home edit page issue tracker

UD Dutch LassySmall

Language: Dutch (code: nl)
Family: IE

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 2.15

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 – 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 17120 sentences and 297065 tokens.

• This corpus contains 32316 tokens (11%) that are not followed by a space.

• This corpus does not contain words with spaces.

• This corpus contains 2067 types of words that contain both letters and punctuation. Examples: Sovjet-Unie, zo'n, Sint-Niklaas, o.a., CD&V, sp.a, V.S., ca., 's, 't, X-7, Groot-Brittannië, Midden-Oosten, N-VA, rooms-katholieke, Vlaams-Brabant, X-6, Henin-Hardenne, Chr., v., X-boten, nazi's, Oost-Vlaanderen, nr., z'n, X-10, kabinet-Van, Parijs-Roubaix, St., West-Vlaanderen, minister-president, programma's, Lee's, Nazi-Duitsland, Waals-Brabant, dr., luitenant-generaal, Saoedi-Arabië, X-boot, kabinet-Kok, mr., CD-titel, e., Nederlands-Indië, Nieuw-Guinea, Oostenrijk-Este, don't, foto's, v.Chr., Che's

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

• This corpus contains 73 lemmas tagged as determiners (DET): +11,77, +46,29, +52,93, +64,68, 1,5x1,5x1,5, 1/2, 1/4, 1/8, 26%, 3×, 700+500-1000=200, al, allerlei, anderhalf, beide, bijna, circa, dat, datzelfde, de, deze, dezelfde, die, diezelfde, dit, een, eenzelfde, elk, enig, enkel, ettelijk, geen, genoeg, haast, helemaal, het, hetzelfde, hoeveel, ieder, iemand, maar, meerdere, menig, min, minstens, nagenoeg, net, niet, nog, nogal, ongeveer, onvoldoende, slechts, sommig, steeds, te, teveel, tweederde, tweemaal, veel, voldoende, vrijwel, wat, weinig, wel, welk, wie, x, zeer, zelfs, 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, enig, enkel, geen, het, ieder, iemand, meerdere, sommig, teveel, 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, werd, wordt, zijn, werden, waren, zou, had, heeft
  • VERB: kwam, werd, had, heeft, was, zie, ging, is, komt, kreeg

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

• Part
  • AUX: geweest, zijnde, gehad, gekregen
  • VERB: genoemd, volgende, gemaakt, gebruikt, gezien, gehouden, opgericht, geworden, geboren, genomen

Nominal Features

• Gender

• Com
  • NOUN: oorlog, tijd, eeuw, stad, partij, koning, naam, plaats, film, regering
  • PROPN: juni, september, mei, oktober, Ron, augustus, maart, Prince, november, juli

• Com,Neut
  • NOUN: soort, boord, opzet, katoen, mout, sorghum, proviand, aspirinetablet, falsetto, krijtpoeder
  • PROPN: Spirit, Vivant, Parijs-Roubaix, IGE, Osram, SEM, Euronext, SPIRIT, Barbarossa, Dexia

• Neut
  • NOUN: jaar, deel, aantal, land, leger, begin, gebied, album, werk, eind
  • PROPN: België, Brussel, Duitsland, Frankrijk, Vlaanderen, Antwerpen, Nederland, Europa, Israël, Wolder

• Number

• Plur
  • AUX-Fin: zijn, werden, waren, worden, hadden, kunnen, zouden, hebben, konden, moesten
  • NOUN: jaren, mensen, landen, troepen, partijen, leden, verkiezingen, inwoners, tanks, gemeenten
  • PROPN: Duitsers, Britten, Fransen, VS, Belgen, Amerikanen, Nederlanden, V.S., Engelsen, Arabieren
  • VERB-Fin: zijn, hadden, kwamen, hebben, waren, komen, gingen, gaan, werden, kregen

• Sing
  • AUX-Fin: is, was, werd, wordt, zou, had, heeft, kon, kan, moest
  • NOUN: jaar, oorlog, tijd, eeuw, stad, partij, deel, koning, naam, aantal
  • PROPN: België, Brussel, Duitsland, juni, Frankrijk, Vlaanderen, Antwerpen, september, mei, oktober
  • VERB-Fin: kwam, werd, had, heeft, was, zie, ging, is, komt, kreeg

• Case

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

• Dat
  • PRON: dezen, dien, zijner

• Gen
  • PRON: Mijns, onzer

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

• Definite

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

• Ind
  • DET: een, en

Degree and Polarity

• Degree

• Cmp
  • ADJ: later, verder, eerder, beter, latere, groter, vroeger, langer, vroegere, verdere

• Pos
  • ADJ: andere, grote, nieuwe, Duitse, Vlaamse, belgische, eigen, Franse, groot, verschillende

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

Verbal Features

• Tense

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

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

Pronouns, Determiners, Quantifiers

• PronType

• Dem
  • PRON: dit, deze, dat, die, er, zo'n, degene, degenen, diegenen, dezen

• Ind
  • PRON: meer, veel, enige, alles, iets, velen, weinig, minder, niets, ene

• Int
  • PRON: wat, welke, wie, welk, dewelke

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

• Rcp
  • PRON: elkaar, mekaar, elkander

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

• Poss

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

• Reflex

• Yes
  • PRON: zich, zichzelf, zicht

• Person

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

• 2
  • PRON: je, u, uw, jij, jullie, gij, jou, Jouw

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

Other Features

• Abbr
  • Yes
    • X: o.a., nl, ca., Chr., v., nr., v.Chr., nr, o.m., Ned

• Foreign
  • Yes
    • X: the, of, de, Star, Trek, Army, les, la, in, grand

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 (4897)
  • VERB-Fin--PRON (2151)
  • VERB-Fin--PRON-Nom (1599)
  • VERB-Inf--NOUN (542)
  • VERB-Inf--PRON (299)
  • VERB-Inf--PRON-Nom (280)
  • VERB-Part--NOUN (528)
  • VERB-Part--PRON (267)
  • VERB-Part--PRON-Nom (188)

• obj
  • VERB-Fin--NOUN (3938)
  • VERB-Fin--NOUN-ADP(aan) (1)
  • VERB-Fin--NOUN-ADP(van) (1)
  • VERB-Fin--PRON (392)
  • VERB-Fin--PRON-Acc (222)
  • VERB-Inf--NOUN (1834)
  • VERB-Inf--PRON (196)
  • VERB-Inf--PRON-Acc (167)
  • VERB-Inf--PRON-Nom (2)
  • VERB-Part--NOUN (459)
  • VERB-Part--PRON (86)
  • VERB-Part--PRON-Acc (14)

• iobj
  • VERB-Fin--NOUN (49)
  • VERB-Fin--PRON (3)
  • VERB-Fin--PRON-Acc (49)
  • VERB-Inf--NOUN (33)
  • VERB-Inf--PRON (2)
  • VERB-Inf--PRON-Acc (17)
  • VERB-Part--NOUN (22)
  • VERB-Part--PRON (5)
  • VERB-Part--PRON-ADP(aan) (1)
  • VERB-Part--PRON-Acc (26)
  • VERB-Part--PRON-Nom (1)

Reflexive Verbs

• This corpus contains 170 lemmas that occur at least once with an expl:pv child. Examples: bevinden zich, vestigen zich, voelen zich, over_geven zich, aan_sluiten zich, richten zich, ontwikkelen zich, af_spelen zich, herstellen zich, uit_strekken zich, op_stellen zich, verenigen zich, voor_doen zich, keren zich, maken zich, tonen zich, verzetten zich, bemoeien zich, verplaatsen zich, af_scheiden zich, kenmerken zich, nemen zich, ontpoppen zich, scharen zich, uit_spreken zich, verklaren zich, zien zich, bekeren zich, concentreren zich, manifesteren zich, melden zich, realiseren me, realiseren zich, voegen zich, voor_stellen zich, aan_melden zich, aan_passen zich, af_vragen zich, af_zonderen zich, beperken zich, gedragen zich, meester_maken zich, neer_leggen zich, onttrekken zich, stellen zich, storten zich, toe_leggen zich, wenden zich, aan_trekken zich, aaneen_sluiten zich

Verbs with Reflexive Core Objects

• This corpus contains 86 lemmas that occur at least once with a reflexive core object (obj or iobj). Examples: terug_trekken zich, houden zich, bezig_houden zich, noemen zich, laten zich, noemen zichzelf, in_schrijven zich, organiseren zich, uit_breiden zich, uit_roepen zich, handhaven zich, op_merken zich, positioneren zich, verdedigen zich, beschouwen zich, interesseren zich, onthouden zich, uit_roepen zichzelf, verzekeren zich, verzekeren zichzelf, zien zich, af_splitsen zich, banen zich, beschermen zich, beschermen zichzelf, beschrijven zichzelf, betonen zichzelf, bevrijden zich, brengen zich, brouilleren zich, centreren zich, compenseren zichzelf, consolideren zich, doen zich, dood_vechten zich, door_zetten zich, draaien zich, introduceren zich, kruisen zich, leggen zich, leren zichzelf, liggen zich, los_maken zich, los_werken zichzelf, maken zich, onder_dompelen zich, onderwerpen zich, op_geven zich, op_offeren zich, op_offeren zichzelf
• Out of those, 1 lemmas occurred more than once, but never without a reflexive dependent. Examples: bezig_houden

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

.