Sorgu dili ve etiket seti

Sorgu türleri

Sorgu kutusunun üstündeki seçici, yazdığınız metnin nasıl yorumlanacağını belirler. Seçilen tür sorgunuzu CQL'e çevirir; çeviri kutunun altında görünür, ne arandığını her zaman görebilirsiniz.

Köşeli parantez ([) içeren bir metin, seçili tür ne olursa olsun CQL olarak çalıştırılır.

Basit sorgu ve joker

Basit sorgu sözcük biçimini arar. Büyük/küçük harf ayrımı yoktur ve Türkçe kurala uyar: İstanbul, istanbul, ISPARTA doğru küçültülür (I → ı, İ → i).

Jokerler basit ve lemma türlerinde geçerlidir. CQL içinde aynı iş düzenli ifadeyle yapılır: * yerine .*, ? yerine .

CQL: alanlar ve işleçler

Her köşeli parantez bir sözcüğü (birimi) tanımlar. İçine bir ya da daha çok koşul yazılır: alan="değer".

Değerler çift ya da tek tırnak içinde yazılır. Bir köşeli parantez içinde & ile | birlikte kullanılamaz.

Diziler ve boşluklar

Art arda yazılan köşeli parantezler ardışık sözcükleri arar. Boş parantez [] herhangi bir sözcüktür; süslü parantez kaç kez yineleneceğini söyler.

• {n} tam n kez, {a,b} a ile b arası, {,b} en çok b kez. Üst sınır yazılmazsa 10'dur.
• Sorgu boş parantezle ya da isteğe bağlı ({0,…}) bir kalıpla başlayamaz.
• Dizi belge sınırını aşmaz; cümle sınırını aşabilir.

Düzenli ifadeler

CQL değerleri düzenli ifadedir ve CQP'deki gibi sözcüğün tamamıyla eşleşmelidir. [sozcuk="kitap"] yalnızca “kitap”ı bulur; “kitaplar” için kitap.* yazmak gerekir. Baştaki ^ ve sondaki $ gereksizdir.

bicim alanı farklı çalışır. Bir birimin biçim değeri Case=Acc|Number=Sing|Person=3 gibi bir listedir. [bicim="Case=Acc"] bu listenin bir bileşeniyle eşleşir, bütün listeyi yazmanız gerekmez.

Yazım sözcüğü ve parça

Stanza çözümleyicisi bazı sözcükleri biçimbirimsel parçalara ayırır: siyasetçi → siyaset + çi, önemlidir → önemli + dir. Derlemce bu durumda iki katman tutar:

• Yazım sözcüğü — metinde yazıldığı hâli. sozcuk alanı ve basit sorgu bunu arar: önemlidir 12 vuruş bulur.
• Parça — çözümleyicinin ayırdığı birim. kok, tur ve bicim parçalara bakar: [kok="siyaset"] “siyasetçi”yi de bulur.

Bir parça eşleştiğinde vuruş, parçanın ait olduğu yazım sözcüğünün tamamı olarak gösterilir ve bir kez sayılır. Sözcük biçimi sıklık listeleri ve n-gramlar da yazım sözcükleri üzerinden çıkarılır; -çi, -dir gibi parçalar ayrı sözcük olarak listelenmez.

Diğer araçlarla karşılaştırma

Etiket seti

Derlemce'deki sözcük türleri Universal Dependencies (UD) kodlarına, biçim etiketleri UD biçimbilim özniteliklerine dayanır. Türkçe terimler alanyazındaki yaygın karşılıklardır; birden çok terim kullanılıyorsa ikisi de yazılıdır.

Sözcük türleri

Biçim etiketleri — UD öznitelikleri

Stanza ile ve UD ağaç bankalarından kurulan derlemler (Referans, Vikipedi) bu etiketleri taşır. Sorguda [bicim="Case=Acc"] biçiminde yazılır.

Biçim etiketleri — kural tabanlı çözümleyici

Stanza kurulu olmadan yüklenen derlemler bu kısa etiketleri taşır: [bicim="Poss3s"].

Bir derlemde gerçekte hangi etiketlerin geçtiğini ve kaç kez geçtiğini uygulamadaki Sorgu yardımı paneli gösterir; liste o derlemin kendisinden çıkarılır.

Üstveri CSV'si

Her belgeye ayrı üstveri vermenin yolu bir tablo: satır başına bir dosya, sütun başına bir alan. Yüklerken metinlerin yanına eklenebilir; sonradan Derlem özeti sekmesinden indirilip Excel'de düzenlenerek geri yüklenebilir.

• Dosya adı yüklediğiniz adla yazılır; büyük/küçük harf, Türkçe harf ve uzantı fark etmez.
• Boş hücre dokunmaz. Yüklemede formdaki derlem düzeyi değer kalır; toplu güncellemede var olan değer kalır. Bir değeri silmek için hücreye - yazın.
• Tanınmayan sütunlar serbest alan olur (bölge, dergi sayısı, yaş grubu…), derlem başına en çok 5. Süzgeçte ve alt derlem karşılaştırmasında kullanılabilir.
• Kişi adı yazmayın. yazar sütunu okunmaz; serbest alanlara da kişiyi tanımlayan bilgi koymayın.
• Metin türü yalnız yüklerken verilebilir; toplu güncellemede o sütun yok sayılır.

Örnek CSV'yi indir

Alt derlem karşılaştırması

Anahtar sözcüklerde referans olarak bu derlemin bir alt kümesi seçilebilir. Hedef, soldaki süzgeçlerle seçtiğiniz kümedir. Referans ya “derlemin geri kalanı” ya da aynı süzgecin tek bir alanı değiştirilmiş hâlidir: hedef “haber + kadın” iken referans “Cinsiyet: Erkek” seçilirse “haber + erkek” ile karşılaştırılır. Aramadaki dağılım paneli de her alana göre gösterilebilir.

Sınırlar

• Çözümleme otomatiktir. Vikipedi derlemi stanza ile etiketlenmiştir; kök, tür ve biçim etiketlerinde hata vardır. Referans derlem UD ağaç bankalarından gelir ve elle denetlenmiştir.
• Kural tabanlı derlemlerde etiketler kısadır. Stanza kurulmadan yüklenen derlemler Plur, Poss3s gibi etiketler taşır; Number=Plur orada eşleşmez.
• Ekranda ilk 300 satır gösterilir. Başlıktaki sayı derlemin tamamındaki gerçek sayıdır; bütün satırlar için dışa aktarın.
• Dizilerde en kısa eşleşme seçilir. [pos="ADJ"]{1,3} gibi aralıklarda vuruş, koşulu sağlayan en kısa diziyle başlar.