20.500.12556/RUL-177754 A case study demonstrating an approach to the statistical analysis of the variation of multiword expressions in Slovene corpora Študija primera za prikaz pristopa k statistični analizi variantnosti večbesednih enot v slovenskih korpusih In Slovene linguistics, much research in phraseology has either been theoretical in nature or focused more on compiling lexicographic resources for human users. While several machine-readable lexicographic resources containing multiword expressions (MWEs) have also been developed in recent years, Slovene phraseology and computational Slovene linguistics remain largely divided into separate tracks. We attempt to bridge the gap with a brief demonstration of the benefits that computational and statistical approaches based on machine-readable data can have for linguists and phraseologists. We briefly present the SUK Training Corpus of Slovene, the largest machine-readable dataset for Slovene that contains annotations of multiword expressions, as well as the Q-CAT Corpus Annotation Tool that was used to annotate it. We extract examples for two Slovene MWEs (priti na zeleno vejo and podirati se kot hišica iz kart) from the morphosyntactically annotated Gigafida 2.1 Corpus of Written Standard Slovene using a rule-based approach that leverages syntactic structures. We perform a statistical analysis to determine the degree of variation within the extracted examples. We aim to show that machine-readable data is intended not only for developers of NLP tools but can also help provide additional insight into the structure and variation for the linguistic description of MWEs. V slovenskem jezikoslovju je precej raziskav na področju frazeologije teoretične na-rave ali pa so usmerjene v gradnjo slovarskih virov za človeške uporabnike. V zadnjih letih je bilo zgrajenih tudi nekaj strojno berljivih slovarskih virov, ki vsebujejo večbe-sedne enote (VBE), a slovenska frazeologija in slovensko računalniško jezikoslovje večinoma ostajata ločeni. V prispevku ju poskusimo povezati s kratkim prikazom ko-risti, ki jih lahko računalniški in statistični pristopi na podlagi strojno berljivih podat-kov prinesejo jezikoslovcem in frazeologom. Na kratko predstavimo učni korpus pisne slovenščine SUK, največjo strojno berljivo slovensko podatkovno množico z oznakami večbesednih enot, ter orodje za označevanje korpusov Q-CAT, s katerim je bil korpus označen. Iz oblikoskladenjsko označenega korpusa pisne standardne slovenščine Giga-fida 2.1 nato izluščimo primere za dve slovenski VBE (priti na zeleno vejo in podirati se kot hišica iz kart) s pomočjo pristopa na podlagi pravil, ki se opira na skladenjske strukture. Izvedemo statistično analizo in določimo stopnjo variantnosti znotraj izluš-čenih primerov. S tem želimo pokazati, da strojno berljivi podatki niso namenjeni le razvijalcem orodij za obdelavo naravnega jezika, temveč lahko tudi jezikoslovcem po-nudijo dodaten vpogled v strukturo in variantnost VBE. multiword expressions multiword expression variants statistical analysis automatic extraction corpora večbesedne enote variante večbesednih enot statistična analiza strojno luščenje korpusi true false true Angleški jezik Slovenski jezik Drugo 2026-01-06 12:28:16 2026-01-06 12:28:18 2026-07-31 15:30:17 0000-00-00 00:00:00 2025 0 0 Str. 45-61 št. 1 Letn. 65 2025 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 81'322 0024-3922 10.4312/linguistica.65.1.45-61 263491843 262399235 RAZ_Cibej_Jaka_2025.pdf RAZ_Cibej_Jaka_2025.pdf 1 2C210430AD08DC323B40064B6BED3E70 09cca7c691b79f7559152ab0dc1fe71392a1d275af45f2c7055eddfafea4d677 43197f7b-eaf3-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225044 https://journals.uni-lj.si/linguistica/article/view/22971 1 cd77a4d9-eaf2-11f0-bf92-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=225043 Fakulteta za računalništvo in informatiko Linguistica 0 0 0