home edit page issue tracker

UD Albanian TSA

Language: Albanian (code: sq)
Family: Indo-European, Albanian

This treebank has been part of Universal Dependencies since the UD v2.6 release.

The following people have contributed to making this treebank part of UD: Marsida Toska.

Repository: UD_Albanian-TSA
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 Albanian-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 [m_a_r_c_y_94 (æt) hotmail • com]. 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

The UD Albanian Treebank is a small treebank for Standard Albanian, developed within a project framework at Uppsala University. The data was extracted from Wikipedia.

The UD Treebank for Standard Albanian (TSA) is a small treebank that consists of 60 sentences corresponding to 922 tokens. The data was collected from different Wikipedia entries. This treebank was created mainly manually following the Universal Dependencies guidelines. The lemmatization was performed using the lemmatizer https://bitbucket.org/timarkh/uniparser-albanian-grammar/src/master/ developed by the Albanian National Corpus team (Maria Morozova, Alexander Rusakov, Timofey Arkhangelskiy). Tagging and Morphological Analysis were semi-automated through python scripts and corrected manually, whereas Dependency relations were assigned fully manually. We encourage any initiatives to increase the size and/or improve the overall quality of the Treebank.

Acknowledgments

This treebank was created by Marsida Toska at Uppsala University under the supervision of Joakim Nivre.

Statistics of UD Albanian TSA

POS Tags

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

Features

Aspect – Case – Definite – Gender – Mood – NounType – Number – Person – Polarity – Poss – PronType – Tense – VerbForm – Voice

Relations

acl:relcl – advcl – advmod – amod – appos – aux – case – cc – ccomp – compound – conj – cop – csubj – csubj:pass – det – det:adj – det:noun – det:pron – expl – fixed – flat – iobj – mark – nmod – nmod:poss – nsubj – nummod – obj – obl – orphan – punct – root – xcomp

Tokenization and Word Segmentation

• This corpus contains 60 sentences and 922 tokens.

• This corpus contains 88 tokens (10%) that are not followed by a space.

• This corpus does not contain words with spaces.

• This corpus contains 2 types of words that contain both letters and punctuation. Examples: s', t'

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 8 word types tagged as particles (PART): duke, madje, më, nuk, s', se, t', të

• This corpus contains 14 lemmas tagged as pronouns (PRON): ai, ajo, ata, cili, cilido, disa, gjithë, i, kjo, ky, ne, tij, tillë, tjetër

• This corpus contains 3 lemmas tagged as determiners (DET): e, i, një

• Out of the above, 1 lemmas occurred sometimes as PRON and sometimes as DET: i

• This corpus contains 3 lemmas tagged as auxiliaries (AUX): jam, kam, u

• Out of the above, 1 lemmas occurred sometimes as AUX and sometimes as VERB: kam

• There are 3 (de)verbal forms:

• Ger
  • VERB: intensifikuar, lëvizur

• Inf
  • VERB: dashuruar, ndihmuar, rritur

• Part
  • ADJ: njohur, aplikuar, avancuara, caktuar, caktuara, hapur, interesuar, orientuara, pashkruar, përhapur
  • AUX: qenë
  • VERB: arritur, bartur, krijuar, mbijetuar, mundësuar, ndryshuar, pastruar, pasur, përparuar

Nominal Features

• Gender

• Fem
  • ADJ: komplekse, kryesore, njerëzore, sociale, Madhe, aplikuar, avancuara, caktuar, dendura, dixhitale
  • ADJ-Part: aplikuar, avancuara, caktuar, hapur, orientuara, rritura
  • DET: e, të, një, së
  • NOUN: Dashuria, kohës, marrëdhënieve, mënyrë, politikat, shkencat, shoqëri, sjelljes, tregtinë, Bujqësia
  • PRON: disa, e, gjitha, këto, Kjo, cilat, këtë, saj, ato, atë
  • PROPN: Shqipëri, Britania, Evropës, Japoninë, Kinës, Korenë

• Masc
  • ADJ: rëndësishëm, madh, njohur, Anglez, Evropian, abstrakt, caktuara, drejtpërdrejtë, emocionalë, interesuar
  • ADJ-Part: njohur, caktuara, interesuar, pashkruar, përhapur
  • DET: i, të, një, së
  • NOUN: Evolucioni, Ishulli, dramaturgu, njeriut, njerëz, qytetit, shtete, ushqimit, vend, Interesi
  • PRON: Ata, i, tij, Ky, ai, cilitdo, disa, Këto, atyre, këtë
  • PROPN: Bashkimit, Djui, Djuin, Manit, Norsëve, Ruso, Zhak, Zhan

• Number

• Plur
  • ADJ: avancuara, dendura, emocionale, emocionalë, fiziologjike, fosile, greke, jetësore, kognitivë, kombëtare
  • ADJ-Part: avancuara, njohur, orientuara, rritura
  • AUX: janë, kanë
  • DET: e
  • NOUN: drejtimet, marrëdhënieve, njerëz, njerëzit, politikat, shkencat, shtete, Forcat, Format, Frutat
  • PRON: disa, këto, Ata, cilat, gjitha, ato, atyre, i, këtyre, na
  • PROPN: Norsëve
  • VERB: kanë, Dëgjojmë, dëmtojnë, fillojnë, formuan, identifikojnë, japin, jetojnë, kenë, kthehen

• Sing
  • ADJ: rëndësishëm, kryesore, madh, sociale, Anglez, Evropian, Madhe, abstrakt, aplikuar, caktuar
  • ADJ-Part: aplikuar, caktuar, caktuara, hapur, interesuar, njohur, pashkruar, përhapur
  • AUX: është, ishte, ka
  • NOUN: Dashuria, Evolucioni, Ishulli, dramaturgu, kohës, mënyrë, njeriut, qytetit, shoqëri, sjelljes
  • PRON: e, këtë, tij, Kjo, Ky, ai, cilitdo, saj, atë, cila
  • PROPN: Shqipëri, Bashkimit, Britania, Djui, Djuin, Evropës, Japoninë, Kinës, Korenë, Manit
  • VERB: ka, kishte, mendohet, duhet, ekziston, formon, karakterizohet, konsiston, krijoi, kthehet

• Case

• Abl
  • NOUN: gjinisë, komunikimit, ndryshimesh, person, problemi, shekujve
  • PRON: cilitdo

• Acc
  • NOUN: drejtimet, mënyrë, shkencat, shtete, tregtinë, administrim, anë, armë, artikujt, bashkim
  • PRON: e, këtë, atë, cilat, cilën, gjitha, i, këto, tillë, tjera
  • PROPN: Shqipëri, Djuin, Japoninë, Korenë

• Acc,Nom
  • NOUN: karakteri

• Dat
  • NOUN: formave, informacionit, procesit, përbërësit, përvojave
  • PRON: i, atyre, na, u

• Gen
  • NOUN: kohës, marrëdhënieve, njeriut, qytetit, sjelljes, ushqimit, anëtarëve, djegies, edukimit, ekonomie
  • PRON: tij, saj, cilitdo, gjitha, kësaj, këtyre, tjetër, tyre
  • PROPN: Bashkimit, Evropës, Kinës, Manit, Norsëve

• Nom
  • NOUN: Dashuria, Evolucioni, Ishulli, dramaturgu, Bujqësia, Buka, Familja, Forcat, Format, Frutat
  • PRON: disa, Ata, këto, Kjo, Ky, ai, Cilat, ato, cila, gjitha
  • PROPN: Britania, Djui, Ruso, Zhak, Zhan

• Definite

• Def
  • NOUN: Dashuria, Evolucioni, Ishulli, dramaturgu, drejtimet, kohës, marrëdhënieve, njeriut, njerëzit, politikat
  • PROPN: Bashkimit, Britania, Djui, Djuin, Evropës, Japoninë, Kinës, Korenë, Manit, Norsëve

• Ind
  • NOUN: mënyrë, njerëz, shoqëri, shtete, vend, Karakteristikë, administrim, anë, anëtarë, armë
  • PROPN: Shqipëri

Degree and Polarity

• Polarity

• Neg
  • PART: s', nuk

Verbal Features

• Aspect

• Imp
  • AUX: janë, është, kanë, ishte, ka
  • VERB: dashuruar, ka, kanë, kishte, mendohet, Dëgjojmë, duhet, dëmtojnë, ekziston, fillojnë
  • VERB-Ger: lëvizur
  • VERB-Inf: dashuruar

• Perf
  • VERB: krijoi, ndihmuar, rritur
  • VERB-Inf: ndihmuar, rritur

• Prog
  • VERB-Ger: intensifikuar

• Mood

• Ind
  • AUX: janë, është, kanë, ishte, ka
  • VERB: ka, kanë, kishte, mendohet, Dëgjojmë, duhet, ekziston, fillojnë, formon, formuan

• Sub
  • VERB: dëmtojnë, kenë, kthehen, ndikojnë, shkruhen

• Tense

• Past
  • AUX: ishte
  • VERB: kishte, formuan, intensifikuar, krijoi, kërkonin, morën, ndihmuar, nxiti, nënshtruan, përket
  • VERB-Ger: intensifikuar
  • VERB-Inf: ndihmuar, rritur

• Pres
  • AUX: janë, është, kanë, ka
  • VERB: dashuruar, ka, kanë, mendohet, Dëgjojmë, duhet, dëmtojnë, ekziston, fillojnë, formon
  • VERB-Ger: lëvizur
  • VERB-Inf: dashuruar

• Voice

• Act
  • AUX: janë, është, kanë, ishte, ka
  • VERB: dashuruar, ka, kanë, kishte, Dëgjojmë, dëmtojnë, ekziston, fillojnë, formon, identifikojnë
  • VERB-Ger: lëvizur
  • VERB-Inf: dashuruar, ndihmuar, rritur

• Pass
  • VERB: mendohet, formuan, intensifikuar, karakterizohet, kthehet, kuptohet, mirren, njihet, nënshtruan, përcaktohet
  • VERB-Ger: intensifikuar

Pronouns, Determiners, Quantifiers

• PronType

• Dem
  • PRON: këto, këtë, Kjo, Ky, ai, atë, kësaj, këtyre

• Emp
  • PRON: e, atyre, i

• Ind
  • PRON: Disa, tillë, tjera, tjetrin, tjetër

• Int
  • PRON: cilat, cila

• Prs
  • PRON: Ata, tij, saj, Ai, Këto, ato, e, na, tyre, u

• Rel
  • PRON: cilën

• Tot
  • PRON: gjitha, cilitdo

• Poss

• Yes
  • PRON: tij, saj, tyre

• Person

• 1
  • VERB: Dëgjojmë, lexojmë, përmend

• 3
  • AUX: janë, është, kanë, ishte, ka
  • PRON: Cilat, ai, u
  • VERB: ka, kanë, kishte, mendohet, duhet, dëmtojnë, ekziston, fillojnë, formon, formuan

Other Features

• NounType
  • Het
    • NOUN: qytetit, shtete, vend, Problemet, Qytetet, Qëndrimet, anketimi, brez, drejtimet, dyqanet

Syntax

Auxiliary Verbs and Copula

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

• This corpus uses 3 lemmas as auxiliaries (aux). Examples: kam, u, jam.

Core Arguments, Oblique Arguments and Adjuncts

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

• nsubj
  • VERB--NOUN-Nom (34)
  • VERB--PRON-Acc (1)
  • VERB--PRON-Nom (7)
  • VERB-Part--NOUN-Nom (5)

• obj
  • VERB--NOUN (1)
  • VERB--NOUN-Acc (24)
  • VERB--NOUN-Dat (2)
  • VERB--NOUN-Nom (1)
  • VERB--PRON-Acc (1)
  • VERB-Ger--NOUN-Acc (1)
  • VERB-Inf--NOUN-Acc (2)
  • VERB-Part--NOUN-Acc (1)

• iobj
  • VERB--PRON-Dat (2)

Relations Overview

• This corpus uses 6 relation subtypes: acl:relcl, csubj:pass, det:adj, det:noun, det:pron, nmod:poss
• The following 1 main types are not used alone, they are always subtyped: acl
• The following 9 relation types are not used in this corpus at all: vocative, dislocated, discourse, clf, list, parataxis, goeswith, reparandum, dep

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

.