home edit page issue tracker

This page pertains to UD version 2.

Treebank Statistics: UD_Persian-Seraji: POS Tags: NUM

There are 289 NUM lemmas (3%), 397 NUM types (2%) and 3409 NUM tokens (2%). Out of 15 observed tags, the rank of NUM is: 4 in number of lemmas, 5 in number of types and 12 in number of tokens.

The 10 most frequent NUM lemmas: یک، دو، _، هزار، سه، میلیون، ۲، چهار، ۵، ۳

The 10 most frequent NUM types: یک، دو، یکی، هزار، سه، میلیون، ۲، چهار، ۵، ۳

The 10 most frequent ambiguous lemmas: یک (NUM 1011, PRON 12, NOUN 1), دو (NUM 333, NOUN 3), _ (NOUN 4861, VERB 1388, ADJ 1371, ADV 194, NUM 152, AUX 98, X 92, PUNCT 90, PRON 35, ADP 32, INTJ 19, SCONJ 12, CCONJ 5, DET 4), سه (NUM 121, NOUN 2), میلیون (NUM 74, NOUN 1), چهار (NUM 46, NOUN 2), ده (NUM 36, NOUN 5, VERB 1), میلیارد (NUM 29, NOUN 20), ۲۰ (NUM 27, NOUN 1), ۷ (NUM 24, NOUN 1)

The 10 most frequent ambiguous types: یک (NUM 839, PRON 12), دو (NUM 333, NOUN 3), یکی (NUM 172, NOUN 1), سه (NUM 121, NOUN 2), چهار (NUM 46, NOUN 2), ده (NUM 30, NOUN 4, VERB 1), میلیارد (NUM 29, NOUN 20), ۲۰ (NUM 27, NOUN 1), ۷ (NUM 24, NOUN 1), هشت (NUM 22, NOUN 3)

Morphology

The form / lemma ratio of NUM is 1.373702 (the average of all parts of speech is 1.920334).

The 1st highest number of forms (122) was observed with the lemma “_”: ربع, سی‌ام, صدها, صفر, نود, پانزده, یازده, یه, ۰۳, ۱۰۲۸, ۱۱۹, ۱۳۳۹, ۱۳۴۱, ۱۳۵۹, ۱۳۷۶, ۱۳۷۸, ۱۴۲۱, ۱۵۰, ۱۵۰۰, ۱۵۰۷, ۱۷, ۱۷۰, ۱۷۳, ۱۷۷, ۱۷۷۰, ۱۸۰, ۱۸۳۸, ۱۸۹۱, ۱۹۳۲, ۱۹۳۶, ۱۹۳۸, ۱۹۴۶, ۱۹۵۰, ۱۹۵۴, ۱۹۵۵, ۱۹۶۸, ۱۹۶۹, ۱۹۷۹, ۱۹۸۳, ۱۹۹۴, ۱۹۹۵, ۱۹۹۷, ۲۰۰۳, ۲۰۰۵, ۲۰۱, ۲۰۱۵, ۲۱۱, ۲۱۲, ۲۱۷, ۲۱۸, ۲۲۰, ۲۲۹۵, ۲۵۴, ۲۵۶, ۲۶۰, ۲۶۰۰, ۲۸, ۲۸۰, ۲۸۶, ۳۱, ۳۴, ۳۴۷۲, ۳۷۰۰, ۳۸, ۴۲, ۴۲۱, ۴۲۳, ۴۳, ۴۵, ۴۵۰, ۴۵۲, ۴۷, ۵۲۱, ۵۲۳, ۵۳۱, ۵۵۰, ۵۵۰۰, ۵۵۱, ۵۵۷, ۵۶, ۵۶۰, ۵۶۸, ۵۷۱, ۵۸, ۵۸۱, ۵۹۴, ۵۹۶, ۶۰۰۰, ۶۰۱, ۶۱۳۱, ۶۳۱, ۶۶, ۶۷, ۶۷۸, ۶۸, ۶۸۶, ۶۸۸۲, ۷۰۰۵, ۷۱۱, ۷۲, ۷۳۳, ۷۶۲, ۷۶۷, ۷۸, ۸۰, ۸۰۰, ۸۰۴۶, ۸۲۰۱, ۸۳, ۸۳۳, ۸۷, ۸۸, ۸۸۱, ۹۰۰, ۹۰۵, ۹۲, ۹۲۳, ۹۴, ۹۴۰, ۹۵۱, ۹۹۰, ۹۹۱.

The 2nd highest number of forms (3) was observed with the lemma “هزار”: هزار, هزاران, هزارها.

The 3rd highest number of forms (2) was observed with the lemma “ده”: ده, دهها.

NUM occurs with 1 features: NumType (3409; 100% instances)

NUM occurs with 1 feature-value pairs: NumType=Card

NUM occurs with 1 feature combinations. The most frequent feature combination is NumType=Card (3409 tokens). Examples: یک، دو، یکی، هزار، سه، میلیون، ۲، چهار، ۵، ۳

Relations

NUM nodes are attached to their parents using 20 different relations: nummod (2770; 81% instances), compound (197; 6% instances), conj (188; 6% instances), nsubj (76; 2% instances), nmod (68; 2% instances), obl (23; 1% instances), nmod:poss (19; 1% instances), root (17; 0% instances), obj (9; 0% instances), amod (8; 0% instances), appos (7; 0% instances), ccomp (7; 0% instances), flat (5; 0% instances), fixed (4; 0% instances), acl:relcl (3; 0% instances), xcomp (3; 0% instances), advcl (2; 0% instances), advmod (1; 0% instances), det (1; 0% instances), nsubj:pass (1; 0% instances)

Parents of NUM nodes belong to 10 different parts of speech: NOUN (2698; 79% instances), NUM (396; 12% instances), ADJ (138; 4% instances), VERB (118; 3% instances), ADP (23; 1% instances), (17; 0% instances), PRON (12; 0% instances), ADV (5; 0% instances), DET (1; 0% instances), X (1; 0% instances)

2474 (73%) NUM nodes are leaves.

759 (22%) NUM nodes have one child.

135 (4%) NUM nodes have two children.

41 (1%) NUM nodes have three or more children.

The highest child degree of a NUM node is 8.

Children of NUM nodes are attached using 19 different relations: nummod (216; 18% instances), punct (207; 17% instances), conj (198; 16% instances), nmod (153; 13% instances), advmod (117; 10% instances), cc (99; 8% instances), case (94; 8% instances), cop (29; 2% instances), nsubj (27; 2% instances), det (24; 2% instances), ccomp (9; 1% instances), mark (9; 1% instances), amod (6; 0% instances), fixed (6; 0% instances), compound (5; 0% instances), nmod:poss (5; 0% instances), flat (2; 0% instances), acl:relcl (1; 0% instances), advcl (1; 0% instances)

Children of NUM nodes belong to 13 different parts of speech: NUM (396; 33% instances), NOUN (242; 20% instances), PUNCT (206; 17% instances), CCONJ (99; 8% instances), ADP (90; 7% instances), ADJ (71; 6% instances), AUX (29; 2% instances), DET (22; 2% instances), SCONJ (14; 1% instances), ADV (13; 1% instances), PRON (11; 1% instances), PART (8; 1% instances), VERB (7; 1% instances)