Počítačové zpracování přirozeného jazyka

slovních druhů včetně sloves v současné češtině, je spolehlivé gramatické označkování
dostatečně velké části ČNK. V tomto směru je současnosti k dispozici jen
korpus DESAM na FI MU, který je ovšem pro tento účel s rozsahem cca 1 mil.
slovních tvarů nedostačující, resp. může sloužit jen jako základní východisko.
Na rozdíl od seznamu vytvořeného pod vedením N. Svozilové v ÚJČ (Svozilová
et al, 1998?), který jednoznačně předpokládá uživatele – člověka, je VSČS
primárně orientován na algoritmický popis české syntaxe a její počítačové zpracování
– je proto zachycen pomocí formální notace. Abychom mohli dostatečně
přesně zachytit české valence, navrhli jsme notační prostředky, které zachycují jak
jednotlivé jednoduché valence, tak i jejich možné kombinace mající pak podobu
konkrétních valenčních vzorců. Návrh notace valenčních vzorců svým způsobem
navazuje na existující strojový slovník českých kmenů a algoritmický popis české
morfologie (Osolsobě, 1996). Principy notace pro valenční vzorce jsou uvedeny a
objasněny níže v odd.??, Horák, 2002.
Celkově byl materiál pro VSČS byl získán z následujících zdrojů:
1. Slovník českých synonym, NLN, Praha 1995,
2. Slovník spisovné češtiny, Academia, Praha 1994, 2.vyd.
3. počítačový slovník českých kmenů s celkovým rozsahem cca 160 000 jednotek
(prefigovaná slovesa a pravidelně tvořená deverbativa, adjektiva a
adverbia jsou však v tomto slovníku generována automaticky, takže skutečný
rozsah tohoto slovníku je v každém případě větší než 300 000 položek,
Sedláček, 2001).
Výchozí soubor získaný z uvedených zdrojů čítal kolem 10 000 tisíc českých
sloves. Po jeho zpracování a postupném porovnání se SSJČ jsme dospěli k první
verzi seznamu obsahujícímu cca 12 000 českých sloves, který byl ještě doplněn o
slovesa získaná z korpusu DESAM na rozsah cca 15 000 položek, což je rozsah,
který lze z hlediska současných potřeb pokládat za dostačující.
5.8.1 Výchozí pojmy
Ve shodě s Čermákem a Holubem (1991), jako výchozí koncept může sloužit
kolokabilita, tj. obecná schopnost slova (a dalších jednotek) spojovat se v textu
s jinými. S tímto vymezením by se pravděpodobně dalo vystačit, u sloves je
však obvyklé mluvit o valenci zejména proto, že ji lze vyjadřovat morfologickými
prostředky, tj. pády. Tuto schopnost sloves vázat na sebe gramaticky ostatní slova
63