home edit page issue tracker

UD Dutch Alpino

Language: Dutch (code: nl)
Family: IE

This treebank has been part of Universal Dependencies since the UD v1.2 release.

The following people have contributed to making this treebank part of UD: Daniel Zeman, Zdeněk Žabokrtský, Gosse Bouma, Gertjan van Noord.

Repository: UD_Dutch-Alpino
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.15

License: CC BY-SA 4.0

Genre: news

Questions, comments? General annotation questions (either Dutch-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 [g • bouma (æt) rug • nl]. Development of the treebank happens outside the UD repository. If there are bugs, either the original data source or the conversion procedure must be fixed. Do not submit pull requests against the UD repository.

Annotation	Source
Lemmas	annotated manually in non-UD style, automatically converted to UD
UPOS	annotated manually in non-UD style, automatically converted to UD
XPOS	annotated manually
Features	annotated manually in non-UD style, automatically converted to UD
Relations	annotated manually in non-UD style, automatically converted to UD

Description

This corpus consists of samples from various treebanks annotated at the University of Groningen using the Alpino annotation tools and guidelines.

The data consists of samples from various treebanks annotated at the University of Groningen using the Alpino annotation tools and guidelines:

• train consists of material from the original Alpino CD-ROM (file id ‘cdb’ 7000+ sentences from the Eindhoven corpus), questions using in a QA project (file ids with qa and wpspel), material from suites used for grammar maintenance (id: g_suite, h_suite, leuven_yellow_pages), example sentence from the Dutch reference grammar ANS (eans), and the WR-P-P-H section of the Lassy Small corpus
• dev consists of material from the WR-P-P-H section of the Lassy Small corpus
• test consists of material from the WR-P-P-H and WR-P-P-L sections of the Lassy Small corpus

The data was thoroughly revised by Gosse Bouma and Gertjan van Noord for UD 2.1 in November 2017. The new version was created using the same conversion script as was used for Dutch LassySmall. As sources, we used the (manually corrected) Alpino treebank annotation for this material as it is available in Groningen. Links to original files have been added. Note that tokenization may differ from the previous UD version.

The (Go and XQuery) conversion script is available for download at https://github.com/rug-compling/alud. It can be used to convert additional material annotated according to Lassy/CGN guidelines or annotated automatically using the Alpino parser.

Acknowledgments

Statistics of UD Dutch Alpino

POS Tags

ADJ – ADP – ADV – AUX – CCONJ – DET – INTJ – NOUN – NUM – PRON – PROPN – PUNCT – SCONJ – SYM – VERB – X

Features

Abbr – Case – Definite – Degree – Foreign – Gender – Number – Person – Poss – PronType – Reflex – Tense – VerbForm

Relations

acl – acl:relcl – advcl – advmod – amod – appos – aux – aux:pass – case – cc – cc:preconj – ccomp – compound:prt – conj – cop – csubj – csubj:outer – det – expl – expl:pv – fixed – flat – iobj – mark – nmod – nmod:poss – nsubj – nsubj:outer – nsubj:pass – nummod – obj – obl – obl:agent – obl:arg – orphan – parataxis – punct – root – xcomp

Tokenization and Word Segmentation

• This corpus contains 13603 sentences, 208613 tokens and 208614 syntactic words.

• This corpus contains 21716 tokens (10%) that are not followed by a space.

• This corpus does not contain words with spaces.

• This corpus contains 1464 types of words that contain both letters and punctuation. Examples: J., mr., dr., zo'n, 't, H., a., 's, C., W., M., drs., B., prof., G., p., pct., d., R., 'n, F., L., o.a., K., Zuid-Afrika, T., z'n, v., S., auto's, jl., n.v., E., ir., Sovjet-Unie, St., West-Duitsland, o.m., Noord-Korea, mln., D'66, a.s., binnen-, m'n, mevr., Mina's, Oost-Berlijn, directeur-generaal, ds., etc.

• This corpus contains 1 multi-word tokens. On average, one multi-word token consists of 2.00 syntactic words.
• There are 1 types of multi-word tokens. Examples: nogeens.

Morphology

Tags

• This corpus uses 16 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PRON, PROPN, PUNCT, SCONJ, SYM, VERB, X
• This corpus does not use the following tags: PART

• This corpus contains 69 lemmas tagged as pronouns (PRON): al, allebei, alles, beide, dat, datgeen, degeen, deze, die, diegene, dit, een, elk, elkaar, enig, enkel, er, ge, geen, gij, haar, haarzelf, hem, hemzelf, hen, het, hetgeen, hij, hijzelf, hun, ieder, iedereen, iemand, iets, ik, je, jezelf, jij, jou, jullie, me, meerdere, men, mezelf, mij, mijn, niemand, niets, niks, ons, onszelf, sommig, u, veel, wat, we, weinig, welk, wie, wij, ze, zich, zichzelf, zij, zijn, zijzelf, zo'n, zoiets, zulk

• This corpus contains 82 lemmas tagged as determiners (DET): 1/2, 1/3, 1/4, 1/8, 1000, 2.392, 2/3, 20.000, 22,1, 2500, 33, 37,7, 47, 5.001, 5000, 9.000, al, allerlei, anderhalf, andermans, beide, bijna, circa, dat, datzelfde, de, deze, dezelfde, die, diezelfde, dit, dll, een, eenzelfde, elk, elkaar, enig, enkel, ettelijk, flo, geen, genoeg, helemaal, het, hetzelfde, hoe, ieder, maar, meerdere, menig, min, net, niemand, niet, nog, nogal, onvoldoende, reeds, slechts, sommig, steeds, te, teveel, the, veel, voldoende, vrijwel, wat, weinig, wel, welhaast, welk, weten, wie, x, zeer, zes-, zestig-, zijn/haar, zo, zo'n, zulk

• Out of the above, 24 lemmas occurred sometimes as PRON and sometimes as DET: al, beide, dat, deze, die, dit, een, elk, elkaar, enig, enkel, geen, het, ieder, meerdere, niemand, sommig, veel, wat, weinig, welk, wie, zo'n, zulk

• This corpus contains 8 lemmas tagged as auxiliaries (AUX): hebben, krijgen, kunnen, moeten, mogen, worden, zijn, zullen

• Out of the above, 8 lemmas occurred sometimes as AUX and sometimes as VERB: hebben, krijgen, kunnen, moeten, mogen, worden, zijn, zullen

• There are 3 (de)verbal forms:

• Fin
  • AUX: is, was, heeft, zijn, werd, wordt, zal, zou, kan, hebben
  • VERB: heeft, komt, heet, wil, is, gaat, zei, kwam, noemt, hebben

• Inf
  • AUX: worden, zijn, kunnen, moeten, hebben, zullen, mogen, krijgen, wezen
  • VERB: komen, gaan, maken, zien, doen, nemen, laten, zeggen, worden, geven

• Part
  • AUX: geweest, gekregen, zijnde, gehad, geworden
  • VERB: gemaakt, gehouden, genoemd, genomen, gedaan, gezien, afgelopen, gegeven, gekomen, geworden

Nominal Features

• Gender

• Com
  • NOUN: heer, plaats, tijd, minister, man, stad, dag, week, politie, trein
  • PROPN: zaterdag, januari, zondag, JGZ, Robbert, mei, juli, september, vrijdag, God

• Com,Neut
  • NOUN: soort, boord, opzet, subsidie, stempel, opium, affiche, aperitief, cacaopoeder, cementpoeder
  • PROPN: Greenpeace, Beernink, DFC, Interpay, Laurus, Mendes-France, Noerejew, Poema, Springer, Ulysses

• Neut
  • NOUN: jaar, land, uur, aantal, deel, procent, huis, miljoen, werk, leven
  • PROPN: Nederland, Amsterdam, Groningen, Rotterdam, Europa, Engeland, Aduard, Frankrijk, Utrecht, Ajax

• Number

• Plur
  • AUX-Fin: zijn, hebben, worden, zullen, waren, werden, kunnen, zouden, moeten, hadden
  • NOUN: mensen, kinderen, jaren, problemen, zaken, landen, boeken, dagen, vrouwen, weken
  • PROPN: Nederlanders, Amsterdammers, Rotterdammers, Duitsers, Italianen, Russen, Amerikanen, Engelsen, Romeinen, VS
  • VERB-Fin: hebben, zijn, gaan, willen, komen, kwamen, hadden, waren, krijgen, staan

• Sing
  • AUX-Fin: is, was, heeft, werd, wordt, zal, zou, kan, moet, had
  • NOUN: jaar, land, heer, plaats, tijd, minister, uur, man, stad, aantal
  • PROPN: Nederland, Amsterdam, zaterdag, Groningen, Rotterdam, Europa, Engeland, januari, zondag, Aduard
  • VERB-Fin: heeft, komt, heet, wil, is, gaat, zei, kwam, noemt, ligt

• Case

• Acc
  • PRON: zich, hem, me, ons, mij, elkaar, haar, hen, je, zichzelf

• Dat
  • PRON: dien, dezen

• Gen
  • PRON: zijns, uwer, zijner

• Nom
  • PRON: hij, ik, we, men, je, zij, wij, u, jij, ie

• Definite

• Def
  • DET: de, het, der, 's, 't, des, den, dé

• Ind
  • DET: een, 'n, en

Degree and Polarity

• Degree

• Cmp
  • ADJ: verder, beter, later, eerder, jongeren, vroeger, langer, groter, grotere, hoger

• Pos
  • ADJ: nieuwe, grote, andere, goed, Nederlandse, heel, groot, Amerikaanse, eigen, goede

• Sup
  • ADJ: laatste, grootste, beste, belangrijkste, hoogste, best, jongste, voornaamste, allerminst, oudste

Verbal Features

• Tense

• Past
  • AUX-Fin: was, werd, zou, had, waren, werden, kon, zouden, moest, hadden
  • VERB-Fin: zei, kwam, had, was, werd, vond, kreeg, vroeg, maakte, won

• Pres
  • AUX-Fin: is, heeft, zijn, wordt, zal, kan, hebben, moet, heb, worden
  • VERB-Fin: heeft, komt, heet, wil, is, gaat, noemt, hebben, ligt, zijn

Pronouns, Determiners, Quantifiers

• PronType

• Dem
  • PRON: dat, dit, er, die, deze, zo'n, degenen, datgene, degene, d'r

• Ind
  • PRON: meer, iets, niets, veel, alles, wat, enige, minder, iedereen, weinig

• Int
  • PRON: wat, wie, welke, welk

• Prs
  • PRON: hij, ik, het, zijn, zich, ze, we, je, men, hun

• Rcp
  • PRON: elkaar

• Rel
  • PRON: die, dat, hetgeen, hetgene

• Poss

• Yes
  • PRON: zijn, hun, haar, mijn, onze, ons, je, uw, z'n, m'n

• Reflex

• Yes
  • PRON: zich, zichzelf

• Person

• 1
  • PRON: ik, we, ons, wij, me, mijn, mij, onze, mezelf, m'n

• 2
  • PRON: je, u, jullie, jij, jou, uw, gij, jouw, jezelf, ge

• 3
  • PRON: hij, het, dat, zijn, wat, zich, ze, wie, men, hun

Other Features

• Abbr
  • Yes
    • X: pct., o.a., jl., o.m., pct, mln., a.s., rk, v.j., nl.

• Foreign
  • Yes
    • X: the, fancy, ad, a, in, of, Grand, fiction, to, world

Syntax

Auxiliary Verbs and Copula

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

• This corpus uses 6 lemmas as auxiliaries (aux). Examples: hebben, zullen, kunnen, zijn, moeten, mogen.
• This corpus uses 3 lemmas as passive auxiliaries (aux:pass). Examples: worden, zijn, krijgen.

Core Arguments, Oblique Arguments and Adjuncts

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

• nsubj
  • VERB-Fin--NOUN (3748)
  • VERB-Fin--NOUN-ADP(op) (1)
  • VERB-Fin--PRON (1785)
  • VERB-Fin--PRON-Nom (2618)
  • VERB-Inf--NOUN (594)
  • VERB-Inf--PRON (314)
  • VERB-Inf--PRON-Nom (554)
  • VERB-Part--NOUN (807)
  • VERB-Part--PRON (284)
  • VERB-Part--PRON-Nom (514)

• obj
  • VERB-Fin--NOUN (2776)
  • VERB-Fin--PRON (528)
  • VERB-Fin--PRON-Acc (211)
  • VERB-Inf--NOUN (1429)
  • VERB-Inf--NOUN-ADP(voor) (1)
  • VERB-Inf--PRON (265)
  • VERB-Inf--PRON-Acc (103)
  • VERB-Part--NOUN (721)
  • VERB-Part--PRON (183)
  • VERB-Part--PRON-Acc (48)

• iobj
  • VERB-Fin--NOUN (68)
  • VERB-Fin--PRON (3)
  • VERB-Fin--PRON-ADP(aan) (1)
  • VERB-Fin--PRON-Acc (175)
  • VERB-Inf--NOUN (44)
  • VERB-Inf--PRON (5)
  • VERB-Inf--PRON-ADP(aan) (1)
  • VERB-Inf--PRON-Acc (46)
  • VERB-Part--NOUN (46)
  • VERB-Part--PRON (3)
  • VERB-Part--PRON-ADP(aan) (2)
  • VERB-Part--PRON-Acc (61)

Reflexive Verbs

• This corpus contains 169 lemmas that occur at least once with an expl:pv child. Examples: bevinden zich, voor_doen zich, bewust zich, voelen zich, af_vragen zich, laten zich, maken zich, tonen zich, melden zich, ontwikkelen zich, plaatsen zich, af_spelen zich, bewegen zich, mee_brengen zich, richten zich, uit_spreken zich, aan_melden zich, begeven zich, beraden zich, concentreren zich, houden zich, op_stellen zich, vergissen zich, af_scheiden zich, af_vragen me, gedragen zich, herstellen zich, stellen zich, voelen me, voelen ons, voltrekken zich, wagen zich, wreken zich, af_vragen ons, begeven ons, beperken zich, buigen zich, mengen zich, permitteren zich, schamen je, schamen zich, terug_vechten zich, toe_leggen zich, verzetten zich, aan_sluiten zich, aan_trekken zich, af_wenden zich, beklagen me, bemoeien zich, bloot_geven zich

Verbs with Reflexive Core Objects

• This corpus contains 85 lemmas that occur at least once with a reflexive core object (obj or iobj). Examples: bezig_houden zich, stellen zich, houden zich, aan_sluiten zich, handhaven zich, laten zich, maken zich, uit_breiden zich, voor_bereiden zich, aan_schaffen zich, achten zich, interesseren zich, noemen zich, om_vormen zich, prikken zichzelf, redden zich, uit_strekken zich, versterken zich, verwonden zichzelf, wassen zich, wringen zich, zien zich, aan_bieden zich, aan_kondigen zich, aan_stellen zichzelf, aaneen_sluiten zich, afficheren zich, bekeren zich, belasten zich, beschermen zich, binden zich, blesseren zich, chanteren zich, dekken zich, doen zichzelf, dringen zich, dupliceren zich, emanciperen zich, forceren zich, fêteren zich, geven zich, herhalen zichzelf, in_kapselen zich, installeren zich, intimideren zich, kennen zich, los_maken zich, misbruiken zich, nemen zich, noemen zichzelf
• Out of those, 4 lemmas occurred more than once, but never without a reflexive dependent. Examples: aan_schaffen, om_vormen, uit_strekken, wringen

Relations Overview

• This corpus uses 11 relation subtypes: acl:relcl, aux:pass, cc:preconj, compound:prt, csubj:outer, expl:pv, nmod:poss, nsubj:outer, nsubj:pass, obl:agent, obl:arg
• The following 1 main types are not used alone, they are always subtyped: compound
• The following 8 relation types are not used in this corpus at all: vocative, dislocated, discourse, clf, list, goeswith, reparandum, dep

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

.