La procedura di Tagging grammaticale confronta una lista/tabella della sessione (tipicamente il Vocabolario) con il dizionario predefinito di TaLTaC² (DIZTALTAC), costituito da circa 74.000 lemmi, pari a oltre 530.000 forme flesse. Tramite questo confronto è possibile etichettare grammaticalmente le forme grafiche presenti nella lista considerata.

A causa dell'ambiguità grammaticale di alcune forme il Tagging non è in grado di effettuare un riconoscimento completo delle forme del Corpus, limitandosi ad attribuire alle forme non ambigue la categoria, il lemma e tutte le caratteristiche morfologiche. Le forme ambigue dovranno essere disambiguate, manualmente, dall'utente (per le modalità si veda oltre).

Per lanciare la procedura di Tagging seguire il percorso Analisi\Analisi Lessicale\Tagging\Grammaticale oppure premere il bottone nella barra delle applicazioni.

Si aprirà la seguente maschera

ATTENZIONE: se si cerca di lanciare la procedura di tagging su una tabella precedentemente etichettata grammaticalmente la stessa maschera avvisa l’utente che il risultato precedente andrà perduto.

In primo luogo occorre scegliere la Lista su cui effettuare il tagging grammaticale utilizzando l'apposita casella. A seguire bisogna indicare la colonna che contiene le forme da etichettare attraverso la casella Campo forma grafica.

La procedura di tagging grammaticale si avvale quindi di due fasi: di base e su criteri morfologici.

Con il Tagging di base vengono etichettate tutte le forme grafiche della lista che, ad un confronto con il DIZTALTAC, risultano conosciute. Le forme sconosciute dopo il tagging di base (quindi assenti in DIZTALTAC) vengono sottoposte ad una serie di analisi, basate su alcuni criteri morfologici, che permettono di etichettarle grammaticalmente se riconducibili a parole conosciute.

Per eseguire correttamente il tagging di base è necessario che l’utente decida quali categorie grammaticali vuole inserire in analisi.

I codici tra parentesi vengono utilizzati dal programma per etichettare le parole. Essi sono omogenei a quelli utilizzati dal software INTEX e dai lessici di frequenza.

Per default, le categorie sono tutte attive ma, per specifiche esigenze di analisi, è possibile deselezionarne alcune. Bisogna considerare che, in questo caso, le informazioni grammaticali saranno parziali, ossia relative ai soli sub-dizionari selezionati. Pertanto, non si potrà considerare attendibile il numero di forme ambigue riscontrato nel corpus.

Ad esempio, se si deseleziona il dizionario dei sostantivi, alla forma <stato>, che può essere sia sostantivo sia verbo, verrà attribuita unicamente la categoria V (verbo), invece del codice J che viene utilizzato da TaLTaC² per marcare le forme ambigue. Se invece la forma è sconosciuta il campo della categoria rimarrà vuoto.

ATTENZIONE: Deselezionare alcuni dizionari deve rispondere a specifiche esigenze di analisi. Ad esempio, la selezione di una sola categoria può interessare per conoscere tutte le forme che sono almeno “avverbi” oppure almeno “sostantivi” ecc. Questa informazione si potrebbe comunque ottenere anche attraverso opportune analisi del campo CAT_AC della tabella etichettata, che elenca tutte le categorie possibili di una forma ambigua.

Oltre al tagging di base l'utente può selezionare le fasi di tagging basate su criteri morfologici e riportate sulla destra della finestra. Ciascuna fase permette il riconoscimento di alcune particolari categorie di forme grafiche. Queste fasi, costituite da più di 1000 criteri, lavorano esclusivamente sulle forme grafiche che risultano ancora sconosciute dopo il tagging di base ed hanno lo scopo di accrescere il tasso di riconoscimento del tagging grammaticale.

Tali fasi sono:

·     Numeri in lettere: permette di riconoscere i numeri scritti a lettere (diciotto, millenovecentosettantacinque, duemilionicentomila ecc.) e di etichettarli attribuendo loro la categoria NUM;

·     Enclitiche verbali: permette il riconoscimento delle forme verbali con enclitiche (per lo più particelle pronominali: mangiarlo, dammelo, prendilo, ecc.) che nella lingua italiana sono molto diffuse. Questa fase di tagging permette di aumentare notevolmente il tasso di riconoscimento delle forme verbali;

·     Derivati e Alterati (Suffissi): permette di individuare i derivati nominali, aggettivali e verbali (gorbacioviano, azionismo, buonista, cacciabile, tortuosità, cablatura, sovvertimento) e le alterazioni di sostantivi e aggettivi, come ad esempio (casaccia, casuccia, casona, casina, ecc.).

·     Lo step di analisi dei prefissi permette il riconoscimento delle forme grafiche costituite da un prefisso e da una radice (microbomba, antibomba, dopobomba, ecc.). Poiché la procedura di individuazione delle forme derivate dai prefissi è molto costosa in termini di tempo è possibile decidere di procedere al riconoscimento dei soli prefissi più comuni (500, sola opzione Forme con Prefissi più comuni) od eventualmente estenderla ad un insieme più ampio (altri 1000, con l'opzione Forme con altri Prefissi).

·     Infine vi è uno step automatico, condizionato alla fase di individuazione dei prefissi e suffissi, che consente di riconoscere dei costrutti più complessi come quelli formati da pref+base+suff (es. neo-colonial-ismo; de-territorial-izzazione; stra-fregando-sene), con possibilità di verificare determinate formazioni come derivati compatibili da nomi presenti nel file di normalizzazione (ex-cossig-hiano; anti-fanfan-iano; pre-raffael-ismo; post-reagan-iano; tele-kabul-ista), oltre che da parole presenti in DIZTALTAC.

NOTA: Se il tagging di base è stato già effettuato e si desidera effettuare solo il tagging su criteri morfologici (abbreviando i tempi di esecuzione), deselezionare l’opzione Tagging di base. In questo caso il nuovo tagging andrà a riscrivere soltanto nei campi vuoti individuati dalle query morfologiche.

ATTENZIONE: se si attiva questa opzione senza aver effettuato precedentemente il Tagging di base i risultati non sono attendibili (es. ‘ordinale’ verrebbe classificato come enclitica verbale -"ordina a lei"- e non come aggettivo. D'altronde questa enclitica verbale sarebbe, a sua volta, mal classificata, in quanto passerebbe nel Tagging di base come aggettivo; questo è un problema generale della lingua italiana, ossia l'ambiguità nel riconoscimento automatico della scrittura in assenza di accenti interni alla parola (vedi pésca e pèsca, càpita e capìta ecc.).

La procedura genera come output nel DB di Sessione la lista etichettata <NomeLista (con TAG grammaticale)> che contiene per ogni forma, nell'ordine;

·     la categoria grammaticale di appartenenza (campo CAT); se la forma è ambigua nel campo della categoria grammaticale compare il codice J;

·     l'elenco di tutte le categorie possibili di una forma ambigua (campo CAT_AC);

·     le informazioni sulle caratteristiche morfematiche (campo Imprinting). Questa informazione può rivelarsi assai utile per ricerche sulla varietà linguistica di alcune modalità (persona, tempo, genere, numero) e/o per studi di carattere lessicale sull'incidenza nel corpus di determinate classi di parole;

·     il lemma corrispondente; se la forma è ambigua nel campo lemma viene riportata immutata la forma grafica;

·     il numero di entrate nel lemmario. Nel lemmario, se una forma è ambigua è presente tante volte quante sono le categorie grammaticali a cui appartiene. Per visualizzare le informazioni contenute nel lemmario cliccare con il tasto destro del mouse su una qualsiasi delle forme ambigue (ATTENZIONE: la funzionalità del tasto destro è attiva solo per la tabella Vocabolario).

E' possibile disambiguare una forma (dopo aver condotto, per esempio, l' analisi delle concordanze) scorrendo le entrate del lemmario e associando alla forma una delle categoria grammaticali presenti. Basterà cliccare sulla categoria scelta.

La disambiguazione modifica le entrate delle voci CAT (da J alla categoria scelta), CAT_AC (ora verrà indicata la sola categoria scelta), Lemma (il lemma corrispondente), Lemmario (ora indica che una scelta è stata fatta rispetto ad un numero n di alternative) e Informazioni aggiuntive.

NOTA: E' possibile visualizzare la categoria grammaticale di una forma (da campo CAT) anche nella lettura full text del Corpus possibile tramite il modulo Esplora il Corpus. Basterà posizionarsi con il mouse sulla forma (all'interno del tab Testo) e attendere qualche istante.

NOTA: La categoria grammaticale da tagging consente di effettuare l'analisi delle concordanze per categoria.

NOTA: Due casi particolari:

1.   nel caso di una forma grafica ambigua (J), il campo lemma può presentare una forma canonica se l'ambiguità è dovuta a due lemmi omografi (essere_N, essere_V);

2.   nel caso di una forma grafica non ambigua (ad es.: V), il campo lemma riporta la forma grafica. Infatti "capita" può derivare da due verbi (capire o capitare), quindi la categoria grammaticale non è ambigua, ma comunque corrisponde a due entrate: in questo caso la fusione sui lemmi produce anche qualche forma canonica non all'infinito).