UD Vietnamese VTB
Language: Vietnamese (code: vi)
Family: Austro-Asiatic, Viet-Muong
This treebank has been part of Universal Dependencies since the UD v1.4 release.
The following people have contributed to making this treebank part of UD: Lương Nguyễn Thị, Linh Hà Mỹ, Phương Lê Hồng, Huyền Nguyễn Thị Minh.
Repository: UD_Vietnamese-VTB
Search this treebank on-line: PML-TQ
Download all treebanks: UD 2.2
License: CC BY-SA 4.0
Genre: news
Questions, comments? General annotation questions (either Vietnamese-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 [luongnt (æt) dlu • edu • vn, halinh • hus (æt) gmail • com, phuonglh (æt) gmail • com, ntmhuyen (æt) gmail • com]. 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
The Vietnamese UD treebank is a conversion of the constituent treebank created in the VLSP project (https://vlsp.hpda.vn/).
Acknowledgments
Statistics of UD Vietnamese VTB
POS Tags
ADJ – ADP – AUX – CCONJ – DET – INTJ – NOUN – NUM – PART – PROPN – PUNCT – SCONJ – VERB – X
Features
Relations
advcl – advmod – amod – appos – aux – aux:pass – case – cc – ccomp – compound – conj – cop – csubj – dep – det – discourse – iobj – list – mark – nmod – nsubj – nummod – obj – obl – parataxis – punct – root – vocative – xcomp
Tokenization and Word Segmentation
- This corpus contains 3000 sentences and 43754 tokens.
- This corpus contains 6068 tokens (14%) that are not followed by a space.
- This corpus contains 3346 types of words with spaces. Examples: thám tử, chúng tôi, công ty, gia đình, điện thoại, có thể, không thể, hà nội, câu chuyện, cơ quan, khủng bố, tất cả, theo dõi, đầu tiên, thủ phạm, giám đốc, kế hoạch, quan hệ, cuộc đời, quyết định, điều tra, địa đạo, tiếp tục, vợ chồng, Tuy nhiên, bà con, thời gian, hàng xóm, làm việc, như vậy, đại học, nhà nước, phát hiện, thực hiện, vấn đề, địa chỉ, cuối cùng, cuộc sống, cán bộ, da cam, khai thác, một số, xây dựng, chiến tranh, nước ngoài, anh em, anh hùng, du kích, thông tin, thành phố
- This corpus contains 13 types of words that contain both letters and punctuation. Examples: H., TP .HCM, 4-Jan, 43H-016, 54N-7, Aug-16, NP-DOB, TP., TP. HCM, TP.HCM, khoailangbahao. com. vn, khoailangbahao.com, q.1
Morphology
Tags
- This corpus uses 14 UPOS tags out of 17 possible: ADJ, ADP, AUX, CCONJ, DET, INTJ, NOUN, NUM, PART, PROPN, PUNCT, SCONJ, VERB, X
- This corpus does not use the following tags: PRON, ADV, SYM
- This corpus contains 51 word types tagged as particles (PART): Thì, chao, cho, chán, chính, chứ, cái, có, có vẻ, cơ mà, cả, dạ, gì, hả, hết, hề, là, lắm, mà, ngay, nhá, nhé, nhỉ, nào, này, nè, nữa, quả, riêng, rồi, sao, thay, thiệt, thôi, thật, thế, trời, tổ, tới, ui, vậy, à, đi, đâu, đây, đó, được, đấy, đến, ạ, Ấy
- This corpus contains 0 lemmas tagged as pronouns (PRON):
- This corpus contains 26 lemmas tagged as determiners (DET): Bấy nhiêu, L, chút, các, hầu hết, mấy, mọi, mỗi, một chút, một nửa, một số, một vài, một ít, những, nửa, phần lớn, toàn, toàn bộ, toàn thể, tất cả, vài, vài ba, vô số, vô vàn, đa số, đôi
- This corpus contains 1 lemmas tagged as auxiliaries (AUX): là
- Out of the above, 1 lemmas occurred sometimes as AUX and sometimes as VERB: là
- This corpus does not use the VerbForm feature.
Nominal Features
Degree and Polarity
- Neg
- ADJ: không thể
- X: không, không thể, chẳng
Verbal Features
Pronouns, Determiners, Quantifiers
- Card
- NUM: một, hai, ba, mỗi, 2, 10, năm, 20, 5, bốn
Other Features
Syntax
Auxiliary Verbs and Copula
- This corpus uses 1 lemmas as copulas (cop). Examples: là.
- This corpus uses 4 lemmas as auxiliaries (aux). Examples: phải, có thể, Có lẽ, được.
- This corpus uses 46 lemmas as passive auxiliaries (aux:pass). Examples: được, bị, theo dõi, giao, ,, biết, bán, cháy, coi, coi thường, cụt, dựng, gì, gìn giữ, hội chứng, khai thác, khinh thường, khủng bố, liệt, làm sao, mai một, nhiễm, nhân, nâng niu, phong tỏa, phép, qui hoạch, rao, sạt lở, teo, thao tác, thiết kế, tháng, thôi, thông, truy lùng, trả, trở, tấn công, xúc động, áp giải, đi, đày, đánh, đánh giá, đưa.
Core Arguments, Oblique Arguments and Adjuncts
Here we consider only relations between verbs (parent) and nouns or pronouns (child).
- nsubj
- VERB--NOUN (2533)
- VERB--NOUN-ADP(bởi) (1)
- VERB--NOUN-ADP(trong) (2)
- VERB--NOUN-ADP(tại) (1)
- obj
- VERB--NOUN (3407)
- VERB--NOUN-ADP(của) (2)
- VERB--NOUN-ADP(vì) (1)
- VERB--NOUN-ADP(để) (3)
- VERB--NOUN-ADP(đối với) (1)
- iobj
- VERB--NOUN (1)
- VERB--NOUN-ADP(cho) (8)
Relations Overview
- This corpus uses 1 relation subtypes: aux:pass
- The following 9 relation types are not used in this corpus at all: expl, dislocated, acl, clf, fixed, flat, orphan, goeswith, reparandum