.1 L’elemento
Questo elemento può contenere al suo interno uno o più elementi , oppure uno o più
elementi . L’elemento è descritto dai seguenti tratti:
id
init
end
[ASCII]
[ASCII]
[ASCII]
Il tratto id è un tratto di identificazione e associa ciascun elemento ad una stringa di
caratteri [ASCII] i quali indicano il file morfologico e la singola frase, interna ad esso, a cui
l’elemento in considerazione fa riferimento.
Il tratto init è un tratto i cui possibili valori sono identificatori di parole morfologiche, in questo
caso specifico il valore del tratto init identifica la prima parola morfologica della frase che stiamo
trattando.
Il tratto end è un tratto i cui possibili valori sono identificatori di parole morfologiche, in questo
caso specifico il valore del tratto end identifica l’ultima parola morfologica della frase che stiamo
trattando.
Riportiamo qui di seguito un esempio che mette in parallelo il file morfologico di una frase ed il
file di annotazione a costituenti della stessa frase:
149

Codice linea e Tema
Xml Ex. 00 Il tesoro mette sul mercato il 51% a 2.200-2.700 lire per
azione.
Il
Tesoro
mette
sul
mercato
il
51%
a
2.200-2.700
lire
per
azione
.
mword.xml
cost.xml
150

Codice linea e Tema
1.2 L’elemento
L’elemento , corrispondente al costituente frasale, può contenere al suo interno o uno o
più elementi o uno o più elementi .
Segue un esempio dove abbiamo evidenziato gli elementi insieme al file morfologico di
riferimento.
Xml Ex. 01 Bruxelles all’Italia: urgente ridurre il deficit.
Bruxelles
all’
Italia
:
urgente
ridurre
il
deficit
.
mword.xml
cost.xml
151

Codice linea e Tema
L’elemento nodo è descritto da un unico tratto, il tratto type. L’inventario dei suoi possibili
valori, dichiarati al livello di DTD come di tipo CDATA, è riportato nella sezione sulle specifiche
di annotazione per il livello a costituenti (sezione 4.2).
type
CDATA
Xml Ex. 02 Bruxelles all’Italia: urgente ridurre il deficit.
…
il
deficit
…
…
…
mword.xml
cost.xml
1.3 L’elemento
L’elemento ha solamente un attributo, mw_id. Il tratto mw_id è un tratto di
identificazione e associa ciascun elemento ad una stringa di caratteri [ASCII] i quali
indicano la parola morfologica a cui l’elemento in considerazione fa riferimento.
mw_id
[ASCII]
Xml Ex. 03 SERVIZI.
SERVIZI
.
mword.xml
cost.xml
152

Codice linea e Tema
Appendice 2 - Annotazione funzionale: rappresentazione in XML
2 DTD
Al livello funzionale, la codifica XML dei dati annotati avviene per frase. L’unità minima di
annotazione è costituita dalla frase, designata nella DTD dall’elemento .
Ogni elemento può contenere, al suo interno, la lista dei partecipanti alle
relazioni (con le relative proprietà) seguita dalla lista delle relazioni funzionali tra i partecipanti,
corrispondenti rispettivamente agli elementi di tipo e di tipo . Gli elementi
puntano alle relative parole morfologiche nel file di input con l’annotazione morfosintattica;
gli elementi di tipo descrivono le relazioni funzionali tra i vari elementi di
tipo .
Gli elementi per questo livello di annotazione sono ricapitolati di seguito, mentre per la
descrizione dei tratti associati ai vari elementi rimandiamo alle sezioni successive:
2.1 L’elemento (partecipante)
Questo elemento descrive il partecipante in una qualsiasi relazione funzionale. La codifica
dell’elemento presuppone l’annotazione morfo-sintattica del testo. Questo vuol dire, nel
dettaglio, che tramite la codifica del tratto dell’elemento , lo stesso elemento
punta direttamente alla corrispondente parola morfologica (per l’architettura modulare
della Treebank di SI-TAL si rinvia al Rapporto della Linea 1.2). Diamo di seguito una
esemplificazione di quanto detto:
Xml Ex.00 I due malavitosi sono stati spesso segnalati in diverse occasioni
mword.xml
I
due
malavitosi
sono
stati
spesso
segnalati
in
diverse
occasioni
.
funct.xml
153

Codice linea e Tema
Un elemento di tipo è descritto dai seguenti tratti: quantificazione, cardinalita,
definitezza, aux, perifra, introdep, caso, status, ruolo, modo, diat, syn_form,
reflex, pers, num, gen, introsim, partec_id.
quantificazione
cardinalita
definitezza
aux
perifra
introdep
caso
status
ruolo
modo
CDATA
CDATA
CDATA
CDATA
CDATA
CDATA
dativo, accusativo
aperto, chiuso
agente, locativo, temporale
comparativo, ambito,
superlativo
gerundio, part_pass,inf, partic.pres
CDATA
diat
syn_form
CDATA
reflex
CDATA
pers 1, 2, 3
num
sing, plur
gen
mas, fem
introsim
CDATA
partec_id
[ASCII]
href
154

Codice linea e Tema
In quanto segue, riportiamo una esemplificazione di ogni tratto. Per una discussione dettagliata
dei tratti associati ai partecipanti ad una relazione funzionale si rinvia alle sezioni 5.1.1.1.2 e
5.1.1.2.1.
2.1.1 quantificazione
Il tratto quantificazione viene utilizzato nei casi in cui un partecipante sia quantificato. Il tratto
quantificazione ha come possibili valori CDATA, ossia qualsiasi stringa di testo.
Xml Ex. 01 Ho visto molti gatti
mword.xml
Ho
visto
molti
gatti
funct.xml
…
…
2.1.2 cardinalita
Il tratto cardinalita viene utilizzato nei casi un cui un partecipante abbia una certa cardinalità. Il
tratto cardinalita ha come valore CDATA, ossia qualsiasi stringa di testo.
Xml Ex. 02 Ho visto due gatti
Ho
visto
due
gatti
mword.xml
funct.xml
…
…
2.1.3 definitezza
Il tratto definitezza viene utilizzato per descrivere la definitezza di un partecipante. L’inventario
dei possibili valori associati al tratto definitezza è riportato nella sezione 5.1.1.1.2.3. sulle
specifiche di annotazione per il livello funzionale (al livello di DTD sono dichiarati come di tipo
CDATA).
155

Codice linea e Tema
Xml Ex. 03 Ho visto il gatto
Ho
visto
il
gatto
mword.xml
funct.xml
…
…
2.1.4 aux
aux viene usato nei casi in cui un partecipante verbale occorra in costruzioni perifrastiche con un
verbo ausiliare. Possibili valori sono essere e avere (al livello di DTD sono dichiarati come
CDATA). Cfr sezione 5.1.1.1.2.3.
Xml Ex. 04 Ho visto i gatti
Ho
visto
i
gatti
mword.xml
funct.xml
…
…
2.1.5 perifra
Il tratto perifra viene utilizzato nei casi in cui un partecipante verbale sia utilizzato in
costruzioni passive con essere o venire, e nei casi in cui un partecipante verbale sia utilizzato in
costrutti modali e aspettuali. I possibili valori, dichiarati al livello di DTD come CDATA, sono
elencati nella sezione 5.1.1.1.2.3.
Xml Ex. 05 Devono arrivare domani
mword.xml
Devono
arrivare
domani
funct.xml
…
…
156

Codice linea e Tema
2.1.6 introdep
Il tratto introdep è usato per specificare l’elemento grammaticale che “introduce” un dipendente
che è parte di una delle seguenti relazioni funzionali: dip; sogg; comp; mod; arg; pred;
non_pred; ogg_d; obl. L’insieme dei suoi possibili valori è aperto (ed è dichiarato come
CDATA nella DTD).
Xml Ex.06 Camminava mentre parlava
mword.xml
Camminava
mentre
parlava
funct.xml
…
…
2.1.7 caso
Il tratto di caso è usato nella descrizione di dipendenti di tipo pronominale. I suoi possibili valori
sono: dativo e accusativo.
Xml Ex.07 gli parlo domani
mword.xml
gli
parlo
domani
funct.xml
…
…
2.1.8 status
Il tratto status è associato a partecipanti di forma frasale ed è usato per discriminare tra soggetti
e complementi frasali con la valenza soggetto saturata e quelli con soggetto controllato da
dipendenze esterne. I possibili valori associati a questo tratto sono: aperto e chiuso. Cfr sezione
5.1.1.1.2.1.
Xml Ex.08 Giovanni decise di partire
mword.xml
Giovanni
decise
di
partire
157

Codice linea e Tema
funct.xml
…
…
…
Xml Ex. 09 Giovanni disse che Maria sarebbe partita domani
mword.xml
Giovanni
disse
che
Maria
sarebbe
partita
domani
funct.xml
…
…
2.1.9 ruolo
Il tratto di ruolo è usato per fornire una caratterizzazione semantica alla relazione funzionale,
ovvero per rendere esplicito, quando necessario, il ruolo semantico di un dipendente. Il tratto di
ruolo può assumere i valori di agente, temporale, locativo, compar(ativo), superlativo e
ambito e viene assegnato per specializzare l’interpretazione della relazione funzionale, fornendo
così elementi utili per l’interpretazione semantica della relazione in corso di annotazione (cfr
sezione 5.1.1.1.2.1).
Xml Ex. 10 è partito da Roma
mword.xml
è
partito
da
Roma
funct.xml
…
158

Codice linea e Tema
…
Xml Ex. 11 fu ucciso da Bruto
mword.xml
fu
ucciso
da
Bruto
funct.xml
…
…
Xml Ex. 12 è partito da un’ora
mword.xml
è
partito
da
un’
ora
funct.xml
…
…
Xml Ex. 13 è più intelligente dell’insegnante
mword.xml
è
più
intelligente
dell’
insegnante
funct.xml
…
159

Codice linea e Tema
…
Xml Ex.14 è il più intelligente
mword.xml
è
il
più
intelligente
funct.xml
…
…
Xml Ex. 15 è il più intelligente della classe
mword.xml
è
il
più
intelligente
della
classe
funct.xml
…
…
2.1.10 modo
Il tratto modo specificare il modo di partecipanti verbali. I suoi possibili valori sono riportati
nella sezione 5.1.1.1.2.1.
160

Codice linea e Tema
Xml Ex 16 Giovanni decise di partire
mword.xml
Giovanni
decise
di
partire
funct.xml
…
…
Xml Ex. 17 camminava parlando
mword.xml
camminava
parlando
funct.xml
…
…
Xml Ex. 18 la cosa è ormai compiuta
mword.xml
la
cosa
è
ormai
compiuta
funct.xml
…
…
161

Codice linea e Tema
Xml Ex.19 il presidente uscente
mword.xml
il
presidente
uscente
funct.xml
…
…
2.1.11 diat
Il tratto diat(esi) specifica la diatesi di un partecipante verbale. Suoi possibili valori sono
riportati nella sezione 5.1.1.1.2.2.
Xml Ex. 20 La Microsoft ha assunto Paolo
mword.xml
La
Microsoft
ha
assunto
Paolo
funct.xml
…
…
…
2.1.12 syn_form
Il tratto syn_form specifica la forma personale/impersonale di un partecipante verbale. I suoi
possibili valori sono riportati nella sezione 5.1.1.1.2.2.
Xml Ex. 21 Bisogna discutere di queste cose
Bisogna
discutere
di
queste
cose
mword.xml
162

Codice linea e Tema
funct.xml
…
…
…
2.1.13 reflex
Il tratto reflex specifica caratteristiche legate alla riflessività del partecipante verbale. L’insieme
dei suoi possibili valori è riportato nella sezione 5.1.1.1.2.2.
Xml Ex. 22 Mi compro una bicicletta
mword.xml
Mi
compro
una
bicicletta
funct.xml
…
…
…
2.1.14 pers
pers(ona) specifica la persona di un partecipante verbale. Suoi possibili valori sono 1, 2, 3.
Xml Ex.23 Mario mangia una pizza
mword.xml
Mario
mangia
una
pizza
funct.xml
…
…
…
163

Codice linea e Tema
2.1.15 num
num(ero) specifica il numero di un partecipante verbale. Suoi possibili valori sono: sing e plur.
Xml Ex. 24 Mario mangia una pizza
mword.xml
Mario
mangia
una
pizza
funct.xml
…
…
…
2.1.16 gen
gen specifica, ove rilevante (ovvero con partecipanti verbali con diatesi passiva o media, oppure
con partecipanti verbali che hanno tempi composti), il genere del partecipante verbale. Suoi
possibili valori sono mas e fem.
Xml Ex. 25 Maria è arrivata
mword.xml
Maria
è
arrivata
funct.xml
…
…
2.1.17 introsim
Il tratto introsim è usato per specificare l’elemento grammaticale che “introduce” un
partecipante che è parte di una delle seguenti relazioni funzionali: disg, cong.
Xml Ex. 26 Mangiare sia il pane che la frutta
Mangiare
sia
il
pane
mword.xml
164

Codice linea e Tema
che
la
frutta
funct.xml
…
…
2.1.18 partec_id
Il tratto partec_id associa a ciascun partecipante un numero identificativo unico.
Xml Ex. 27 Il ragazzo che Maria ha incontrato ieri
mword.xml
Il
ragazzo
che
Maria
ha
incontrato
ieri
funct.xml
…
…
2.1.19 href
Questo tratto ha come possibili valori degli identificatori di parole morfologiche: infatti,
l’annotazione funzionale presuppone un livello di annotazione morfo-sintattica. Livello al quale
vengono codificati i tratti di POS (Part-Of-Speech), lemma ed altre caratteristiche morfologiche
quale la persona, il numero, il tempo verbale, etc. I file di annotazione funzionale a livello Xml,
tramite il tratto href, puntano alle singole parole morfologiche. In altri termini il tratto href punta
dal file di annotazione funzionale Xml a quello morfologico Xml.
Riportiamo qui di seguito un esempio di file morfologico (quello che segue è il reale file
morfologico cui il livello di annotazione funzionale fa riferimento. I file morfologici che abbiamo
mostrato fino a questo momento sono una versione semplificata di quello che segue, e sono stati
adottati per semplificare la lettura del documento e non appesantire troppo la grafica):
165

Codice linea e Tema
Xml Ex. 28 Londra. Gas dalla statua Evacuata la Tate Gallery
…
LONDRA
.
Gas
dalla
statua
Evacuata
la
Tate
Gallery
.
…
Si noti che questo file morfologico contiene l’annotazione morfo-sintattica dell’articolo 001 del
corpus del “Corriere della Sera” (), costituita da una sequenza di
parole morfologiche (mw) con diversi tratti ad esse associati.
Il tratto href del file dell’annotazione funzionale viene codificato come qui di seguito:
Xml Ex. 29 Londra. Gas dalla statua Evacuata la Tate Gallery
funct.xml
…
…
Ciò vuol dire che il , il cui tratto ha il valore
“partec_001”, punta alla parola morfologica 001 (mw_001) che è contenuta
all’interno del file morfologico 001 (morph001) del corpus del “Corriere della
Sera” (cs).
166

Codice linea e Tema
2.2 L’elemento (relazione funzionale)
Questo elemento, che ricordiamo essere incassato all’interno dell’elemento ,
viene utilizzato per codificare le relazioni funzionali che compaiono all’interno dell’annotazione
funzionale. Per quanto riguarda questo elemento è stata decisa la codifica di tre tratti:
relazionefunzionale, partidrefs, e relfunctid.
relazionefunzionale
partidrefs
relfunctid
dip, sogg, comp, mod, arg, pred, non_pred, ogg_d, obl,
disg, cong, legame, concat
[ASCII]
[ASCII]
2.2.1 relazionefunzionale
I possibili valori di questo tratto sono tutte le relazioni funzionali contemplate dalle specifiche di
annotazione, ossia: dip, sogg, comp, mod, arg, pred, non_pred, ogg_d, obl, disg,
cong, legame, concat. La tipologia delle relazioni funzionali previste per questo livello di
annotazione è riportata nelle sezioni 5.1.1.1, 5.1.1.2, 5.1.1.3 e 5.3.1.
2.2.2 partidrefs
Questo tratto ha come possibili valori coppie di puntatori interni allo stesso file XML. Questi
puntatori indicano coppie di partecipanti, precedentemente definiti in base ai tratti che abbiamo
specificato, ossia quei partecipanti che prendono parte ad una determinata relazione funzionale,
come possiamo vedere nel seguente esempio di annotazione.
Xml Ex. 30 Io non so chi ha parlato
Io
non
so
chi
ha
parlato
mword.xml
funct.xml
…

Codice linea e Tema
partidrefs=”partec_003 partec_002”/>
…
In questo caso possiamo vedere, per esempio, che la seconda relazione funzionale che
incontriamo, la relazione “mod”, sussiste tra i due partecipanti che hanno come identificativo
“partec_003” e “partec_002” rispettivamente.
2.2.3 relfunctid
Questo tratto ha come possibili valori dei numeri identificativi della relazione in considerazione.
Xml Ex.31
funct.xml
…
…
In questo caso vediamo che la relazione “mod”, che intercorre tra i partecipanti che hanno
rispettivamente gli identificativi di “partec_002” e “partec_001”, ha come numero identificativo
“r_001”, è cioè la prima relazione funzionale del file XML.
2.3 L’elemento
L’elemento costituisce l’unità di annotazione al livello funzionale. Al suo
interno, può contenere uno o più elementi di tipo e uno o più elementi di tipo .
L’elemento è descritto da un solo attributo, che altro non è che
l’identificativo numerico.
id
functional_phrase
[ASCII]
Xml Ex. 32 Gli uomini parlano e sognano sempre di un miglioramento
…
…
funct.xml
168

Codice linea e Tema
3 Esempi
Segue una breve esemplificazione di annotazioni funzionali in XML.
3.1 Costruzioni con verbo intransitivo
Cfr. sezione 5.2.2.1.
Xml Ex. 33 Gli uomini parlano e sognano sempre di un miglioramento
Gli
uomini
parlano
e
sognano
sempre
di
un
miglioramento
…
mword.xml
funct.xml
…
169

Codice linea e Tema
3.2 Costruzioni con verbo intransitivo inaccusativo
Cfr. sezione 5.2.2.2.
Xml Ex. 34 Gli studenti erano giunti nella zona alla spicciolata
Gli
studenti
erano
giunti
nella
zona
alla
spicciolata
mword.xml
funct.xml
…
…
Xml Ex. 35 Slitta la riunione, prevista per oggi, della cosiddetta
commissione Sangalli
Slitta
la
riunione
prevista
per
oggi
della
cosiddetta
commissione
Sangalli
mword.xml
funct.xml
…

Codice linea e Tema
partec_id=”partec_001”/>
…
3.3 Costruzioni con verbo transitivo con oggetto diretto
Cfr. sezione 5.2.2.3.
Xml Ex. 36 Carnevale ha sbagliato un gol quasi fatto
Carnevale
ha
sbagliato
un
gol
quasi
fatto
mword.xml
funct.xml
…
171

Codice linea e Tema
…
3.4 Costruzioni con verbo transitivo con oggetto indiretto
Cfr. sezione 5.2.2.4.
Xml EX. 37 Gullit ha dichiarato guerra alla stampa sportiva
Gullit
ha
dichiarato
guerra
alla
stampa
sportiva
mword.xml
funct.xml
…

Codice linea e Tema
partidrefs=”partec_005 partec_006”/>
…
3.5 Costruzioni con verbo transitivo con complemento obliquo
Cfr. sezione 5.2.2.5.
Xml Ex. 38 La Bimex importa prodotti dalla Union Carbide
La
Bimex
importa
prodotti
dalla
Union
Carbide
mword.xml
funct.xml
…
…
3.6 Costruzioni passive
Cfr. sezione 5.2.2.6.
Xml Ex. 39 I due malavitosi sono stati spesso segnalati in diverse occasioni
I
due
malavitosi
sono
stati
mword.xml
173

Codice linea e Tema
spesso
segnalati
in
diverse
occasioni
funct.xml
…
…
Xml Ex. 40 L’accordo è stato firmato ieri al Pentagono dal ministro
americano
L’
accordo
è
stato
firmato
ieri
al
Pentagono
dal
ministro
americano
mword.xml
funct.xml
…
174

Codice linea e Tema
…
3.7 Costruzioni con completive sottocategorizzate
Cfr.sezione 5.2.2.7.
Xml Ex. 41 Giovanni ha visto Maria correre
Giovanni
ha
visto
Maria
correre
mword.xml
funct.xml
…
…
175

Codice linea e Tema
3.8 Costruzioni con interrogative indirette
Cfr. sezione5.2.2.8.
Xml Ex. 56 Io non so chi ha parlato
mword.xml
Io
non
so
chi
ha
parlato
funct.xml
…
…
3.9 Costruzioni con modificazione frasale (gerundive, participiali, infinitive)
Cfr. sezione 5.2.2.9.
Xml Ex. 42 Gli evasori hanno aggredito gli agenti di custodia sparando
all’impazzata
Gli
evasori
hanno
aggredito
gli
agenti
di
custodia
mword.xml
176

Codice linea e Tema
sparando
all’
impazzata
funct.xml
…
…
3.10 Costruzioni con complementi predicativi del soggetto e dell’oggetto
Cfr. sezione 5.2.2.10.
Xml Ex. 43 Maria sembra felice
Maria
sembra
felice
mword.xml
funct.xml
…
177

Codice linea e Tema
3.11 Complementazione di nomi e aggettivi
Cfr. sezione 5.2.2.11.
Xml Ex. 44 Il Parlamento incomincerà un dibattito sulla partecipazione al
programma
Il
Parlamento
incomincerà
un
dibattito
sulla
partecipazione
al
programma
mword.xml
funct.xml
…
…
178

Codice linea e Tema
3.12 Negazione
Cfr. sezione 5.2.2.12.
Xml Ex. 45 I bambini non devono guardare film violenti
I
bambini
non
devono
guardare
film
violenti
mword.xml
funct.xml
…
…
3.13 Costruzioni esistenziali
Cfr. sezione 5.2.2.13.
Xml Ex. 46 C’è una vespa nella mia camera
C’
è
una
vespa
nella
mia
camera
mword.xml
179

Codice linea e Tema
funct.xml
…
…
3.14 Costruzioni coordinate
Cfr.sezione 5.2.3.
Xml Ex. 47 I superstiti e i parenti delle vittime hanno espresso malumore
per la scarcerazione
mword.xml
I
superstiti
e
i
parenti
delle
vittime
hanno
espresso
malumore
per
la
scarcerazione
funct.xml
…
…
…
180

Codice linea e Tema
Xml Ex. 48 La donna sbrigava le faccende di casa e doveva avere familiarità
con i cani
mword.xml
La
donna
sbrigava
le
faccende
di
casa
e
doveva
avere
confidenza
con
i
cani
funct.xml
…
…
…
Xml Ex.49 Il fatturato complessivo delle società controllate e collegate è
elevato
mword.xml
Il
fatturato
complessivo
delle
società
controllate
e
collegate
è
elevato
funct.xml
…
…
…
181

Codice linea e Tema
Xml Ex. 50 Il mundial di calcio termina con la finalissima di domenica sera
e con i risultati conosciuti
mword.xml
Il
mundial
di
calcio
termina
con
la
finalissima
di
domenica
sera
e
con
i
risultati
conosciuti
funct.xml
…
…
…
Xml Ex. 51 …il bilancio ha ottenuto risultati di rilievo, in campo economico
e sindacale, ma anche sul fronte dell’autonomia …
mword.xml
il
bilancio
ha
ottenuto
risultati
di
rilievo
in
campo
economico
e
sindacale
ma
anche
sul
fronte
dell’
autonomia
funct.xml
…
…
…

Codice linea e Tema
partidrefs=”partec_005 partec_009”/>
…
3.15 Condivisione di complementi in costruzioni coordinate
Cfr. sezione 5.2.3.
Xml Ex. 52 L’assemblea di ieri ha confermato Eugenio Scalari ed ha
deliberato di aumentare il numero di consiglieri
mword.xml
L’
assemblea
di
ieri
ha
confermato
Eugenio
Scalfari
ed
ha
deliberato
di
aumentare
il
numero
dei
consiglieri
funct.xml
…
…
…
3.16 Ellissi del soggetto
Cfr. sezione 5.2.4.1.
Xml Ex. 53 Abbiamo visto l’opera nella piazza del paese
Abbiamo
visto
l’
opera
nella
piazza
del
paese
mword.xml
183

Codice linea e Tema
funct.xml
…
…
…
3.17 Ellissi del verbo
Cfr. sezione 5.2.4.2.
Xml Ex.54 Gli esempi sono scritti in corsivo, le glosse in stampatello
mword.xml
Gli
esempi
sono
scritti
in
corsivo
le
glosse
in
stampatello
funct.xml
…
…
184

Codice linea e Tema
3.18 Relazioni di coreferenza
Cfr. sezione 5.2.5.
Xml Ex. 55 Prost lascia la McLaren per una Ferrari che non cammina
mword.xml
Prost
lascia
la
McLaren
per
una
Ferrari
che
non
cammina
funct.xml
…
…
…
3.19 Cardinalità complessa
Cfr. sezione 5.2.10.2.
Xml Ex. 57 Sfiora i 4 mila miliardi
mword.xml
Sfiora
i
4
mila
miliardi
funct.xml
…
…
3.20 Nomi propri
Cfr. sezione 5.2.10.3.
185

Codice linea e Tema
Xml Ex. 58 …Lamberto Dini…
mword.xml
Lamberto
Dini
funct.xml
…
…
…
Xml Ex. 59 Carlo Azeglio Ciampi
mword.xml
Carlo
Azeglio
Ciampi
funct.xml
…
…
…
3.21 Costruzioni predicative particolari
Cfr. sezione 5.2.6.
Xml Ex. 60 Fare da autista
mword.xml
Fare
da
autista
funct.xml
…
…
…
186

Codice linea e Tema
3.22 Costruzioni causative
Cfr. sezione 5.2.7.
Xml Ex. 61 Io ho fatto rispettare la legge
mword.xml
Io
ho
fatto
rispettare
la
legge
funct.xml
…
…
3.23 Costruzioni partitive
Cfr. sezione 5.2.8.
Xml Ex. 62 Dello stile impero sopravvive una certa indulgenza
mword.xml
Dello
stile
impero
sopravvive
una
certa
indulgenza
funct.xml
…
…
…
187

Codice linea e Tema
3.24 Superlativo assoluto
Cfr. sezione 5.2.9.1.
Xml Ex. 63 Paolo è il più bello
mword.xml
Paolo
è
il
più
bello
funct.xml
…
…
…
3.25 Superlativo relativo
Cfr sezione 5.2.9.1.
Xml Ex.64 Il ragazzo più prestigioso d’America
mword.xml
Il
ragazzo
più
prestigioso
d’
America
funct.xml
…
…
188

Codice linea e Tema
…
189

Codice linea e Tema
Appendice 3 - Annotazione semantico-lessicale: rappresentazione in
XML
1 Introduzione
In questa sezione descriviamo il modo in cui viene rappresentato in formato XML lo schema per
l’annotazione semantico-lessicale della Treebank di SI-TAL. L'annotazione semantico-lessicale
implica gli aspetti seguenti:
• identificazione delle unità di senso;
• classificazione delle unità di senso in unità semplici (corrispondenti ad una singola parola
ortografica), oppure di tipo complesso (espressioni polilessicali come composti, idiomi, ecc.) o
di tipo titolo, ovvero parole sia semplici che complesse che occorrano nei titoli
• assegnazione, per ogni tipo di unità semantica, di un numero di senso;
• espressione di tratti di tipo semantico, che convoglino informazioni semantico-lessicali, oppure
ad uso dell’annotatore;
Nelle pagine seguenti descriviamo le strategie usate per rappresentare in XML queste
informazioni.
2 Elementi di markup
Gli elementi di markup per l’annotazione semantica sono i seguenti, in ordine gerarchico:
Brevemente, il rapporto tra gli elementi di markup sta ad indicare che l’unità di analisi maggiore
è un costrutto denominato “frase semantica” (), corrispondente all’insieme di unità
semantiche o forme analizzate in una frase annotata al livello morfosintattico. Una frase semantica è
costituita a sua volta da unità di senso, ulteriormente classificate in unità semantiche semplici
, di tipo complesso , o di tipo titolo .
2.1
Questo elemento è usato per marcare l’annotazione semantica del corrispondente morfologico di
una frase. Un elemento contiene un numero n di unità semantiche (semplici,
190

Codice linea e Tema
complesse o titolo), corrispondenti all’annotazione semantica delle parole semanticamente piene
che occorrono all’interno di quella determinata frase.
Diamo di seguito una esemplificazione di quanto detto:
cs-morph-015: (…) Non pago degli insulti, il corazziere avrebbe aggiunto anche la minaccia di
un attentato, parlando di una bomba pronta a far saltare in aria il capo dello Stato. Il nome del
carabiniere (i corazzieri sono infatti un reparto speciale dell’Arma) è “top secret”, ma la
vicenda è stata denunciata alla magistratura e il procuratore militare Antonino Intelisano
ha aperto un’inchiesta per il reato di offesa all’onore del Presidente della Repubblica.
L’allarme è scattato alla fine della scorsa settimana. (…)
sem.xml
…
L’elemento dell’annotazione riportata in esempio racchiude tutte le annotazioni
semantiche relative alle parole semanticamente piene che occorrono nella frase n. 10 del file “cs-
015”, come specificato dall’attributo id.
2.2 :unità semantica semplice
Questo elemento è usato per marcare una singola parola semanticamente piena. La codifica
dell’elemento presuppone il markup morfologico delle parole. Questo vuol dire, nel
dettaglio, che tramite la codifica del tratto dell’elemento , lo stesso elemento
punta direttamente alla corrispondente parola morfologica (analogamente a quanto spiegato per
l’annotazione sintattica). L’elemento viene tecnicamente definito vuoto (empty), in quanto
non contiene al suo interno degli elementi di livello gerarchico inferiore. L’esempio seguente
riassume sinteticamente i tratti relativi alla rappresentazione delle unità semantiche semplici:
10.cs-015: Il nome del carabiniere (i corazzieri sono infatti un reparto speciale dell’Arma)
è “top secret”, ma la vicenda è stata denunciata alla magistratura e il procuratore militare
Antonino Intelisano ha aperto un’inchiesta per il reato di offesa all’onore del Presidente
della Repubblica.
cs.morph015.xml
Il
nome
del
carabiniere
191

Codice linea e Tema
(
i
corazzieri
sono
infatti
un
reparto
speciale
…
10.cs-015.xml
…
I tratti pertinenti per la codifica di un’unità semantica semplice sono i seguenti: ussid, href,
dbref, numero_senso, tipolemma, alterazione, figurato, nome_proprio, commento, nota.
Nell’esempio precedente sono state evidenziate le parole morfologiche corrispondenti alle unità
semantiche semplici. Di seguito illustriamo brevemente il significato dei tratti associati all’elemento
, rappresentati in XML come insieme di attributi sia obbligatori che opzionali.
ussid
href
dbref
numero_senso
ID
(gen|eco)
CDATA
192

Codice linea e Tema
tipolemma
alterazione
figurato
nome_proprio
commento
nota
CDATA
CDATA
CDATA
CDATA
CDATA
CDATA
(CDATA nel linguaggio di markup XML indica qualsiasi tipo di stringa di testo)
2.2.1 ussid
L’attributo ussid serve per identificare univocamente l’unità semantica semplice all’interno
dell’elemento . Il valore dell’attributo è un valore numerico inizializzato a zero.
…
10.cs-015.xml
2.2.2 href
L’attributo href è usato per identificare il corrispondente morfologico della parola annotata
semanticamente. Il valore dell’attributo è sempre un identificatore di parola morfologica, ovvero un
valore numerico che nel file di annotazione morfologica a sua volta identifica univocamente un
elemento .

Codice linea e Tema
/>
…
dbref="gen"
numero_senso="4"
ussid="0"
href="mw_171"
dbref="gen"
numero_senso="1"
ussid="1"
href="mw_173"
dbref="gen"
numero_senso="1"
ussid="2"
href="mw_176"
dbref="gen"
numero_senso="1"
ussid="3"
href="mw_180"
2.2.3 dbref
L’attributo dbref serve per specificare l’appartenenza dell’unità semantica annotata ad una delle
due componenti che costituiscono il complesso del corpus di Treebank. Il valore gen corrisponde
alla componente generica (o IWN-Gen), quello eco alla componente economica (EcoWN); cfr
sezione 6.2.1. L’attributo è opzionale.

Codice linea e Tema
href="mw_180"
/>
…
2.2.4 numero_senso
L’attributo numero_senso contiene come valore un numero di senso presente in ItalWordNet (o
una sequenza congiunta o disgiunta di sensi quando più sensi di ItalWordNet possono essere
applicati congiuntamente o disgiuntamente alla stessa occorrenza). Altri valori possibili da associare
all’attributo in esame sono etichette convenzionali la cui forma e significato sono ampiamente nella
sezione 6.2.2. L’attributo deve essere obbligatoriamente specificato.
…
10.cs-015.xml
2.2.5 tipolemma
L’attributo tipolemma è usato per annotare informazione semantico-lessicale associata alla
parola annotata, ad esempio se si tratti di un neologismo o di una forma dialettale. L’attributo è
opzionale. Cfr sezione 6.2.9.
2.2.6 alterazione
L’attributo alterazione (opzionale) codifica il grado di alterazione della forma annotata
rispetto al lemma. Valori possibili dell’attributo sono etichette mnemoniche, definibili dall’utente.
195

Codice linea e Tema
Le etichette utilizzate durante l’annotazione di Treebank sono ad esempio dim (diminutivo), accr
(accrescitivo), dispr (dispregiativo), vezz (vezzeggiativo), sup (superlativo), compar
(comparativo), e alter (per tutti i casi diversi dai precedenti). Cfr sezione 6.2.5.
2.2.7 figurato
L’attributo figurato (opzionale) registra la presenza di un uso figurato non lessicalizzato del
senso di una singola parola. Valori possibili dell’attributo sono etichette mnemoniche, definibili
dall’utente. Le etichette utilizzate durante l’annotazione di Treebank sono ad esempio metaf (uso
metaforico), meton (uso metonimico), fig (per tutti gli usi figurati diversi dai precedenti). Cfr
sezione 6.2.6.
cs-015.xml
il
procuratore
militare
Antonino
Intelisano
ha
aperto
un'
inchiesta
10.cs-015.xml
…
…
2.2.8 nome_proprio
L’attributo nome_proprio (opzionale) può essere usato per l’annotazione di nomi propri, e
consente di ricondurre il nome proprio ad una specifica classe semantica di ItalWordNet. Valori
possibili dell’attributo sono etichette mnemoniche, definibili dall’utente. Le etichette utilizzate
durante l’annotazione di Treebank sono ad esempio pers (per nomi propri di persona), grup (per i
nomi propri che si riferiscono a gruppi di persone), luogo (per i nomi propri di luogo), man (per i
196

Codice linea e Tema
nomi propri di manufatti e prodotti in genere), np (per tutti i casi diversi dai precedenti). Cfr sezione
6.2.7.
2.2.9 commento
L’attributo commento (opzionale) fornisce un luogo per inserire un commento ad uso
dell’annotatore. Il valore dell’attributo sarà una qualsiasi stringa inserita dall’annotatore. Cfr
sezione 6.2.11.2.
cs-015.xml
il
procuratore
militare
Antonino
Intelisano
ha
aperto
un'
inchiesta
10.cs-015.xml
…
…
2.2.10 nota
L’attributo nota (opzionale) fornisce un luogo per inserire dubbi relativi all’assegnazione del
senso. Il valore dell’attributo sarà una qualsiasi stringa inserita dall’annotatore. Cfr sezione 6.2.11.1.
2.3 :unità semantica di tipo complesso
Questo elemento è usato per marcare una espressione polilessicale, che al suo interno può
contenere, oltre a parole semanticamente piene, anche parole funzionali semanticamente piena. La
codifica dell’elemento è in tutto e per tutto analoga a quella dell’elemento , tranne per
il fatto di contenere al suo interno una rappresentazione degli elementi costitutivi dell’espressione
polilessicale, codificati come elementi . Questi elementi hanno come unico attributo
197

Codice linea e Tema
obbligatorio quello necessario per la referenziazione della parola a livello morfologico. L’esempio
seguente riassume sinteticamente i tratti relativi alla rappresentazione delle unità semantiche di tipo
complesso:
10.cs-015: Il nome del carabiniere (i corazzieri sono infatti un reparto speciale dell’Arma)
è “top secret”, ma la vicenda è stata denunciata alla magistratura e il procuratore militare
Antonino Intelisano ha aperto un’inchiesta per il reato di offesa all’onore del Presidente
della Repubblica.
cs.morph015.xml
…
presidente
della
Repubblica
…
10.cs-015.xml
…
…
Come si può notare dall’esempio, le uniche differenze (evidenziate in neretto) dell’insieme di
attributi dell’elemento rispetto a quello dell’elemento sono date dalla presenza degli
attributi obbligatori lemma, pos, e tipo, che indicano, rispettivamente, il lemma di riferimento, la
categoria grammaticale, ed il tipo di espressione polilessicale (ad esempio un composto, un idioma,
o una costruzione con verbo supporto). Sempre in confronto all’elemento , inoltre,
l’elemento non possiede invece l’attributo alterazione.
2.4 :unità semantica di tipo titolo
Questo elemento è usato per l’annotazione dei titoli e per differenziarli dal restante contesto. Può
riferirsi o ad una singola parola o ad un insieme di parole adiacenti, incluse eventuali parole
grammaticali. Rispetto agli attributi specificati per l’elemento , l’elemento si
differenzia per possedere in aggiunta gli attributi lemma, pos e tipo, usati, rispettivamente, per
annotare il lemma di riferimento, la categoria grammaticale, ed il tipo di entità alla quale il titolo si
198

Codice linea e Tema
riferisce. Non sono invece rilevanti per questo elemento gli attributi tipolemma, alterazione,
figurato e nome_proprio.
Analogamente all’elemento , l’elemento può contenere al suo interno uno o più
elementi .
3 DTD
Ricapitoliamo quanto detto in precedenza riportando la DTD per il livello di annotazione
semantico-lessicale:

Codice linea e Tema
commento CDATA #IMPLIED
nota CDATA #IMPLIED
ustid ID #REQUIRED>
200