home edit page issue tracker

UD Gujarati ShabdaSetu

Language: Gujarati (code: gu)
Family: IE

This treebank has been part of Universal Dependencies since the UD v2.19 release.

The following people have contributed to making this treebank part of UD: Dhairushi Patel, Luigi Talamo, Annemarie Verkerk.

Repository: UD_Gujarati-ShabdaSetu
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.19

License: CC BY-SA 4.0

Genre: grammar-examples

Questions, comments? General annotation questions (either Gujarati-specific or cross-linguistic) can be raised in the main UD issue tracker. You can report bugs in this treebank in the treebank-specific issue tracker on Github. If you want to collaborate, please contact [annemarie • verkerk (æt) uni-saarland • de]. Development of the treebank happens directly in the UD repository, so you may submit bug fixes as pull requests against the dev branch.

Annotation	Source
Lemmas	annotated manually
UPOS	annotated manually, natively in UD style
XPOS	not available
Features	annotated manually, natively in UD style
Relations	annotated manually, natively in UD style

Description

ShabdaSetu is an in-progress treebank of Gujarati (an Indo-Aryan language) in Gujarati script.

Currently the treebank is comprised of 38 sentences. It was annotated following the Universal Dependencies (UD) framework. The treebank covers a range of grammatical constructions including conditional clauses, relative clauses, correlative constructions, conjunctive participles, and light verb constructions. Morphological features and dependency relations are annotated manually in Gujarati script.

Acknowledgments

The treebank agrees with the existing GujTB treebank and uses it as a reference to build upon. The treebank was manually annotated by Dhairushi Patel. Supervision and revision by Luigi Talamo, Annemarie Verkerk.

Statistics of UD Gujarati ShabdaSetu

POS Tags

ADJ – ADP – ADV – AUX – CCONJ – DET – NOUN – NUM – PART – PRON – PROPN – PUNCT – SCONJ – VERB

Features

Aspect – Case – ExtPos – Gender – Mood – Number – Person – Poss – PronType – Tense – VerbForm

Relations

acl:relcl – advcl – advmod – amod – aux – case – cc – ccomp – compound – compound:svc – conj – cop – det – discourse – mark – nmod – nmod:poss – nsubj – nummod – obj – obl – parataxis – punct – root – vocative – xcomp

Tokenization and Word Segmentation

• This corpus contains 38 sentences, 386 tokens and 389 syntactic words.

• All tokens in this corpus are followed by a space.

• This corpus does not contain words with spaces.

• This corpus does not contain words that contain both letters and punctuation.

• This corpus contains 3 multi-word tokens. On average, one multi-word token consists of 2.00 syntactic words.
• There are 3 types of multi-word tokens. Examples: દેશને, મારાથી, વૈવિધ્યપૂર્ણ.

Morphology

Tags

• This corpus uses 14 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, NOUN, NUM, PART, PRON, PROPN, PUNCT, SCONJ, VERB
• This corpus does not use the following tags: INTJ, SYM, X

• This corpus contains 6 word types tagged as particles (PART): જ, તો, ન, નહિ, પણ, ભલે

• This corpus contains 17 lemmas tagged as pronouns (PRON): આ, એ, એની, એને, કોણ, જે, તને, તું, તે, તેને, તેમાં, પોતાના, મારા, મારામાં, મારી, શું, હું

• This corpus contains 8 lemmas tagged as determiners (DET): આ, એક, કંઈ, ઘણા, તે, દરેક, બધા, બધું

• Out of the above, 2 lemmas occurred sometimes as PRON and sometimes as DET: આ, તે

• This corpus contains 5 lemmas tagged as auxiliaries (AUX): ગયું, છે, ન, હતું, હોવું

• There are 4 (de)verbal forms:

• Conv
  • VERB: કચડી, કચડીને, જઈને, જોઈને, રાખીને, સાંભળીને

• Fin
  • VERB: આવ્યો, કર, કરત, કહ્યું, થઈ, આપ્યો, આવીશ, આવે, ઉંચક્યો, ઉડી

• Inf
  • VERB: કાઢવા, ગણગણવા, જોવાથી, બનવા, બિહવું, રાખવાની, લડવું, હોવાથી

• Part
  • VERB: કરતો, સમાયેલું

Nominal Features

• Gender

• Fem
  • AUX: હતી
  • NOUN: તબિયત, આંખ, કમી, જગ્યા, પ્રતિજ્ઞા, બહેન, મગરુરી, મા, માતા, વફાદારી
  • PRON: મારી, એની, તેની
  • PROPN: લીનાએ
  • VERB-Fin: થઈ, થતી, માંગી, લીધી

• Masc
  • AUX: ગયો, હતો
  • DET: ઘણા, બધા
  • NOUN: હાથીએ, ભાઈ, દેશ, પગ, પ્રયત્ન, હાથી, અંતર, આદર, કાનમાં, કિલોમીટરનો
  • PRON: મારા, મારો, તેમના
  • PROPN: પ્રવીણ, મગનની
  • VERB-Fin: આવ્યો, આપ્યો, ઉંચક્યો, કરત, કરું, કર્યા, ગયો, ચેતવ્યો, થઈ, થયો

• Neut
  • AUX: છું, હતું
  • DET: બધું
  • NOUN: મચ્છર, કામ, મચ્છરને, કલ્યાણ, ઘરે, ટીવી, દેશ, પુસ્તક, બળ, મચ્છરે
  • PRON: આ, તે, મારું
  • VERB-Fin: કહ્યું, ઉડી, જોયું, થાત, પૂછ્યું, પેઠું, લાગ્યું

• Number

• Plur
  • DET: ઘણા, બધા
  • NOUN: દેશબાંધવો, પ્રયત્ન, બહેન, ભાઈ, ભારતીય, વડીલો, શિક્ષકો
  • PRON: મારા, તેમના
  • VERB-Fin: કરો, કર્યા, કહો, નીકળો

• Sing
  • AUX: છું, હતી, હતું, હતો
  • DET: આ, તે, દરેક
  • NOUN: મચ્છર, હાથીએ, કામ, દેશ, તબિયત, પગ, ભાઈ, મચ્છરને, હાથી, અંતર
  • PRON: હું, તું, એને, મને, આ, એ, મારા, મારી, મારો, એની
  • VERB: આવ્યો, કર, કહ્યું, થઈ, આપ્યો, આવીશ, આવે, ઉંચક્યો, ઉડી, કરત
  • VERB-Fin: આવ્યો, કર, કહ્યું, થઈ, આપ્યો, આવીશ, આવે, ઉંચક્યો, ઉડી, કરત
  • VERB-Part: કરતો, સમાયેલું

• Case

• Acc
  • NOUN: દેશ, છોકરાને, દેશબાંધવો, ને, પિતા, મચ્છરને, માતા, વડીલો, વફાદારી, શિક્ષકો
  • PRON: મને, એને, તને

• Dat
  • NOUN: હાથીને

• Erg
  • NOUN: હાથીએ, મચ્છરે
  • PRON: એને
  • PROPN: લીનાએ

• Gen
  • NOUN: કિલોમીટરનો, મચ્છરને, વારસાનો, હાથીના
  • PRON: મારા, મારી, મારો, એની, તેમના, મારું
  • PROPN: મગનની

• Ins
  • NOUN: નાનાથી, મોટાથી, સભ્યતા

• Loc
  • NOUN: કાનમાં, ઘરે, દિવસમાં, પળમાં, મનમાં, સમૃદ્ધિ
  • PRON: તેમાં, મારામાં

• Nom
  • NOUN: કામ, મચ્છર, તબિયત, પગ, પ્રયત્ન, હાથી, અંતર, આંખ, આદર, કમી
  • PRON: તું, હું, એ, જે
  • PROPN: ભારત, પ્રવીણ

• Voc
  • NOUN: ભાઈ, મચ્છર

Degree and Polarity

Verbal Features

• Aspect

• Hab
  • VERB-Fin: આવે, કરું, થતી, રહું, રહે

• Perf
  • AUX: ગયો
  • VERB-Fin: આવ્યો, થઈ, ઉંચક્યો, કર્યા, કર્યું, કહ્યું, ચેતવ્યો, જોયું, થયો, નીકળ્યો
  • VERB-Part: કરતો

• Mood

• Imp
  • VERB-Fin: કર, કરો, દેખાડ, નીકળો

• Ind
  • AUX: છે, હતો, ગયો, હતી, હતું
  • VERB: આવ્યો, કહ્યું, થઈ, આપ્યો, આવીશ, આવે, ઉંચક્યો, ઉડી, કરીશ, કરું
  • VERB-Fin: આવ્યો, કહ્યું, થઈ, આપ્યો, આવીશ, આવે, ઉંચક્યો, ઉડી, કરું, કર્યા

• Sub
  • AUX: હોત
  • VERB-Fin: કરત, કર્યું, થાત, નાખું
  • VERB-Part: કરતો

• Tense

• Fut
  • VERB: આવીશ, કરીશ, રાખીશ, વર્તીશ
  • VERB-Fin: આવીશ, વર્તીશ

• Past
  • AUX: હોત, ગયો, હતી, હતું, હતો
  • VERB-Fin: આવ્યો, કરત, કહ્યું, થઈ, આપ્યો, ઉંચક્યો, ઉડી, કર્યા, કર્યું, ચેતવ્યો
  • VERB-Part: કરતો

• Pres
  • VERB-Fin: આવે, કરું, ચાહું, થતી, નાખું, રહું, રહે, લઉં

Pronouns, Determiners, Quantifiers

• PronType

• Dem
  • DET: આ
  • PRON: આ, તે, તેમાં

• Ind
  • DET: એક, કંઈ, ઘણા

• Int
  • PRON: શું, કોણ

• Prs
  • DET: એક
  • PRON: હું, મારા, તું, એ, એને, મને, પોતાના, મારી, મારો, એની

• Rel
  • DET: તે
  • PRON: જે

• Tot
  • DET: દરેક, બધા, બધું

• Poss

• Yes
  • PRON: મારા, મારી, મારો, એની, તેમના, મારું

• Person

• 1
  • PRON: હું, મારા, મને, મારી, મારામાં, મારું, મારો, મેં
  • VERB: આવીશ, કરીશ, કરું, નાખું, રહું, રાખીશ, લઉં, વર્તીશ
  • VERB-Fin: આવીશ, કરું, નાખું, રહું, લઉં, વર્તીશ

• 2
  • PRON: તું, તને
  • VERB-Fin: કર, કરો, કહો, દેખાડ, નીકળો

• 3
  • PRON: એ, એને, એની, તેના, તેની, તેને, તેમના
  • VERB-Fin: આવે, ગયો

Other Features

• ExtPos
  • ADP
    • ADP: વિષે, હેઠળ

Syntax

Auxiliary Verbs and Copula

• This corpus uses 1 lemmas as copulas (cop). Examples: છે.

• This corpus uses 5 lemmas as auxiliaries (aux). Examples: છે, હતું, હોવું, ન, ગયું.

Core Arguments, Oblique Arguments and Adjuncts

Here we consider only relations between verbs (parent) and nouns or pronouns (child).

• nsubj
  • VERB--PRON (2)
  • VERB-Fin--NOUN-Erg (5)
  • VERB-Fin--NOUN-Nom (4)
  • VERB-Fin--PRON (7)
  • VERB-Fin--PRON-Erg (1)
  • VERB-Fin--PRON-Nom (10)
  • VERB-Inf--NOUN (1)
  • VERB-Inf--NOUN-Ins (2)
  • VERB-Part--NOUN-Nom (1)
  • VERB-Part--PRON-Nom (1)

• obj
  • VERB--NOUN-Nom (2)
  • VERB-Conv--NOUN-Acc (1)
  • VERB-Conv--PRON (1)
  • VERB-Conv--PRON-Acc (1)
  • VERB-Fin--NOUN-Acc (2)
  • VERB-Fin--NOUN-Nom (8)
  • VERB-Fin--PRON (3)
  • VERB-Fin--PRON-Acc (1)
  • VERB-Inf--NOUN-Acc (1)
  • VERB-Inf--NOUN-Gen (1)
  • VERB-Inf--NOUN-Nom (1)
  • VERB-Part--NOUN-Acc (1)

• iobj

Relations Overview

• This corpus uses 3 relation subtypes: acl:relcl, compound:svc, nmod:poss
• The following 1 main types are not used alone, they are always subtyped: acl
• The following 13 relation types are not used in this corpus at all: iobj, csubj, expl, dislocated, appos, clf, fixed, flat, list, orphan, goeswith, reparandum, dep

© 2014–2024 Universal Dependencies contributors. Site powered by Annodoc and brat

.