home edit page issue tracker

UD Dutch LassySmall

Language: Dutch (code: nl)
Family: Indo-European, Germanic

This treebank has been part of Universal Dependencies since the UD v1.3 release.

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

Repository: UD_Dutch-LassySmall
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.13

License: CC BY-SA 4.0

Genre: wiki

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 contains sentences from the Wikipedia section of the Lassy Small Treebank. Universal Dependency annotation was generated automatically from the original annotation in Lassy.

The Lassy Small Treebank (https://www.let.rug.nl/~vannoord/Lassy/) is a manually verified treebank for Dutch, annotated with both phrasal nodes and dependency labels (as in the German Tiger treebanks and as in earlier treebank efforts for Dutch). The annotation was converted automatically to UD. 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.

As not all material in the Lassy Small Treebank can be made freely available, only the material from the Wikipedia (wiki) section is included in UD_Dutch-LassySmall. The train, development, and test sections consist of 6641, 350, and 350 sentences, respectively, taken from a random shuffle of the original dataset.

Acknowledgments

Gosse Bouma is responsible for the conversion. Gertjan van Noord helped in sorting out various issues with the original data.

Statistics of UD Dutch LassySmall

POS Tags

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

Features

Abbr – Case – Definite – Degree – 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 – det – expl – expl:pv – fixed – flat – iobj – mark – nmod – nmod:poss – nsubj – nsubj:pass – nummod – obj – obl – obl:agent – orphan – parataxis – punct – root – xcomp

Tokenization and Word Segmentation

• This corpus contains 7341 sentences and 98107 tokens.

• This corpus contains 12710 tokens (13%) that are not followed by a space.

• This corpus does not contain words with spaces.

• This corpus contains 971 types of words that contain both letters and punctuation. Examples: Sint-Niklaas, CD&V, sp.a, N-VA, Vlaams-Brabant, Henin-Hardenne, ca., o.a., 't, Oost-Vlaanderen, kabinet-Van, Parijs-Roubaix, West-Vlaanderen, Waals-Brabant, kabinet-Kok, zo'n, minister-president, Oostenrijk-Este, mr., nr., programma's, v.Chr., Brussel-Halle-Vilvoorde, Nieuw-Vlaamse, Pandy's, Saksen-Coburg-Gotha, Vlaams-nationalistische, links-liberale, kabinet-Balkenende, vice-premier, 's, F.C., Jean-Marie, Vandersteen's, Vlaams-Nationaal, kabinet-Den, rooms-katholieke, thema's, Christen-Democratisch, I-City, Jean-Luc, Noord-Brabant, Noord-Frankrijk, Sint-Katelijne-Waver, WTA-toernooi, auto's, b., e., en/of, g.

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 53 lemmas tagged as pronouns (PRON): al, alles, beide, dat, degeen, deze, die, dit, elk, elkaar, enig, enkel, er, geen, haar, hem, hemzelf, hen, het, hetgeen, hetwelk, hij, hun, ieder, iedereen, iemand, iets, ik, je, jij, me, mekaar, men, mij, mijn, niemand, niets, ons, sommig, u, veel, wat, we, weinig, welk, wie, wij, ze, zich, zichzelf, zij, zijn, zijzelf

• This corpus contains 56 lemmas tagged as determiners (DET): +11,77, +46,29, +52,93, +64,68, 1/2, 1/4, 1/8, 26%, 3×, al, allerlei, anderhalf, beide, bijna, dat, datzelfde, de, deze, dezelfde, die, diezelfde, dit, een, elk, enig, enkel, ettelijk, geen, haast, het, hetzelfde, ieder, meerdere, menig, net, niet, nog, nogal, ongeveer, onvoldoende, sommig, steeds, te, tweederde, veel, voldoende, vrijwel, wat, weinig, wel, welk, wie, zeer, zo'n, zowat, zulk

• Out of the above, 18 lemmas occurred sometimes as PRON and sometimes as DET: al, beide, dat, deze, die, dit, elk, enig, enkel, geen, het, ieder, sommig, veel, wat, weinig, welk, wie

• This corpus contains 7 lemmas tagged as auxiliaries (AUX): hebben, kunnen, moeten, mogen, worden, zijn, zullen

• Out of the above, 5 lemmas occurred sometimes as AUX and sometimes as VERB: hebben, kunnen, moeten, worden, zijn

• There are 3 (de)verbal forms:

• Fin
  • AUX: is, werd, was, wordt, zijn, werden, waren, worden, zou, kan
  • VERB: werd, zie, heeft, kwam, zijn, is, komt, telt, staat, was

• Inf
  • AUX: worden, zijn, kunnen, hebben, moeten, mogen, zullen
  • VERB: worden, maken, gaan, laten, tekenen, geven, houden, zien, nemen, hebben

• Part
  • AUX: geweest, zijnde
  • VERB: genoemd, geboren, volgende, opgericht, gemaakt, gebruikt, geworden, gekozen, gelegen, verkozen

Nominal Features

• Gender

• Com
  • NOUN: partij, stad, eeuw, naam, koning, regering, finale, provincie, politie, reeks
  • PROPN: Wiske, Suske, juni, oktober, Ensor, Vandersteen, Kuifje, VLD, CVP, D66

• Com,Neut
  • NOUN: soort, mout, boord, katoen, krijtpoeder, sorghum, tin, wort
  • PROPN: Spirit, Vivant, Parijs-Roubaix, Euronext, SPIRIT, Dexia, Fortis, Giroux, Mobistar, Prego

• Neut
  • NOUN: jaar, deel, aantal, werk, begin, land, bier, gewest, centrum, gebied
  • PROPN: België, Brussel, Antwerpen, Vlaanderen, Hasselt, Nederland, Bel, Limburg, Luik, Gent

• Number

• Plur
  • AUX-Fin: zijn, werden, waren, worden, hebben, kunnen, hadden, moeten, zouden, moesten
  • NOUN: jaren, verkiezingen, gemeenten, partijen, inwoners, leden, links, zetels, verhalen, provincies
  • PROPN: Belgen, Nederlanden, Fransen, Vlamingen, Pruisen, Kempen, grenslandhallen, Brusselaars, Middeleeuwen, Ardennen
  • VERB-Fin: zijn, hebben, kwamen, staan, vormen, verschenen, hadden, gaan, komen, bestaan

• Sing
  • AUX-Fin: is, werd, was, wordt, zou, kan, had, heeft, kon, moest
  • NOUN: partij, jaar, stad, eeuw, naam, koning, regering, finale, deel, provincie
  • PROPN: België, Brussel, Antwerpen, Vlaanderen, Hasselt, Wiske, Suske, Nederland, Bel, juni
  • VERB-Fin: werd, zie, heeft, kwam, is, komt, telt, staat, was, wint

• Case

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

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

• Definite

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

• Ind
  • DET: een

Degree and Polarity

• Degree

• Cmp
  • ADJ: later, verder, eerder, vroeger, beter, hogere, vroegere, latere, oudere, jongeren

• Pos
  • ADJ: Vlaamse, belgische, andere, grote, nieuwe, externe, eigen, federale, politieke, verschillende

• Sup
  • ADJ: grootste, laatste, belangrijkste, hoogste, oudste, beste, bekendste, kleinste, mooiste, voornaamste

Verbal Features

• Tense

• Past
  • AUX-Fin: werd, was, werden, waren, zou, had, kon, moest, hadden, zouden
  • VERB-Fin: werd, kwam, was, had, ontstond, kreeg, ging, bleef, nam, maakte

• Pres
  • AUX-Fin: is, wordt, zijn, worden, kan, heeft, zal, moet, hebben, kunnen
  • VERB-Fin: zie, heeft, zijn, is, komt, telt, staat, wint, gaat, hebben

Pronouns, Determiners, Quantifiers

• PronType

• Dem
  • PRON: deze, dit, dat, die, er, degenen

• Ind
  • PRON: meer, enige, veel, alles, elk, minder, weinig, velen, allen, iedereen

• Int
  • PRON: wat, wie, welke

• Prs
  • PRON: hij, zijn, ze, het, zich, haar, hun, zij, men, hem

• Rcp
  • PRON: elkaar, mekaar

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

• Poss

• Yes
  • PRON: zijn, haar, hun, mijn, Hare, Zijne, ons, onze, z'n, uw

• Reflex

• Yes
  • PRON: zich, zichzelf

• Person

• 1
  • PRON: ik, mijn, ons, we, onze, wij, mij, me

• 2
  • PRON: je, u, uw, jij

• 3
  • PRON: hij, zijn, ze, het, zich, haar, dat, hun, dit, zij

Other Features

• Abbr
  • Yes
    • X: ca., o.a., nr., v.Chr., Ned, lib, kath, o.m., blz., bv

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, zijn, kunnen, zullen, moeten, mogen.
• This corpus uses 2 lemmas as passive auxiliaries (aux:pass). Examples: worden, zijn.

Core Arguments, Oblique Arguments and Adjuncts

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

• nsubj
  • VERB-Fin--NOUN (1373)
  • VERB-Fin--PRON (658)
  • VERB-Fin--PRON-Nom (418)
  • VERB-Inf--NOUN (100)
  • VERB-Inf--PRON (58)
  • VERB-Inf--PRON-Nom (59)
  • VERB-Part--NOUN (101)
  • VERB-Part--PRON (56)
  • VERB-Part--PRON-Nom (35)

• obj
  • VERB-Fin--NOUN (1164)
  • VERB-Fin--PRON (85)
  • VERB-Fin--PRON-Acc (50)
  • VERB-Inf--NOUN (358)
  • VERB-Inf--PRON (26)
  • VERB-Inf--PRON-Acc (45)
  • VERB-Part--NOUN (74)
  • VERB-Part--PRON (11)
  • VERB-Part--PRON-Acc (3)

• iobj
  • VERB-Fin--NOUN (11)
  • VERB-Fin--PRON (2)
  • VERB-Fin--PRON-Acc (10)
  • VERB-Inf--NOUN (10)
  • VERB-Inf--PRON (1)
  • VERB-Inf--PRON-Acc (3)
  • VERB-Part--NOUN (3)
  • VERB-Part--PRON-Acc (5)

Reflexive Verbs

• This corpus contains 79 lemmas that occur at least once with an expl:pv child. Examples: bevinden zich, vestigen zich, richten zich, aan_sluiten zich, af_spelen zich, herstellen zich, voelen zich, bekeren zich, kenmerken zich, scharen zich, verklaren zich, aaneen_sluiten zich, engageren zich, manifesteren zich, nemen zich, ontpoppen zich, over_geven zich, profileren zich, toe_leggen zich, tonen zich, vertalen zich, verzetten zich, voltrekken zich, aan_melden zich, af_scheiden zich, af_scheuren zich, af_vragen zich, af_wenden zich, af_zetten zich, af_zonderen zich, begeven zich, bemoeien zich, beperken zich, bezoedelen zich, binden zich, blesseren zich, emanciperen zich, focussen zich, formeren zich, hebben zich, herinneren zich, herpakken zich, in_graven zich, in_spannen zich, meester_maken zich, neer_leggen zich, onderscheiden zich, onderwerpen mij, ontplooien zich, ontwikkelen zich

Verbs with Reflexive Core Objects

• This corpus contains 30 lemmas that occur at least once with a reflexive core object (obj or iobj). Examples: terug_trekken zich, bezig_houden zich, noemen zich, noemen zichzelf, op_merken zich, organiseren zich, positioneren zich, houden zich, in_schrijven zich, laten zich, onthouden zich, af_splitsen zich, bevrijden zich, doen zich, door_zetten zich, interesseren zich, kruisen zich, maken zich, onder_dompelen zich, op_offeren zich, profileren zich, respecteren zichzelf, spelen zichzelf, steunen zich, uit_breiden zich, uit_roepen zich, verdelen zich, verzorgen zich, voor_stellen zichzelf, werken zich
• Out of those, 1 lemmas occurred more than once, but never without a reflexive dependent. Examples: bezig_houden

Relations Overview

• This corpus uses 8 relation subtypes: acl:relcl, aux:pass, cc:preconj, compound:prt, expl:pv, nmod:poss, nsubj:pass, obl:agent
• 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

© 2014–2022 Universal Dependencies contributors. Site powered by Annodoc and brat

.