Interlinear glossierter Text: Morphemsegmentierung und Leipziger Glossen

Neu in v2.12.0

Ein Schema vom Typ interlinear_gloss zeigt einen Satz als eine Spalte pro Wort. Jede Spalte enthält das Wort (schreibgeschützt), seine Morphemsegmentierung und seine Glosse, und die freie Übersetzung steht in einer Zeile unter den Spalten. Es eignet sich für Sprachdokumentation, typologische Daten und die Prüfung von Glossen, die aus FLEx oder Toolbox importiert wurden. Auf einem schmalen Bildschirm brechen die Spalten in weitere Zeilen um, wie ein langes Beispiel im Druck.

Die Seite prüft jedes Wort anhand der Leipzig Glossing Rules (Comrie, Haspelmath & Bickel), während der Annotator tippt. Linguistische Feldforschung beschreibt den Hin- und Rückweg mit FLEx und Toolbox.

Konfiguration

annotation_schemes:
  - annotation_type: interlinear_gloss
    name: igt
    description: Segment each word into morphemes and gloss every morpheme
    source_field: text            # sentence string, or a list of words
    morphemes_field: morphemes    # optional pre-filled segmentation
    gloss_field: glosses          # optional pre-filled glosses
    translation_field: translation
    tiers: [pos, notes]           # optional extra lines per word
    abbreviations: leipzig        # warn on unknown category labels
    language: la                  # BCP 47 tag of the object language
    metalanguage: en              # language of the glosses and translation
    label_requirement:
      required: true

{"id": "latin_1", "text": "Puella rosam amat.",
 "morphemes": ["puell-a", "ros-am", "ama-t"],
 "glosses": ["girl-NOM.SG", "rose-ACC.SG", "love-3SG"],
 "translation": "The girl loves the rose.",
 "pos": ["n", "n", "v"]}

Enthält source_field einen String, wird er an Leerzeichen getrennt, und Satzzeichen am Rand jedes Worts (., ,, ?, Anführungszeichen und Klammern) werden entfernt. Bindestriche und = innerhalb eines Worts bleiben erhalten. Um die Wörter genau festzulegen, geben Sie eine Liste an.

Die Vorbelegungsfelder nehmen eine Liste mit einem Eintrag pro Wort oder einen String mit einem durch Leerzeichen getrennten Eintrag pro Wort. Ein konfigurierter Tier wird aus einem gleichnamigen Item-Feld vorbelegt, wenn dieses Feld eine Liste ist. Ein Wort ohne vorbelegte Segmentierung beginnt mit dem Wort selbst in der Segmentierungszelle, sodass der Annotator nur die Grenzen eintippt.

Ausrichtungs- und Labelprüfungen

Für jedes Wort müssen Segmentierung und Glosse dieselben Grenzen - (Affix) und = (Klitikon) in derselben Reihenfolge haben. ros-am mit rose-ACC.SG ist ausgerichtet, und rose-ACC-SG hat eine Grenze zu viel. vir-um=que mit man-ACC.SG-and hat die richtige Zahl an Grenzen, glossiert aber das Klitikon =que als Affix und wird daher ebenfalls markiert.

Ein Wort wird als nicht ausgerichtet markiert, mit dem Grund unter seiner Spalte, wenn:

• die Grenzen sich in Anzahl, Art oder Reihenfolge unterscheiden;
• ein Morphem oder eine Glosse zwischen zwei Grenzen leer ist (ev--ler, house-);
• eine Zelle ein Leerzeichen enthält. Verbinden Sie die Wörter einer Glosse mit . (put.in.bag) und trennen Sie Morpheme mit - oder =.

Infixe in spitzen Klammern (s<um>ulat) werden in beiden Zeilen gezählt, aber nicht nach Position gepaart, weil die Glosse des Infixes neben der Glosse des Stamms steht statt in ihr.

Ein nicht ausgerichtetes Wort hat einen roten Rand, ein ≠ vor dem Wort und aria-invalid an beiden Zellen, und ein Wort, bei dem nur eine der beiden Zeilen ausgefüllt ist, wird als noch nicht glossiert angezeigt. Der Zähler oben im Widget gibt an, wie viele Wörter nicht ausgerichtet sind, und wenn das Schema erforderlich ist, blockiert jeder der beiden Zustände Next.

Labels grammatischer Kategorien (Wörter in Großbuchstaben und Person-Numerus-Kombinationen wie ACC und 3SG) werden unter der Glossenzelle in Kapitälchen angezeigt. Ist abbreviations gesetzt, erscheint ein Label, das nicht in der Liste steht, als Warnung unter dem Wort, etwa "Unknown label: EVID", die Next nicht blockiert. Die Prüfung akzeptiert zusammengeschriebene Person und Numerus (3SG), das Präfix N- für "nicht" (NSG, NPST) und Ø.

Gespeicherte Antwort

{"words": [{"word": "Puella", "morphemes": "puell-a", "gloss": "girl-NOM.SG",
            "pos": "n", "notes": ""}],
 "translation": "The girl loves the rose."}

Ein Item, das mit einer vorbelegten Analyse kam, wird gespeichert, wenn der Annotator Next drückt, auch wenn nichts bearbeitet wurde, sodass ein bestätigter Import als Antwort dieser Person gespeichert wird. Ein Item ohne Vorbelegung wird gespeichert, sobald der Annotator darin tippt.

Export

python -m potato.export --config config.yaml --format igt --output out/

igt.tex enthält eine exe-Umgebung mit einem \ex pro gespeicherter Antwort, Segmentierung und Glosse in einer \gll-Zeile und die Übersetzung in \glt. Kategorielabels werden als \textsc{...} in Kleinbuchstaben geschrieben, und die Sonderzeichen von LaTeX werden maskiert. Laden Sie gb4e in der Präambel und kompilieren Sie für andere Schriften als die lateinische mit XeLaTeX oder LuaLaTeX.

Wörter, die noch nicht ausgerichtet sind, werden wie gespeichert exportiert, und der Export gibt aus, wie viele es waren. FLExText und Toolbox ordnen Glossen eins zu eins Morphemen zu, daher kommt dort die gesamte Glosse eines nicht ausgerichteten Worts auf sein erstes Morphem.

Beispiel

python potato/flask_server.py start examples/span/interlinear-gloss/config.yaml -p 8000

Das Beispiel enthält vier zur Veranschaulichung glossierte lateinische Sätze. Einer ist vollständig, einer ist leer, einer hat eine Segmentierung und keine Glossen, und einer enthält einen absichtlichen Fehler: das Klitikon -que, glossiert mit -.

Weiterführende Informationen

• Linguistische Feldforschung - Aus FLEx und Toolbox importieren und zurück exportieren
• Transkriptformate - Praat, ELAN und andere zeitlich ausgerichtete Transkripte
• Annotation in mehreren und in wenig ausgestatteten Sprachen - In vielen Sprachen annotieren

Implementierungsdetails finden Sie in der Quelldokumentation.