UD Albanian STAF
Language: Albanian (code: sq)
Family: IE
This treebank has been part of Universal Dependencies since the UD v2.15 release.
The following people have contributed to making this treebank part of UD: Luigi Talamo, Edita Luftiu, Nelda Kote, Rozana Rushiti, Anila Cepani.
Repository: UD_Albanian-STAF
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.15
License: CC BY-SA 4.0
Genre: fiction
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 [luigi • talamo (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 | assigned by a program, with some manual corrections, but not a full manual verification |
| UPOS | annotated manually, natively in UD style |
| XPOS | not available |
| Features | assigned by a program, with some manual corrections, but not a full manual verification |
| Relations | annotated manually, natively in UD style |
Description
The UD-Albanian-STAF (Saarbruecken Treebank of Albanian Fiction) is a treebank of the Albanian language, comprising 202 randomly selected sentences from six fictional books published between 1963 and 2004.
The UD-Albanian-STAF treebank was initially automatically annotated using a Stanza model trained on unpublished Albanian treebanks, namely a seedbank treebank. Subsequently, the sentences in STAF were manually corrected by three Albanian native speakers. Finally, a review and further corrections were conducted.
Acknowledgments
Many thanks to Nelda Kote and her group for providing me with their unpublished Albanian treebank (Kote et al. 2024), which served as the seedbank treebank to boostrap STAF. Anila Cepani and Rozana Rushiti provided invaluable information on the Albanian language and helped training our student assistant, Edita Luftiu, who served as the main annotator.
References
- Luigi Talamo. Introducing STAF: the Saarbruecken Treebank of Albanian Fiction. Submitted.
- Nelda Kote, Rozana Rushiti, Anila Cepani, Alba Haveriku, Evis Trandafili, Elinda Kajo Mece, Elsa Skenderi Rakipllari, Lindita Xhanari, Albana Deda: Universal Dependencies Treebank for Standard Albanian: A new approach, Proceedings of the Sixth International Conference Computational Linguistics in Bulgaria, 9 – 10 September 2024, Sofia, Bulgaria, ISSN: 2367 5675.
Statistics of UD Albanian STAF
POS Tags
ADJ – ADP – ADV – AUX – CCONJ – DET – INTJ – NOUN – NUM – PART – PRON – PROPN – PUNCT – SCONJ – VERB
Features
AdvType – Aspect – Case – Definite – Degree – Gender – Mood – Number – NumType – Person – Polarity – Poss – PronType – Reflex – Tense – VerbForm – Voice
Relations
acl – acl:relcl – advcl – advmod – amod – appos – aux – case – cc – ccomp – compound – conj – cop – csubj – det – det:adj – det:poss – det:pron – discourse – fixed – flat – iobj – mark – nmod – nmod:poss – nsubj – nsubj:outer – nsubj:pass – nummod – obj – obl – obl:agent – obl:tmod – parataxis – punct – root – xcomp
Tokenization and Word Segmentation
- This corpus contains 200 sentences, 3499 tokens and 3563 syntactic words.
- This corpus contains 421 tokens (12%) that are not followed by a space.
- This corpus does not contain words with spaces.
- This corpus contains 4 types of words that contain both letters and punctuation. Examples: ç', s', ndalim-qarkullimit, t'
- This corpus contains 62 multi-word tokens. On average, one multi-word token consists of 2.03 syntactic words.
- There are 18 types of multi-word tokens. Examples: t'i, ia, ta, ma, m'u, t'u, iu, t'ia, ç'bëhet, S'ke, mu, s'jam, s'mora, s'më, t'ua, ç'arsye, ç'i, ç'nofkë.
Morphology
Tags
- This corpus uses 15 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PART, PRON, PROPN, PUNCT, SCONJ, VERB
- This corpus does not use the following tags: SYM, X
- This corpus contains 28 word types tagged as particles (PART): Ish, Le, U, a, deri, do, dot, duke, e, edhe, i, jo, mbase, me, mos, mund, më, nuk, pa, po, për, që, s', se, së, t', të, vetëm
- This corpus contains 71 lemmas tagged as pronouns (PRON): Asnjer, ai, aj, ajo, asgjë, asi, askush, askënd, asnjë, asnjër, aso, ata, ato, atë, cila, cili, disa, diç, diçka, e, gjithçka, gjithë, i, im, ime, ka, kaq, kjo, kujt, kush, ky, kënd, këta, këto, këtë, mi, mua, më, na, ndonjë, ne, njenë, njeri, njëri, pak, që, sa, saj, shumë, sime, ti, tij, timeti, tjerash, tjetr, tjetri, tjetër, tonë, tyre, të, tënd, tërë, u, unë, vet, vete, vetë, ç', çdo, çfarë, çka
- This corpus contains 9 lemmas tagged as determiners (DET): e, i, nja, nje, një, pak, së, të, ë
- Out of the above, 4 lemmas occurred sometimes as PRON and sometimes as DET: e, i, pak, të
- This corpus contains 4 lemmas tagged as auxiliaries (AUX): duhet, jam, kam, u
- Out of the above, 3 lemmas occurred sometimes as AUX and sometimes as VERB: duhet, jam, kam
- There are 1 (de)verbal forms:
- Part
- ADJ: hijerëndë, kureshtar, skuqur, vështirë
- VERB: bërë, filluar, thënë, mbyllur, ngjarë, hequr, marrë, përpjekur, vajtur, caktuar
Nominal Features
- Fem
- ADJ: bardhë, bukur, fundit, djathtë, parë, re, huaj, jashtëzakonshme, lodhun, majtë
- DET: e, të, së, i
- NOUN: ditë, sytë, Nëna, gjendjes, shtëpia, dorën, gjë, grua, herë, kohën
- PRON: e, kjo, i, ajo, ime, saj, kësaj, këto, sime, asaj
- PROPN: Shqipëri, Ervehenë, Linda, Marga, Margën, Margës, Shqipërisë, Vedat, shtunë
- Masc
- ADJ: sigurt, bardhë, bukur, huaj, parë, ri, çmendur, Madh, ardhshëm, arsyeshëm
- DET: të, i, e, së
- NOUN: gjenerali, shi, fillim, prifti, babai, fund, krahasim, njeri, njerëzit, njerëzve
- PRON: i, e, ai, ky, tij, atë, cilët, im, ata, këtë
- PROPN: Ernesti, Ernestit, Vedati, Berti, Dizit, Ernest, Hadi, Hadin, Linda, Lorin
- Plur
- ADJ: para, bardha, befta, devotshme, dinjitoze, dridhura, errëta, fshehura, fundit, fëmijësh
- AUX: kishin, kanë, ishin, janë, jemi, kam, keni, paskëshin
- DET: të, e, së
- NOUN: sytë, njerëz, njerëzit, njerëzve, ditë, ditët, përkujdesjet, rrethana, çaste, Bisedimet
- PRON: i, cilët, na, ata, këto, ato, ne, tjerë, tyre, Këta
- PROPN: Vedat
- VERB: gjejmë, dilnim, gjej, kalonin, prijnë, Dua, Kemi, Mbetemi, Mjafton, binden
- Sing
- ADJ: bardhë, bukur, fundit, parë, sigurt, djathtë, huaj, re, errët, gabuar
- AUX: ishte, është, kishte, ka, jam, isha, jesh, jetë, ketë, kisha
- DET: e, të, i, së
- NOUN: gjenerali, shi, Nëna, fillim, gjendjes, prifti, shtëpia, arsye, babai, borës
- PRON: e, i, më, unë, ai, kjo, tij, ky, ajo, atë
- PROPN: Ernesti, Ernestit, Shqipëri, Linda, Vedati, Berti, Dizit, Ernest, Ervehenë, Hadi
- VERB: di, tha, ka, ndodhesha, bëri, shfaq, bëhet, bën, dinte, kam
- Abl
- ADJ: fundit, jashtëzakonshme, mundshëm, okultë, porsaardhur
- DET: të, së
- NOUN: ditës, kohësh, dëshire, filtrash, gjendjes, gjeneralit, grash, humbjeje, humbjes, kafkës
- PRON: tyre, kësaj, meje, asaj, atyre, saj, tij, tim, tjerash, tjetrit
- Acc
- ADJ: bardhë, djathtë, fundit, gabuar, majtë, parë, alternative, botërore, dashtun, dinjitoze
- DET: të, e, i
- NOUN: sytë, ditë, fillim, arsye, dorën, fund, kohën, mend, mendjen, pyetjen
- PRON: e, i, më, atë, këtë, mua, tjetër, të, saj, tij
- PROPN: Shqipëri, Berti, Ervehenë, Hadin, Lorin, Margën, Tibet, Vajazan
- Dat
- DET: të
- NOUN: njerëzve, joshjeve, njeriu, ulërimës
- PRON: i, më, na, atij, gjitha, mua, ti, u
- PROPN: Ernestit
- Gen
- ADJ: bardhë, ardhshëm, arsyeshëm, automobilistike, dashtunës, errët, jashtëzakonshme, para, plotë, ri
- DET: të, së
- NOUN: borës, gjendjes, vetëdijes, merimangës, njerkës, shoqërisë, Gjumit, Sirenave, aeroportit, armëve
- PRON: sime, asaj, cilës, im, jonë, kujt, kësaj, saj, tij, tjetrit
- PROPN: Varrit, Dizit, Ernestit, Shqipërisë, Vedatit
- Nom
- ADJ: bukur, huaj, parë, sigurt, bardhë, fundit, papritur, qetë, re, Madh
- DET: e, i, të
- NOUN: gjenerali, Nëna, prifti, shtëpia, babai, njeri, shi, vjeshta, dermani, fillimi
- PRON: unë, ai, kjo, ky, ajo, cilët, im, tij, ata, ime
- PROPN: Ernesti, Linda, Vedati, Ernest, Hadi, Marga, Margës, Parku, Vedat, shtunë
- Def
- NOUN: gjenerali, sytë, Nëna, gjendjes, prifti, shtëpia, babai, dorën, kohën, mendjen
- PRON: tjerë, Ç', ka, mi, njena, sajin, tjerash, tjerëve
- PROPN: Ernesti, Ernestit, Linda, Vedati, Dizit, Ervehenë, Hadi, Hadin, Lorin, Marga
- Ind
- DET: një, Nja
- NOUN: ditë, shi, fillim, arsye, fund, gjë, grua, herë, krahasim, mend
- PRON: tjetër, më, Asnjeri
- PROPN: Shqipëri, Berti, Ernest, Vajazan
Degree and Polarity
- Pos
- ADJ: bardhë, bukur, fundit, parë, huaj, sigurt, djathtë, re, errët, gabuar
- Neg
- PART: nuk
Verbal Features
- Imp
- AUX: ishte
- VERB: kushtonte, mbanin, uli
- Ind
- AUX: ishte, është, kishte, ka, jam, kishin, kanë, isha, ishin, janë
- VERB: di, tha, ka, ndodhesha, bëri, shfaq, bëhet, bën, dinte, dua
- Sub
- AUX: jesh, jetë, ketë, kesh
- VERB: gjejmë, bezdisë, dëgjojmë, hajë, hynte, jetë, ketë, krijojë, merrem, mërzis
- Past
- AUX: ishte, kishte, kishin, isha, ishin, kam, kisha, Duhej, paskej, paskëshin
- VERB: tha, ndodhesha, bëri, shfaq, dinte, pinte, vinte, buzëqeshte, desha, dija
- Pres
- AUX: është, ka, jam, kanë, janë, jesh, jetë, ketë, Duhet, Ishte
- VERB: di, ka, bëhet, bën, dua, gjejmë, them, besoj, bie, duket
- Act
- AUX: ishte, është, kishte, ka, jam, kishin, kanë, isha, ishin, janë
- VERB: di, tha, ka, bëri, shfaq, dinte, dua, gjejmë, pinte, them
- Mid
- VERB: ndodhesha, bëhet, dukej, kujtua, çuditet, Duket, afrohet, bahet, bë, bëhej
- Pass
- VERB: damkosen, konsiderohen, mbahen, përfshihen, përjashtohen
Pronouns, Determiners, Quantifiers
- Art
- DET: e, të, i, së
- Dem
- PRON: kjo, ky, atë, këtë, kësaj, këto, ata, ato, ndonjë, Këta
- Emp
- PRON: vetë
- Ind
- PRON: asgjë, diçka, ndonjë, çdo, asnjë, askush, tjetër, tërë, gjithë, Asgja
- Int
- PRON: ç', Kush, çfarë, Kënd, sa, Çka, kujt
- Prs
- PRON: e, i, më, unë, ai, tij, ajo, im, na, mua
- Rel
- PRON: që, cilët, ç', cili, cilën, cilës
- Tot
- PRON: kaq, gjitha
- Card
- NUM: dy, gjashtë, katër, pesëdhjetë, shtatë, tetë, tre
- Yes
- PRON: tij, im, saj, ime, tim, sime, time, timeti, tyre, mia
- Yes
- PRON: veten, vetes, vetë
- 1
- AUX: jam, isha, kam, kisha, Duhej, jemi, ke, keni
- PRON: më, unë, im, na, mua, ime, tim, sime, e, ne
- VERB: ndodhesha, dua, gjejmë, kam, them, desha, dija, dilnim, gjej, hapa
- 2
- AUX: je
- PRON: ti, e, ty, të, tënd
- VERB: beso, ndihesh, shmangesh
- 3
- AUX: ishte, është, kishte, ka, kishin, kanë, ishin, janë, jesh, jetë
- PRON: e, i, ai, tij, ajo, saj, tyre, ata, të, atij
- VERB: di, tha, ka, bëri, shfaq, bëhet, bën, dinte, pinte, vinte
Other Features
- AdvType
- Cau
- ADV: Ndryshe
- Deg
- ADV: shumë, aq, sa, shpesh, aspak, pak, paku, përsëri, sado, tepër
- Loc
- ADV: ku, brenda, jashtë, Ja, aty, diku, këtu, natën, para, poshtë
- Man
- ADV: Pavarësisht, absolutisht, aktualisht, instinktivisht, jashtëzakonisht, kështu, këtu, mirë, parasysh, pas
- Tim
- ADV: gjithmonë, sot, ndoshta, pastaj, atëherë, ende, Bashkë, Kurrë, Kështu, Para
- Cau
Syntax
Auxiliary Verbs and Copula
- This corpus uses 1 lemmas as copulas (cop). Examples: jam.
- This corpus uses 4 lemmas as auxiliaries (aux). Examples: kam, u, jam, duhet.
Core Arguments, Oblique Arguments and Adjuncts
Here we consider only relations between verbs (parent) and nouns or pronouns (child).
- nsubj
- VERB--NOUN (2)
- VERB--NOUN-Acc (4)
- VERB--NOUN-Acc-ADP(në) (1)
- VERB--NOUN-Nom (78)
- VERB--PRON (20)
- VERB--PRON-Acc (1)
- VERB--PRON-Nom (42)
- VERB-Part--NOUN-Nom (6)
- VERB-Part--PRON (5)
- VERB-Part--PRON-Nom (8)
- obj
- VERB--NOUN (5)
- VERB--NOUN-Acc (74)
- VERB--NOUN-Nom (17)
- VERB--PRON (24)
- VERB--PRON-Acc (61)
- VERB--PRON-Dat (1)
- VERB--PRON-Nom (2)
- VERB-Part--NOUN-Acc (20)
- VERB-Part--NOUN-Nom (1)
- VERB-Part--PRON (2)
- VERB-Part--PRON-Acc (15)
- VERB-Part--PRON-Dat (1)
- VERB-Part--PRON-Nom (1)
- iobj
- VERB--NOUN-Abl (1)
- VERB--NOUN-Acc (1)
- VERB--NOUN-Dat (4)
- VERB--PRON (6)
- VERB--PRON-Acc (20)
- VERB--PRON-Dat (37)
- VERB--PRON-Nom (3)
- VERB-Part--NOUN-Acc (1)
- VERB-Part--PRON (1)
- VERB-Part--PRON-Acc (4)
- VERB-Part--PRON-Dat (8)
Verbs with Reflexive Core Objects
- This corpus contains 1 lemmas that occur at least once with a reflexive core object (obj or iobj). Examples: pyes veten
Relations Overview
- This corpus uses 9 relation subtypes: acl:relcl, det:adj, det:poss, det:pron, nmod:poss, nsubj:outer, nsubj:pass, obl:agent, obl:tmod
- The following 9 relation types are not used in this corpus at all: vocative, expl, dislocated, clf, list, orphan, goeswith, reparandum, dep