Tipizacija georeferenciranih jezikovnih podatkov spada med temeljne zahteve projekta. Zato bodo, kjer je to mogoče, iz vhodnih podatkov po transkripciji v prvem koraku izločeni členi (posamezne besede) in vneseni v polje podatkovne zbirke z enakim imenom.
V središču zanimanja VerbeAlpine je morfološka tipizacija zbranega jezikovnega gradiva. Morfološki tip je pri tem definiran z ujemanjem tehle značilnosti: jezikovna družina – besedna vrsta – netvorjena beseda nasproti tvorjenki – spol – leksikalni osnovni tip. Osnovna oblika morfološkega tipa se končno ravna po ustreznih lemah izbrane referenčne leksike (gl. spodaj).

Z uvrstitvijo k skupnemu leksikalnemu osnovnemu tipu postane jasna pripadnost vseh združenih morfološko-leksikalnih tipov – tudi čez jezikovne meje. Tako se da tele (tu ne podrobneje opisane) samostalniške besede in glagole dodeliti enemu samemu osnovnemu tipu malga: malga (PLANINA, ČREDA), malgaro (PAŠNIK), malghese (PASTIR), immalgare (ITI NA PLANINO), dismalgare (ZAPUSTITI PLANINO). Seveda pa leksikalni osnovni tip ne pove nič o besedni zgodovini posameznega morfološko-leksikalnega tipa: če tip z latinsko-romanskim etimonom, ki je danes izpričan v germanskem ali slovenskem jezikovnem območju, kot npr. slovensko bajta ‘preprosta hiša’, izvira iz starega lokalnega substrata ali pa iz novejšega romanskega jezikovnega stika, je treba raziskati vsak primer posebej. Zato se oznaki »etimon«, ki se praviloma nanaša na neposredno zgodovinsko predstopnjo kake besede, v tem kontekstu izogibamo – čeprav je v mnogih primerih leksikalni osnovni tip dejansko tudi etimon morfološko-leksikalnega tipa. Osnovni tipi, ki so v referenčni slovarjih označene kot neznane ali dvomljive, so označene z dodatno predpono z vprašalnim znakom, kot v primeru: (?) battuere. Če med tipizacijo ni mogoče določiti osnovnega tipa, VerbaAlpina uporabi neznani tip, označen z znakom ?.

Morfološko-leksikalni tipi tvorijo vodilne kategorije upravljanja z jezikovnimi podatki; primerjati jih je mogoče z iztočnicami v slovaropisju. S pomočjo prej navedenih, robustnih in dobro uporabnih meril se da npr. štiri fonetične tipe barga, bark, margun, bargun s pomenom PLANŠARSKA KOČA, PLANŠARSKI HLEV skrčiti na tri morfološke tipe.




Pripadnost morfološko-leksikalnega tipa k besedni družini (germanski, romanski, slovanski) je odvisna od vsakokratnega vira; izkaže se samodejno z vsakokratnim informatorjem in je ustrezno vpisana v zbirko podatkov. Pri podatkih, ki jih VerbaAlpina pridobi sama s crowdsourcingom, se jezikovna oz. narečna pripadnost informatorjev predvideva in v najboljšem primeru kvantitativno potrdi; število potrjujočih informatorjev tako postane orodje preverjanja podatkov.

Morfološko-leksikalni tipi so omejeni na eno jezikovno družino. Tako se postavi vprašanje, v kateri obliki naj bo predstavljen morfološko-leksikalni tip v iskalni funkciji interaktivne karte. Pri germanski in slovanski jezikovni družini je odgovor prej ko slej lahek, saj je vsaka zastopana le z enim standardnim jezikom (nemščino [deu] oz. slovenščino [slv]). Morfološko-leksikalni tipi lahko nastopajo v obliki različic v standardnem jeziku, seveda pod pogojem, da so v njem ustreznice tega tipa; tako se da iskati na primer vse ustrezne fonetične tipe alemanščine in bavarščine, ki so različice standardne oblike, pod prav to obliko. Če standardnih različic ni, so uporabljene iztočnice velikih referenčnih slovarjev (Idiotikon, WBOE) .

Pri romanski jezikovni družini je položaj zaradi številnih, delno nezadostno standardiziranih mikrojezikov veliko kompleksnejši. Iz pragmatičnih razlogov smo tu ubrali tákole pot: vsi morflološko-leksikalni tipi, če nastopajo, so predstavljeni s francoskimi in italijanskimi standardnimi oblikami; tako se da npr. vse fonetične tipe, ki so različice k beurre/burro ‘maslo’, najti pod tema dvema oblikama; za referenčna slovarja služita TLF in Treccani. Če ima ustrezno različico le eden od teh dveh standardnih jezikov, nastopa le ta, kot v primeru ricotta (pripadnost italijanščini se kaže z dogovornim zapisom -/ricotta). Če različice tipa ni v nobenem od obeh romanskih referenčnih jezikov, je treba poseči po iztočnici kakega narečnega referenčnega slovarja, recimo LSI. Če v narečnih slovarjih ni zanesljivega podatka, predlaga VerbaAlpina osnovni tip skupaj z grafično predstavitvijo (»VA«).

V celotni zasnovi in v tehnični pretvorbi je fonetična tipizacija jezikovnega gradiva, ki pa je obrobna in zato ni izpeljana dosledno. Ustrezna kategorija je nepogrešljiva predvsem zato, ker dokumentirajo jezikovni atlasi včasih (npr. SDS in VALTS) in slovarji izključno fonetične tipe. Pri fonetični tipizaciji z VerboAlpino so členi po merilih zgodovinske fonetike razdeljeni v fonetične tipe (polje podatkovne zbirke ‘phon_typ’); avtomatizacijo fonetične tipizacije na osnovi Levenštajnovega algoritma in algoritma soundex proučujemo in jo bomo uporabili, če bo mogoče. Tukaj je značilen primer (iz AIS 1204 LA PANNA | RAHM | CRÈME ):




V skladu s fonetiko je pred samoglasnikom [m] smiselno razlikovati anlautni različici [kr-] in [gr-] ter tonemske samoglasniške različice [a], [e] in [o]. Zato se pojavljajo kot različni 'fonetični tipi'. Hkrati je jasno, da gre za fonetične različice ene in iste morfoleksikalne vrste, saj obstajajo številni podobni primeri zvočnih sprememb. Ker pa za spremembo iz [kr-] > [br-] ni nobenega dokaza, ne bi bilo logično, da bi k njej uvrstili tudi ustrezne dolomitsko ladinske oblike (brama). Zato kljub podobnosti zvenečega samoglasnika in zlogovne končnice [-ama] predstavljata drugačen morfoleksikalni tip.


Avtomatizacija fonetične tipizacije na podlagi algoritmov Levenshtein in soundex bo preučena in izvedena, če bo mogoče; vendar bo v vsakem primeru prišlo do močnih korekcijskih prizadevanj. Obe zgodovinsko sorodni obliki krama in grommase približno razlikujeta zgolj po številu v smislu Levenštejnove razdalje s količino zamenjav znakov, ki jih je treba izvesti za pretvorbo ene oblike v drugo, bolj kot nepovezani obliki krama in brama.




S tipizacijo (tvorjenjem razredov) je raznovrstnost podatkov čedalje bolj pregledna; velja torej pravilo: število členov > število fonetičnih tipov > število morfološko-leksikalnih tipov > osnovni tip. Vendar pa je treba upoštevati skrajni primer enega samega primera (enkratnice), ki ustreza enemu členu, enemu fonetičnemu tipu in enemu morfološko-leksikalnemu tipu kot edinemu zastopniku osnovnega tipa. Takšne hapaksične oblike je morda koristno filtrirati v predstavitvi.