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 2.2

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 (XQuery) conversion script is available for download at https://github.com/gossebouma/lassy2ud. 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 – PronType – Reflex – Tense – VerbForm

Relations

acl – acl:relcl – advcl – advmod – amod – appos – aux – aux:pass – case – cc – 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 13704 tokens (14%) 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., B​r​u​s​s​e​l​-​H​a​l​l​e​-​V​i​l​v​o​o​r​d​e, Nieuw-Vlaamse, Pandy's, Saksen-Coburg-Gotha, V​l​a​a​m​s​-​n​a​t​i​o​n​a​l​i​s​t​i​s​c​h​e, links-liberale, kabinet-Balkenende, vice-premier, 's, F.C., Jean-Marie, Vandersteen's, Vlaams-Nationaal, kabinet-Den, rooms-katholieke, thema's, C​h​r​i​s​t​e​n​-​D​e​m​o​c​r​a​t​i​s​c​h, 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 57 lemmas tagged as pronouns (PRON): al, alles, beide, dat, degene, deze, die, dit, elk, elkaar, enig, enkel, geen, haar, hem, hemzelf, hen, het, hetgeen, hetwelk, hij, hun, ieder, iedereen, iemand, iets, ik, je, jij, me, meer, mekaar, men, mij, mijn, minder, niemand, niets, ons, sommig, teveel, u, uw, veel, wat, we, weinig, welk, wie, wij, ze, zich, zichzelf, zij, zijn, zijzelf, zo'n

• This corpus contains 26 lemmas tagged as determiners (DET): 't, al, beide, dat, de, der, deze, die, dit, een, elk, enig, enkel, geen, het, ieder, meerdere, menig, sommig, veel, wat, weinig, welk, wie, zo'n, zulk

• Out of the above, 19 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, zo'n

• This corpus contains 12 lemmas tagged as auxiliaries (AUX): blijken, blijven, hebben, heten, hoeven, kunnen, lijken, moeten, mogen, worden, zijn, zullen

• Out of the above, 8 lemmas occurred sometimes as AUX and sometimes as VERB: blijken, blijven, hebben, kunnen, lijken, moeten, worden, zijn

• There are 3 (de)verbal forms:

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

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

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

Nominal Features

• Gender

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

• Com,Neut
  • NOUN: keer, soort, mout, Salon, katoen, sorghum, tin, wort
  • PROPN: Spirit, Vivant, Euronext, Giroux, Dexia, Fortis, Mobistar, Philips, Prego, 4FM

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

• Number

• Plur
  • AUX-Fin: zijn, werden, worden, waren, 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, Ardennen, Brusselaars, Middeleeuwen
  • 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, regering, koning, finale, deel, provincie
  • PROPN: België, Brussel, Antwerpen, Vlaanderen, Hasselt, Nederland, Bel, juni, oktober, Vandersteen
  • VERB-Fin: zie, heeft, kwam, is, komt, telt, staat, was, wint, had

• Case

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

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

• Definite

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

• Ind
  • DET: een

Degree and Polarity

• Degree

• Cmp
  • ADJ: later, verder, beter, hogere, vroegere, jongeren, latere, oudere, verdere, groter

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

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

Verbal Features

• Tense

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

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

Pronouns, Determiners, Quantifiers

• PronType

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

• Ind
  • PRON: meer, vele, veel, meeste, enige, minder, meest, alle, weinig, alles

• 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

• Reflex

• Yes
  • PRON: zich, zichzelf

• Person

• 1
  • PRON: ik, ons, mijn, 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: o.a., o.m., dd, enz., Co, Dir, Gew, N.B., OLV, a.k.a

• Foreign
  • Yes
    • X: de, la, les, the, Vive, of, art, cordon, des, design

Syntax

Auxiliary Verbs and Copula

• This corpus uses 6 lemmas as copulas (cop). Examples: zijn, worden, blijven, heten, blijken, lijken.

• This corpus uses 8 lemmas as auxiliaries (aux). Examples: hebben, zijn, kunnen, zullen, moeten, mogen, blijken, hoeven.
• 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 (1316)
  • VERB-Fin--PRON (624)
  • VERB-Fin--PRON-Nom (397)
  • VERB-Inf--NOUN (98)
  • VERB-Inf--PRON (56)
  • VERB-Inf--PRON-Nom (55)
  • VERB-Part--NOUN (105)
  • VERB-Part--PRON (52)
  • VERB-Part--PRON-Nom (32)

• obj
  • VERB-Fin--NOUN (1165)
  • VERB-Fin--PRON (85)
  • VERB-Fin--PRON-Acc (50)
  • VERB-Inf--NOUN (358)
  • VERB-Inf--PRON (26)
  • VERB-Inf--PRON-Acc (43)
  • VERB-Inf--PRON-Nom (1)
  • VERB-Part--NOUN (73)
  • 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 (4)
  • 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, sluiten zich, voelen zich, herstellen zich, bekeren zich, kenmerken zich, scharen zich, verklaren zich, afspelen zich, engageren zich, geven zich, manifesteren zich, nemen zich, ontpoppen zich, profileren zich, spelen zich, toeleggen zich, tonen zich, vertalen zich, verzetten zich, voltrekken zich, aaneensluiten zich, afscheiden zich, afvragen zich, begeven zich, bemoeien zich, beperken zich, bezoedelen zich, binden zich, blesseren zich, doen zich, emanciperen zich, focussen zich, formeren zich, hebben zich, herinneren zich, herpakken zich, ingraven zich, inspannen zich, leggen zich, maken zich, melden zich, onderscheiden zich, onderwerpen mij, ontplooien zich, ontwikkelen zich, ophouden zich, opvallen zich

Verbs with Reflexive Core Objects

• This corpus contains 31 lemmas that occur at least once with a reflexive core object (obj or iobj). Examples: trekken zich, bezighouden zich, houden zich, noemen zich, noemen zichzelf, opmerken zich, organiseren zich, positioneren zich, inschrijven zich, laten zich, onthouden zich, terugtrekken zich, bevrijden zich, breiden zich, doen zich, dompelen zich, interesseren zich, kruisen zich, maken zich, opofferen zich, profileren zich, respecteren zichzelf, spelen zichzelf, splitsen zich, steunen zich, uitroepen zich, verdelen zich, verzorgen zich, voorstellen zichzelf, werken zich, zetten zich
• Out of those, 2 lemmas occurred more than once, but never without a reflexive dependent. Examples: bezighouden, opmerken

Relations Overview

• This corpus uses 7 relation subtypes: acl:relcl, aux:pass, 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

© 2014–2017 Universal Dependencies contributors. Site powered by Annodoc and brat

.