/
stats.xml
121 lines (121 loc) · 8.63 KB
/
stats.xml
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
<?xml version="1.0" encoding="UTF-8"?>
<treebank>
<!-- tokens means "surface tokens", e.g. Spanish "vámonos" counts as one token
words means "syntactic words", e.g. Spanish "vámonos" is split to two words, "vamos" and "nos"
fused is the number of tokens that are split to two or more syntactic words
The words and fused elements can be omitted if no token is split to smaller syntactic words. -->
<size>
<total><sentences>5598</sentences><tokens>119830</tokens><words>122019</words><fused>2187</fused></total>
<train><sentences>4482</sentences><tokens>95866</tokens><words>97602</words><fused>1734</fused></train>
<dev><sentences>559</sentences><tokens>12423</tokens><words>12661</words><fused>238</fused></dev>
<test><sentences>557</sentences><tokens>11541</tokens><words>11756</words><fused>215</fused></test>
</size>
<lemmas unique="16415" /><!-- ,, ., yang, dan, di, dia, pada, ini, dari, dengan, ), (, adalah, untuk, dalam -->
<forms unique="19458" /><!-- ,, ., yang, dan, di, nya, pada, ini, dengan, dari, ), (, adalah, untuk, dalam -->
<fusions unique="1022" /><!-- apakah, ayahnya, dirinya, namanya, siapakah, akankah, penduduknya, anaknya, antaranya, keduanya, utamanya, artinya, pertamanya, ataupun, ibunya -->
<!-- Statistics of universal POS tags. The comments show the most frequent lemmas. -->
<tags unique="17">
<tag name="ADJ">4801</tag><!-- salah, pertama, besar, lain, baik, baru, lainnya, utama, kedua, sama -->
<tag name="ADP">11370</tag><!-- di, pada, dari, dengan, dalam, oleh, sebagai, untuk, ke, seperti -->
<tag name="ADV">3528</tag><!-- juga, lebih, kemudian, hanya, bagaimana, masih, apa, sangat, banyak, pernah -->
<tag name="AUX">2255</tag><!-- adalah, akan, dapat, telah, bisa, harus, sudah, ialah, mampu, mungkin -->
<tag name="CCONJ">3587</tag><!-- dan, atau, tetapi, serta, namun, maupun, baik, lain, sama, sedangkan -->
<tag name="DET">3670</tag><!-- ini, itu, buah, tersebut, nya, orang, beberapa, para, berbagai, suatu -->
<tag name="INTJ">5</tag><!-- hai, oh, sayang, silakan, wah -->
<tag name="NOUN">26431</tag><!-- tahun, orang, desa, nama, kota, bagi, bahasa, perintah, wilayah, saat -->
<tag name="NUM">4267</tag><!-- satu, dua, 1, 2, 3, tiga, 5, kedua, 2010, 4 -->
<tag name="PART">1025</tag><!-- tidak, kah, lah, pun, bukan, tak, belum, jangan, ya, tiada -->
<tag name="PRON">6417</tag><!-- yang, dia, mereka, apa, aku, diri, kamu, kita, siapa, mana -->
<tag name="PROPN">22422</tag><!-- indonesia, kabupaten, kecamatan, jawa, provinsi, amerika, timur, barat, the, jepang -->
<tag name="PUNCT">17407</tag><!-- ,, ., ), (, -, ", ?, :, ', / -->
<tag name="SCONJ">2077</tag><!-- untuk, bahwa, dengan, karena, ketika, sehingga, maka, jika, setelah, sementara -->
<tag name="SYM">153</tag><!-- %, =, °, #, +, $, ', ′, €, //www.anayasa.gen.tr/1961constitution-text.pdf -->
<tag name="VERB">12471</tag><!-- jadi, ada, merupakan, milik, guna, dapat, kenal, mulai, buat, diri -->
<tag name="X">133</tag><!-- _, and, image, in, kok, loh, x, assistent, b, resident -->
</tags>
<!-- Statistics of features and values. The comments show the most frequent word forms. -->
<feats unique="31">
<feat name="Abbr" value="Yes" upos="ADV,DET,NOUN,PART,PRON,PROPN">16</feat><!-- kan, yg, Dk, Dsn, Gimana, RT, RUU, RW, dkk, tsb -->
<feat name="Clusivity" value="Ex" upos="PRON">27</feat><!-- kami -->
<feat name="Clusivity" value="In" upos="PRON">66</feat><!-- kita -->
<feat name="Definite" value="Def" upos="DET">255</feat><!-- nya, sang, si, yang -->
<feat name="Definite" value="Ind" upos="DET">666</feat><!-- sebuah, seorang, suatu, seekor, Sauatu, sepucuk -->
<feat name="Degree" value="Sup" upos="ADJ">215</feat><!-- terbesar, terbaik, terakhir, terkenal, tertinggi, terdekat, tertua, teratas, terbanyak, terbaru -->
<feat name="Foreign" value="Yes" upos="X">89</feat><!-- and, Image, in, kok, loh, x, assistent, b, resident, s -->
<feat name="Mood" value="Imp" upos="VERB">3</feat><!-- Amankan, Ijinkan, Sukseskan -->
<feat name="Mood" value="Ind" upos="VERB">10752</feat><!-- menjadi, memiliki, terletak, digunakan, berada, menggunakan, dikenal, terjadi, membuat, disebut -->
<feat name="Number" value="Plur" upos="DET,NOUN,PRON">1605</feat><!-- mereka, beberapa, para, berbagai, kita, banyak, orang-orang, kami, anak-anak, sejumlah -->
<feat name="Number" value="Sing" upos="DET,NOUN,PRON">22902</feat><!-- nya, tahun, ia, orang, desa, nama, kota, bagian, bahasa, dia -->
<feat name="NumType" value="Card" upos="NUM">4267</feat><!-- satu, dua, 1, 2, 3, tiga, 5, kedua, 2010, 4 -->
<feat name="NumType" value="Ord" upos="ADJ">395</feat><!-- pertama, kedua, ketiga, keempat, ke-13, ke-11, ke-18, ke-19, ke-20, ke-4 -->
<feat name="Person" value="1" upos="PRON">198</feat><!-- kita, ku, aku, kami, saya -->
<feat name="Person" value="2" upos="PRON">148</feat><!-- kamu, mu, engkau, anda, kalian, kau, beta -->
<feat name="Person" value="3" upos="PRON">2473</feat><!-- nya, ia, mereka, dia, beliau -->
<feat name="Polarity" value="Neg" upos="PART">580</feat><!-- tidak, bukan, tak, belum, jangan, kan, tiada -->
<feat name="Polite" value="Form" upos="PRON">53</feat><!-- beliau, saya, anda, Aku -->
<feat name="Polite" value="Infm" upos="PRON">217</feat><!-- ku, kamu, mu, aku, engkau, kalian, kau -->
<feat name="PronType" value="Art" upos="DET">921</feat><!-- sebuah, nya, seorang, suatu, sang, si, seekor, yang, Sauatu, sepucuk -->
<feat name="PronType" value="Dem" upos="ADV,DET,PRON">2030</feat><!-- ini, itu, tersebut, mana, demikian, begitu, tertentu, sini, berikut, sana -->
<feat name="PronType" value="Emp" upos="DET">51</feat><!-- sendiri -->
<feat name="PronType" value="Ind" upos="ADV,DET,PRON">703</feat><!-- beberapa, para, banyak, berbagai, sebagian, sejumlah, seseorang, sesuatu, kebanyakan, serangkaian -->
<feat name="PronType" value="Int" upos="ADV,PRON">504</feat><!-- apa, bagaimana, siapa, mengapa, kenapa, dimana, mana, kapan, berapa, Kemana -->
<feat name="PronType" value="Prs" upos="PRON">2904</feat><!-- nya, ia, mereka, dia, diri, kita, ku, kamu, aku, mu -->
<feat name="PronType" value="Rel" upos="ADV,PRON">3069</feat><!-- yang, bagaimana, siapa, yg, berapa, mengapa, apa, kapan -->
<feat name="PronType" value="Tot" upos="ADV,DET,NUM,PRON">391</feat><!-- semua, kedua, setiap, seluruh, masing-masing, segala, keseluruhan, ketiga, per, keempat -->
<feat name="Reflex" value="Yes" upos="PRON">85</feat><!-- diri -->
<feat name="Typo" value="Yes" upos="ADJ,ADP,ADV,CCONJ,DET,NOUN,NUM,PROPN,SCONJ,VERB,X">103</feat><!-- dimana, dibawah, di, diatas, didalam, diluar, 141an, 1960an, Co, Delapn -->
<feat name="Voice" value="Act" upos="VERB">7404</feat><!-- menjadi, memiliki, berada, menggunakan, membuat, bermain, mulai, melakukan, kembali, berasal -->
<feat name="Voice" value="Pass" upos="VERB">3408</feat><!-- terletak, digunakan, dikenal, terjadi, disebut, terdapat, terdiri, dilakukan, ditemukan, dirilis -->
</feats>
<!-- Statistics of universal dependency relations. -->
<deps unique="48">
<dep name="acl">1198</dep>
<dep name="acl:relcl">2729</dep>
<dep name="advcl">1357</dep>
<dep name="advmod">4223</dep>
<dep name="advmod:emph">440</dep>
<dep name="amod">4211</dep>
<dep name="appos">2604</dep>
<dep name="aux">1182</dep>
<dep name="case">11119</dep>
<dep name="case:adv">120</dep>
<dep name="cc">3544</dep>
<dep name="cc:preconj">8</dep>
<dep name="ccomp">441</dep>
<dep name="clf">11</dep>
<dep name="compound">7280</dep>
<dep name="compound:a">9</dep>
<dep name="conj">4947</dep>
<dep name="cop">1055</dep>
<dep name="csubj">29</dep>
<dep name="csubj:pass">7</dep>
<dep name="dep">507</dep>
<dep name="det">3676</dep>
<dep name="discourse">8</dep>
<dep name="fixed">295</dep>
<dep name="flat">387</dep>
<dep name="flat:foreign">46</dep>
<dep name="flat:name">8080</dep>
<dep name="goeswith">20</dep>
<dep name="iobj">20</dep>
<dep name="list">13</dep>
<dep name="mark">2167</dep>
<dep name="nmod">8103</dep>
<dep name="nmod:lmod">57</dep>
<dep name="nmod:poss">1441</dep>
<dep name="nmod:tmod">113</dep>
<dep name="nsubj">7091</dep>
<dep name="nsubj:pass">2214</dep>
<dep name="nummod">3833</dep>
<dep name="obj">5866</dep>
<dep name="obl">6035</dep>
<dep name="obl:agent">65</dep>
<dep name="obl:tmod">660</dep>
<dep name="orphan">2</dep>
<dep name="parataxis">407</dep>
<dep name="punct">17406</dep>
<dep name="root">5598</dep>
<dep name="vocative">9</dep>
<dep name="xcomp">1386</dep>
</deps>
</treebank>