Queste sono le differenze tra la revisione selezionata e la versione attuale della pagina.
manuale_utente:liste_di_frequenza [13/11/2013 15:08] admin [Generazione delle liste di frequenza] |
manuale_utente:liste_di_frequenza [21/11/2013 17:54] (versione attuale) admin [Generazione delle liste di frequenza] |
||
---|---|---|---|
Linea 29: | Linea 29: | ||
* **Attributo da ricercare**: specifica l'oggetto linguistico del quale vogliamo avere la lista di frequenza. Normalmente si utilizza **word** per avere la lista delle forme oppure **lemma** per la lista dei lemmi; è però possibile generare una lista anche di tutti gli altri attributi, sia a livello di token (come **pos** e **type**), sia a livello di documento (ad esempio **contesto** e **interazione** per CorDIC-parlato). | * **Attributo da ricercare**: specifica l'oggetto linguistico del quale vogliamo avere la lista di frequenza. Normalmente si utilizza **word** per avere la lista delle forme oppure **lemma** per la lista dei lemmi; è però possibile generare una lista anche di tutti gli altri attributi, sia a livello di token (come **pos** e **type**), sia a livello di documento (ad esempio **contesto** e **interazione** per CorDIC-parlato). | ||
- | Il secondo riquadro permette di impostare dei filtri sulla frequenza e sulla forma testuale delle parole (o comunque dell'attributo selezionato sopra). | + | ---- |
- | Filter wordlist You can either do this for all words (or lemmas or whichever attribute you specify) or you can filter the list using: | + | Il secondo riquadro permette di impostare dei filtri sulla frequenza e sulla forma testuale delle parole (o comunque dell'attributo selezionato sopra). |
+ | E' possibile filtrare la lista per: | ||
+ | * **Espr. regolare**: in questo si può impostare un'espressione regolare che definisca la forma testuale che devono avere le parole della nostra lista. Ad esempio l'espressione ''.*'' identifica qualsiasi stringa, quindi impostando ''ca.*e'' limiterò la mia ricerca alle parole //cane//, //cadere//, //carte//, ... La sintassi accettata è quella dello standard UNIX. | ||
+ | * **Frequenza minima**: impostare la frequenza minima consente di escludere tutti i risultati con frequenza troppo bassa; normalmente questa opzione è molto utile per ridurre il "rumore". | ||
+ | * **Whitelist**: è possibile inserire una nostra lista di parole delle quali vogliamo calcolare la frequenza nel corpus. In questo caso, utilizzando il bottone **Sfoglia**, possiamo caricare un file di testo che specifica le parole da includere nella lista. Cliccando **Formato** viene specificato il formato corretto che deve avere il file. | ||
+ | * **Blacklist**: come per ''Whitelist'' è possibile caricare una propria di parole; in questo caso però l'elenco immesso contiene le parole che devono essere escluse dal risultato. | ||
- | RE pattern: (regular expression pattern) .* is the wild card so "ca.*" would generate a list for all items, words by default, starting with "ca". The search attribute field will determine what the pattern relates to. The default attribute is word, but you could select lemma, tag (part of speech tag) or lc (lower case). | + | Inoltre con la checkbox **Includi non-words** è possibile decidere se includere o escludere i token che non sono parole, ossia segni di punteggiatura e altri simboli grafici. |
- | Minimum Frequency: minimum frequency in that corpus or subcorpus | + | |
- | Whitelist: upload a list of words (items) that should be included in this list. This is handy in case you have a list of words and want to find out their frequencies in a particular corpus. If you upload a file with such words as a whitelist, you get the word list with frequencies just for your words. | + | |
- | Blacklist: upload a list of words (items) that should be excluded from this list | + | |
- | checkbox to include non-words, punctuation etc... (based on a regular expression in the configuration file) | + | |
- | Frequency figures | + | ---- |
- | You can alter the measure used to rank, and provided with, your word list. These can be word counts, document counts or ARF (average reduced frequency, see SkE/Help/JargonBuster for details on the ARF statistic) | + | Il terzo riquadro contiene ulteriori parametri relativi all'output generato. |
- | Output type | + | **Misura della frequenza** consente di specificare che cosa si intende per //frequenza//: |
+ | * **Numero di Parole**: frequenza come numero totale di parole nel corpus; | ||
+ | * **Numero di Documenti**: frequenza come numero dei documenti in cui la parola è presente; | ||
+ | * **ARF**: frequenza come valore [[https://www.sketchengine.co.uk/documentation/wiki/SkE/Help/ARF|ARF (Average Reduced Frequency)]] della parola nel corpus. | ||
- | Keywords: use this option to generate keywords obtained when contrasting the corpus or subcorpus with a reference corpus or subcorpus. | + | L'utlimo parametro **Output type** specifica se si vuole generare una lista standard, una lista multilivello oppure la lista delle parole chiave del dominio di riferimento. |
- | You can use the multilevel option to produce lists with more than one attribute (see also Using MultiLevel lists) | + | * **Semplice**: è l'opzione di default e genera una lista della forma <parola,frequenza>; |
+ | * **Keywords**: opzione utilizzata per ottenere le parole chiave del corpus/subcorpus selezionato sopra confrontandolo con un altro corpus/subcorpus di riferimento. In questo modo la lista calcolata sarà ordinata non per frequenza, bensì per una misura di //quanto la parola è specifica del dominio in questione//. Per questa misura è necessario impostare come parametro il valore [[https://www.sketchengine.co.uk/documentation/wiki/SkE/SimpleMaths|SimpleMaths]]. \\ Ad esempio, se si calcolano le keywords nel subcorpus **scritto-economia**, utilizzando come riferimento il corpus **scritto** (//SimpleMaths = 40//), i primi 3 risultati sono: //aliquota//, //reddito//, //imposta//. | ||
+ | * **Multilivello**: un'estensione della lista ''Semplice'' è la lista su più livelli (massimo 3), in cui si impostano più attributi di parola. \\ Ad esempio è possibile generare una lista <forma,pos,frequenza> per analizzare quali sono i valori grammaticali più utilizzati nelle varie forme di parola. Le liste per lemmi da scaricare (qui sopra) sono un esempio di liste multivello perché contengono anche l'informazione di PoS. |