Werkbank Geesteswetenschappen
Startpagina > XML

Voorbeelden van het gebruik van XML in taalonderzoek

In toenemende mate wordt XML gebruikt voor de structurele en inhoudelijke annotatie van tekstcorpora. In veel gevallen gaat het daarbij om XML-coderingen zoals die zijn gedefinieerd door het Text Encoding Initiative.

Voorbeeld van structurele mark-up (ontleend aan het English Gigaword Corpus).
N.B. <P> staat voor "Paragraph".

<DOC id="AFE19940514.0014" type="story" >
<HEADLINE>
Queen Beatrix to appoint party negotiators to explore coalition
</HEADLINE>
<DATELINE>
THE HAGUE, May 14 (AFP)
</DATELINE>
<TEXT>
<P>
Queen Beatrix was expected Saturday to formally appoint three party officials to negotiate a broad coalition government for the Netherlands, thrown into political turmoil after this month's general election.
</P>
<P>
The Christian Democrats (CDA), who have dominated the political scene for most of this century, lost 20 seats in the vote on May 3, retaining only 34 in the 150-seat lower house of parliament.
</P>
(...)
</TEXT>


Voorbeeld van de codering van clauses in het kader van onderzoek naar speech, thought and writing presentation .
N.B. Elke clause is gemarkeerd als element 'sptag'. Het attribuut 'cat' geeft aan of het gaat om een 'reporting clause' (NRS), 'direct speech' (DS), 'free indirect speech' (FIS), etc. Het attribuut 'who' bevat een sprekercode, 's' geeft aan welk percentage van de zin de clause beslaat en 'w' het aantal woorden van de clause. Ontleend aan The Lancaster Speech, Writing and Thought Presentation Written Corpus. Voor dit voorbeeld omgezet van SGML naar XML.

<sptag cat="NRS" who="B" next="IS" whonext="B" s="0.21" w="3">
I asked him
</sptag>
<sptag cat="FIS" who="B" next="DS" whonext="B" s="0.43" w="6">
what Franco was doing down here.
</sptag>
<sptag cat="DS" who="L" next="NRS" whonext="L" s="0.64" w="7">
'He is opening the new Almeria airport,'
</sptag>
<sptag cat="NRS" who="L" next="N" s="0.36" w="4">
he said with pride.
<p />
</sptag>


Voorbeeld van morfosyntactische annotatie van de zin 'Moreover, the analysis of skills provides a common topic of research for both art and science historians.' Ontleend aan het corpus BNC Baby.

<s n="820">
  <w type="AV0" lemma="moreover">Moreover</w>
  <c type="PUN">, </c>
  <w type="AT0" lemma="the">the </w>
  <w type="NN1" lemma="analysis">analysis </w>
  <w type="PRF" lemma="of">of </w>
  <w type="NN2" lemma="skill">skills </w>
  <w type="VVZ" lemma="provide">provides </w>
  <w type="AT0" lemma="a">a </w>
  <w type="AJ0" lemma="common">common </w>
  <w type="NN1" lemma="topic">topic </w>
  <w type="PRF" lemma="of">of </w>
  <w type="NN1" lemma="research">research </w>
  <w type="PRP" lemma="for">for </w>
  <w type="AV0" lemma="both">both </w>
  <w type="NN1" lemma="art">art </w>
  <w type="CJC" lemma="and">and </w>
  <w type="NN1" lemma="science">science </w>
  <w type="NN2" lemma="historian">historians</w>
  <c type="PUN">.</c>
</s>


Voorbeeld van syntactische annotatie van de zin 'Er klinkt een zacht geluid.'. Resultaat van automatische syntactische analyse m.b.v. het zinsontledingsprogramma Alpino.

<?xml version="1.0" encoding="ISO-8859-1"?>
<alpino_ds version="1.0">
  <node id="0" rel="top" cat="top" begin="0" end="6">
    <node id="1" rel="--" cat="smain" begin="0" end="5">
      <node id="2" rel="mod" pos="adv" begin="0" end="1" root="er" word="Er"/>
      <node id="3" rel="hd" pos="verb" begin="1" end="2" root="klink" word="klinkt"/>
      <node id="4" rel="su" cat="np" begin="2" end="5">
        <node id="5" rel="det" pos="det" begin="2" end="3" root="een" word="een"/>
        <node id="6" rel="mod" pos="adj" begin="3" end="4" root="zacht" word="zacht"/>
        <node id="7" rel="hd" pos="noun" begin="4" end="5" root="geluid" word="geluid"/>
      </node>
    </node>
    <node id="8" rel="--" pos="punct" begin="5" end="6" root="." word="."/>
  </node>
  <sentence>Er klinkt een zacht geluid .</sentence>
</alpino_ds>