UD Vietnamese VTB
Language: Vietnamese (code: vi)
Family: Austro-Asiatic
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 2.15
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 – ADV – AUX – CCONJ – DET – INTJ – NOUN – NUM – PART – PRON – PROPN – PUNCT – SCONJ – SYM – VERB – X
Features
Relations
acl – acl:relcl – acl:subj – acl:tmod – acl:tonp – advcl – advcl:objective – advmod – advmod:adj – advmod:dir – advmod:neg – amod – appos – appos:nmod – aux – aux:pass – case – cc – ccomp – clf – clf:det – compound – compound:adj – compound:amod – compound:apr – compound:atov – compound:dir – compound:pron – compound:prt – compound:redup – compound:svc – compound:verbnoun – compound:vmod – compound:z – conj – cop – csubj – csubj:asubj – csubj:pass – csubj:vsubj – dep – det – det:pmod – discourse – dislocated – expl – fixed – flat – flat:date – flat:foreign – flat:name – flat:number – flat:redup – flat:time – iobj – list – mark – mark:pcomp – nmod – nmod:poss – nsubj – nsubj:nn – nsubj:pass – nsubj:xsubj – nummod – nummod:det – obj – obl – obl:about – obl:adj – obl:adv – obl:agent – obl:comp – obl:iobj – obl:tmod – obl:with – parataxis – punct – root – vocative – xcomp – xcomp:adj – xcomp:dir – xcomp:vcomp
Tokenization and Word Segmentation
- This corpus contains 3323 sentences and 58069 tokens.
- All tokens in this corpus are followed by a space.
- This corpus contains 4152 types of words with spaces. Examples: chúng tôi, gia đình, công ty, thám tử, có thể, điện thoại, không thể, hà nội, tất cả, vợ chồng, đầu tiên, cơ quan, tuy nhiên, tổ chức, câu chuyện, quyết định, kiểm tra, cuộc đời, khủng bố, xây dựng, giám đốc, một số, thông tin, thời gian, tiếp tục, theo dõi, điều tra, cuộc sống, muay thái, thủ phạm, bà con, cuối cùng, kế hoạch, anh em, bắt đầu, hàng xóm, khu vực, làm việc, phát hiện, trung tâm, bây giờ, cán bộ, công tác, thực hiện, đầu tư, dự án, nhà nước, đàn ông, đại học, bảo vệ
- This corpus contains 28 types of words that contain both letters and punctuation. Examples: tp., h., K., wai-kru, G., TP .HCM, 20-Dec, 20-Jun, 20-Mar, 3-Feb, 43H-016, 54N-7, 6-Jan, F., GD-ĐT, Lung-nan, M., N., TP.HCM, Th., Tr’ hy, bktt.vn, cà-rem, knock-out, p., q., q.1, www.anangquangnamfund.org
Morphology
Tags
- This corpus uses 17 UPOS tags out of 17 possible: ADJ, ADP, ADV, AUX, CCONJ, DET, INTJ, NOUN, NUM, PART, PRON, PROPN, PUNCT, SCONJ, SYM, VERB, X
- This corpus contains 57 word types tagged as particles (PART): Thì, Thật ra, chao, chính, chứ, cái, có, cơ mà, cả, dạ, gì, hà, hả, hết, hề, là, lắm, mà, mất, mấy, mỗi, ngay, nhá, nhé, nhất là, nhỉ, nào, này, nữa, quả, riêng, rùi, rồi, sao, thay, thiệt, thì có, thôi, thật, thế, trời, tận, tổ, tới, ui, vậy, à, đi, đâu, đây, đó, được, đấy, đến, ơi, ạ, Ấy
- This corpus contains 66 lemmas tagged as pronouns (PRON): ai, anh, bao, bao giờ, bao lâu, bao nhiêu, bà, bây giờ, bấy giờ, chúng, chúng mình, chúng nó, chúng ta, chúng tôi, cô ta, cả, giờ đây, gã, gì, hey, hiện nay, hùng, hắn, họ, kia, mày, mình, mô, nay, người ta, nhau, ni, nào, này, nó, nọ, phòng, rày, rứa, sao, ta, tao, thằng, thế, thế nào, thế này, toàn, tui, tôi, tại sao, tất cả, tớ, từng, tự, vầy, vậy, ông, ông ta, đâu, đâu đó, đây, đây đó, đích thân, đó, đấy, ấy
- This corpus contains 37 lemmas tagged as determiners (DET): bao, bao nhiêu, bấy nhiêu, chút, chút đỉnh, các, cả, hàng loạt, hầu hết, l, làng, muôn, muôn vàn, mấy, mọi, mỗi, một, một chút, một nửa, một số, một vài, nhiều, những, nửa, phần lớn, toàn, toàn bộ, toàn thể, tất cả, từng, vài, vài ba, vô khối, vô số, vô vàn, đa số, đôi
- Out of the above, 6 lemmas occurred sometimes as PRON and sometimes as DET: bao, bao nhiêu, cả, toàn, tất cả, từng
- This corpus contains 13 lemmas tagged as auxiliaries (AUX): bị, chưa thể, chắc chắn, có thể, có vẻ, cần, không thể, là, muốn, nên, phải, được, định
- Out of the above, 9 lemmas occurred sometimes as AUX and sometimes as VERB: bị, chắc chắn, có vẻ, cần, muốn, nên, phải, được, định
- This corpus does not use the VerbForm feature.
Nominal Features
Degree and Polarity
Verbal Features
Pronouns, Determiners, Quantifiers
Other Features
Syntax
Auxiliary Verbs and Copula
- This corpus uses 1 lemmas as copulas (cop). Examples: là.
- This corpus uses 12 lemmas as auxiliaries (aux). Examples: phải, muốn, có thể, được, cần, bị, nên, không thể, chưa thể, chắc chắn, có vẻ, định.
- This corpus uses 2 lemmas as passive auxiliaries (aux:pass). Examples: được, bị.
Core Arguments, Oblique Arguments and Adjuncts
Here we consider only relations between verbs (parent) and nouns or pronouns (child).
- nsubj
- VERB--NOUN (2180)
- VERB--NOUN-ADP(nếu) (1)
- VERB--NOUN-ADP(trong) (1)
- VERB--NOUN-ADP(từ) (1)
- VERB--NOUN-ADP(ở) (1)
- VERB--PRON (531)
- obj
- VERB--NOUN (3779)
- VERB--NOUN-ADP(cùng) (1)
- VERB--NOUN-ADP(của) (2)
- VERB--NOUN-ADP(tận) (1)
- VERB--NOUN-ADP(vào) (1)
- VERB--NOUN-ADP(về) (1)
- VERB--NOUN-ADP(với) (1)
- VERB--NOUN-ADP(đến) (2)
- VERB--NOUN-ADP(ở) (1)
- VERB--PRON (160)
- iobj
- VERB--NOUN (21)
- VERB--NOUN-ADP(cho) (1)
- VERB--NOUN-ADP(với) (1)
- VERB--PRON (3)
- VERB--PRON-ADP(cho) (1)
Relations Overview
- This corpus uses 50 relation subtypes: acl:relcl, acl:subj, acl:tmod, acl:tonp, advcl:objective, advmod:adj, advmod:dir, advmod:neg, appos:nmod, aux:pass, clf:det, compound:adj, compound:amod, compound:apr, compound:atov, compound:dir, compound:pron, compound:prt, compound:redup, compound:svc, compound:verbnoun, compound:vmod, compound:z, csubj:asubj, csubj:pass, csubj:vsubj, det:pmod, flat:date, flat:foreign, flat:name, flat:number, flat:redup, flat:time, mark:pcomp, nmod:poss, nsubj:nn, nsubj:pass, nsubj:xsubj, nummod:det, obl:about, obl:adj, obl:adv, obl:agent, obl:comp, obl:iobj, obl:tmod, obl:with, xcomp:adj, xcomp:dir, xcomp:vcomp
- The following 3 relation types are not used in this corpus at all: orphan, goeswith, reparandum