AnnCorra : TreeBanks for Indian Languages

Guidelines for Annotating Hindi TreeBank
(version – 2.5) 17/09/2012
Akshar Bharati, Dipti Misra Sharma, Samar Husain, Lakshmi Bai, Rafiya Begam,
Rajeev Sangal
Language Technologies Research Center
IIIT, Hyderabad, India
{dipti, samar, lakshmi, sangal}@iiit.ac.in, rafiya@students.iiit.ac.in 

Content

1. Background 
2. The Task
3. PART – 1A
3.1 Grammatical Model
3.2 The Scheme
3.2.1 Treebank Representation (SSF)
3.2.2 Naming conventions
3.2.3 Relations and Tag labels
3.3 Corpora
4. PART – 1B
4.1 Dependency Relations and How to mark them?
4.2 How to mark elided elements?
4.3 How to mark shared arguments?
4.4 Multiple occurrences of certain karakas and their subtypes
4.5 Difference between rs and k*s
4.6 Default attachment decisions

5. Some additional attributes
6. PART – 2 : Hindi Example Constructions
6.1 Simple Transitives
6.2 Unergatives
6.3 Unaccusatives
6.4 Dative Subject constructions (to be included)
6.5 Ditransitives 
6.6 Existentials 
6.7 Copular constructions
6.8 Causatives 
7. Conclusion
8. Acknowledgments
9.  References
10. Appendices
10.1 SSF Representation of the example sentences (some are included)
10.2 Morph SRS
10.3 POS and Chunk Annotation Guidelines
10.4 Intra­chunk dependency relations
1. Background

A major bottleneck in developing various natural language applications for 
Indian languages is the unavailability of appropriate language resources. For any

NLP application, certain linguistic knowledge is required. This knowledge can

be prepared in the form of dictionaries, grammars, wordformation rules etc. An

alternative approach is to annotate linguistic knowledge in electronic texts. The

annotated texts can be used for machine learning, developing these resources by

extracting the knowledge etc. Penn Treebank for English (Marcus et al., 1993),

Prague Dependency Tree bank for Czech (Hajicova, 1998) etc. are some of the

efforts in this direction.

The idea of developing such a resource for Indian languages was first decided

to be taken up at the ”Workshop on Lexical Resources for Natural Language

Processing”, 58 Jan 2001, held at IIIT Hyderabad. The task was named as

AnnCorra, shortened for ”Annotated Corpora”.

For achieving this, certain standards had to be drawn in terms of selecting

a grammatical model and developing tagging schemes for the three levels of

sentential analysis, POS tagging, chunking and syntactic parsing. Since Indian

languages are morphologically richer, they allow the order of the words to be
more flexible. This also implies that the information at the morphological level

can be crucial for sentence analysis. Hence, coming up with standards for morph

feature representations for various Indian languages also becomes critical. The

standards for POS tagging, Chunking and Morph feature representation were

initially arrived at in the project ILILMT System’. In this project nine language

pairs were taken for developing bidirectional MT systems. The project is being

carried out in a consortium mode and is funded by DIT, Government of India.

For defining the standards for the above, several workshops were conducted with

participation from major NLP groups working on the nine languages undertaken

in the project. 

The natural next step after POS tagging, chunking and morph analysis is 
sentence level parsing. Thus, it was decided to work out a scheme for annotating tree 
bank for Hindi. Hindi was chosen as an example language. The theoretical model that 
has been adopted for the sentence analysis is Panini's grammatical model which 
provides a level of syntactico­semantic analysis. 

This document, a guidelines on dependency annotation of Hindi has two Parts.
Part­1 contains a description of the grammatical model and the details of the tagging 
scheme. Part­2 contains examples of certain typical constructions of Hindi and their 
analysis in Paninian dependency model.

2. The Task

The task is to develop a dependency Treebank for Hindi. As part of the task, it 
is decided to annotate the corpora for the following linguistic information,

a). Relevant morph features for the token in the context (lexical level)
b). POS tag (lexical level)  
c). Chunk (phrasal level (without distorting the internal dependencies))
d). Dependencies (sentential level – syntactico­semantic)
e). Shared and missing arguments
f). Sentence type
g). Voice type
h). Conference in specific cases

The task can be better explained with the help of  an illustration. Given below 
is a sentence from Hindi:

Ex1 Hin­wx:  rAma     ne     mohana     ko      nIlI     kiwAba   xI

Hin­Roman: Ram     ne      Mohan      ko     niilii     kitaaba  dii
      Gloss :  ram        erg    Mohan      acc     blue    book    gave
       Eng : ‘Ram gave a blue book to Mohan.’
The above example would have the following dependency analysis:

                                        dI <root=xe stype=declarative voice=active>

                                k1                k4             k2
                       
                           
   rAma                   mohana                 kiwAba         
                         <case=1,cm=ne> <case=1,cm=ko>   <case=0,cm=0>    
                                                                                             adj 
                                                                                           nIlI
                                                                                    <case=0, cm=0>

Figure 1

The dependency representation  (Figure 1) of the example (1)  represents that 
Ram  is the ’kartaa’ (doer marked as k1) of the action denoted by the verb dI 'gave', 
Mohan is the ’sampradana’ (recipient marked as k4) and nIlI
 kitAba 'blue book'  is the ’karma’ (locus of result of the action denoted by the
 verb marked as k2) of the verb. The root node of a dependency tree is normally
 a verb. In the Hindi treebank, each node is annotated  for the morphological 
information (not fully represented here). Apart from the morphological information 
annotated for the main verb (the root node) in a sentence, two additional features 
(sentence type and the voice type) are also annotated.

The main task, however, is to explicitly mark the relations (arc labels) between
various elements (words) of a sentence. This obviously requires a grammatical model 
basing which the dependency relations can be annotated.

3. PART 1­A

This section of the document has a description of the grammatical model used 
in designing the tagging scheme and the details of the tagging scheme. Some details 
about the corpora and where it has been taken from are also provided.

3.1 Grammatical Model 

Paninian grammatical model has been chosen for annotating the dependency 
relations in the Hindi­Urdu Treebanks. Since the analysis is in Paninian framework, 
the tag names also reflect that. As mentioned in the previous section, the model offers 
a syntactico­semantic level of linguistic knowledge. Preference for this model is based
on: 
 
a) The model, not only offers a mechanism for SYNTACTIC analysis, but also
incorporates the SEMANTIC information (dependency analysis).
b) Indian languages have a relatively free word order, hence a dependency 
grammar based approach would be better suited for sentence analysis.
           
The Paninian grammatical model treats a sentence as a series of modifier – 
modified elements starting from a primary modified (generally a finite verb) . The 
objective of the grammarian, according to this framework, is to extract meaning from 
a sentence as spoken by a lay person. It works with the assumption that language is 
used for communication. The meaning in a sentence is encoded, not only in words 
(the lexical items), but also in the relations between words. Thus, every word in a 
sentence has a twofold role towards composing the larger meaning; (i) the concept it 
represents and  (ii) the participatory role it plays in the sentence in relation to the other
words. The latter is most often expressed through some explicit markers such as 
nominal inflections, verbal inflections etc. This implies that certain linguistic cues are 
explicitly available in a sentence using which one can extract the meaning from a 
sentence. Morphologically rich languages such as Sanskrit (a classical Indian 
language), Telugu, Tamil etc (some of the modern Indian languages) have the 
grammatical information in the words themselves (through affixes). However, for 
languages such as Hindi, one has to go beyond lexical items and use postpositions (for
case marking) and auxiliaries (for tense, aspect, modalities) for this purpose. A
 step of local word grouping (LWG ­ Bharati et al, 1995) helps in computing the
 grammatical information easily. Thus, the Paninian Grammatical model (let us
 refer to it as Computational Paninian Grammatical (CPG) model) can easily be
 designed to meet the parsing requirements and also help in extracting meaning
 from a sentence.

The grammatical relations which have been considered here are of two types; 
(1) karaka, and (2) Relations other than karakas.

A number of direct participants are needed for an action to be
 completed successfully. The 'doer' of an action, time when the action is carried out,
 receipient of an action which requires transfer of some sort, source of an action
 which denotes a point of departure etc are some examples of the direct participants 
(karakas) of an action. There could also be other players when
 an action is being carried out. These players may not have any direct
 role in the action though. Reason and purpose are two examples of such players. 
'karakas' are the roles of various direct participants in
 an action. An action in a sentence is normally denoted by a
 verb. Hence, a verb becomes the primary modified (root node of a
 dependency tree) in a sentence. Panini has spelled out six karakas
 (Bharati et al., 1995). The sentence may contain a number of relations between words
which are not ’karaka’ relations. The scheme
 adopted for annotating dependency relations in the Hindi treebank refers
 to these relations as ’other than karaka’ relations. As mentioned earlier, purpose, 
reason,
 genitive etc. would fall under the second type of relations in CPG. 

The six kaarakas given by Panini are kartaa (doer of an actions), karma (locus 
of the result of the action), karana (instrument), sampradaana 
(receipient/beneficiary), apaadaana (source) and adhikarana (location).

kartaa is defined as the ’most independent’ of all the karakas
 (participants). kartaa is the one who carries out the action. It is
 conceptually different from the agent theta role as it does not always
 have volitionality. It is the locus of the activity implied by the verb
 root. In other words, the activity resides in or springs forth from the

’kartaa’ (Bharati et al., 1995). For example:

Ex2. Ram made the basket.
 Ram is ’kartaa’ here as he is performing the action of making the
 basket. In Paninian grammar, every action is a bundle of sub­actions
 and all the participants (karakas) in an action have a sub­action located in them. Thus
every karaka is the ’kartaa’ (doer) of its own
 action. Therefore, if we take Ex3.a,

Ex3.a Ram opened the lock with a key

’Ram’(’kartaa’), ’lock’(karma) and ’key’(instrument)
 are the three karakas (participants) in the action of ’opening’.  The larger action
 of 'opening the lock' involves following sub­actions (i) action of Ram,
 (ii) action of the lock and (iii) action of the key. (i) involves Ram's action of inserting
the key in the lock and also turning it. (ii) is the action of key of unlocking the lever 
and (iii) involves lock's action of opening. Therefore, all the three 'Ram', ’lock’ and
 ’key’ are the ’kartaa’ of the sub­actions carried out by each of them.
 Each of these actions can be brought into focus by structuring a sentence with a 
changed  'kartaa'.  (Ex3.b) and (Ex3.c) exemplify this.

Ex3.b The lock opened

Here, the action is of the opening of the lock. If a lock is rusted,
 then even if the key turns the lever, the lock would not open as the
 lock’s action is not carried out.  Thus, in (Ex3.b) the focus is on the
 ’lock’s action’. This is expressed by making 'lock' as the 'kartaa'.

Ex3.c This key opened the lock

Similarly, in (Ex3.c) the key's sub­action is brought into focus by making it the
'kartaa'.  A wrong key cannot open a lock.

3.2 The Scheme

The tagging scheme here includes tagsets at various levels of annotation, the 
representation format, the naming conventions etc.
3.2.1
 A Little History

The first step in the direction of coming up with a tagging scheme for
 annotating dependencies at the sentential level for Indian languages
 was conceived and worked out in 2000 itself. At the time it was
 decided to break the dependency annotation into two parts. Local
 dependencies and the dependencies of postpositions and auxiliaries to
 their respective nouns or verbs etc would be done separately. Since

it is easy to mark such dependencies automatically with fairly high
 degree of    accuracy, it was decided to leave these out of the manual task of 
annotation. Thus, the dependency annotation would be
 manually marked only between the heads of the chunks, i.e., at the
 inter­chunk level. A chunk is taken to be a basic unit for marking

the syntactico­semantic relations with the assumption that the intra­chunk   
dependencies could be obtained automatically by using a rule
 based system. The verb chunk is more or less a grouping of
 the verb base form and its tense, aspect and modality (TAM) auxiliaries. The 
practical aspect of this decision was that it allowed  saving
 the effort in manual annotation. Once inter­chunk annotation is over,
 the intr­chunk dependencies could be automatically obtained using a relatively highly
accurate rule based tool. Thus, the dependency annotation guidelines do not  include a
description of intra­chunk relations.
 

The task of treebanking could not be immediately carried forward at the time 
as other tasks such as POS tagging and chunking etc
 for Indian languages needed prior attention. Substantial amount of
 work was then done in the direction of developing standards for POS
 tagging and chunking for Indian languages and a tagging scheme for
 the same (Bharati et al. 2006). It was decided to revisit the AnnCorra
 Tagset for inter­chunk dependency relations in Jan 2005. Each of

the tag was discussed and a revised list was arrived at. The tagset
 contained around 26 tags.
 
 Based on the tagset developed in 2005, a small set of sentences
 (about 2000) from Hindi were annotated. During this process it was
 noted that there were constructions which could not be satisfactorily
 captured in the existing tagset. Subsequently, the tagset was revisited and the tagset 
given in these guidelines was evolved.
 The intra­chunk dependency labels (see Appendix 10.4) were also spelled out 
subsequently.

3.2.2
 Corpora

The corpora for the treebank has been acquired from ISI, Calcutta.
 The Hindi corpus is mainly newspaper texts from Dailies. The domains chosen for 
the annotation are general news articles (350k),
 tourism and conversational texts (50k).

3.2.3 Treebank Representation (SSF)

The annotated data is stored in SSF format (Bharati et al., 2007).
 The SSF is a four column format in which the first column is for
 address, the second column is for the token, the third column is for
 the category of the node and the fourth column has other features.
 Any required linguistic or other information can be annotated in the fourth column 
using an attribute value pair. Thus, POS and chunk
 category of the tokens would be in the third column and the morph,
 dependency and any other information pertaining to a node would
 appear in the fourth column. For more details on SSF read (Appendix
10.2)

3.2.4 Naming conventions
The naming conventions adopted in the treebank are described in the 
following sub­sections.

A. Naming tokens

Every lexical item and chunk would have a name. The attribute for naming is 
'name'. Values for lexical nodes would be the concerned
 lexical item. In case there are more than one occurrences of the same
 word the value for the name attribute would be the lexical item followed by a 
numerical. For example, if the token is ’phala’ (fruit), it
 would be represented as name=’phala’. In case ’Pala’ occurs twice in

a sentence, the first time its naming feature would be name=’phala’
 and the second time it will be named as name=’phala2’. Some more
 examples are :

Hari <name='Hari'>
said <name='said'>
Ram <name='Ram'>
Ram <name='Ram2'>
! <Name='!'>

B. Naming convention for Chunks

The chunks are named as their respective phrase tags(NP/VP/JJP). As in the case of 
lexical items, the subsequent occurrences of the chunks are also named by  appending 
an iterated number (starting with 2) to the phrase tag. For example,

((Hari/NNP)) NP  <name='NP'>
((gave/VBD)) VP  <name='VP'>
((Ram/NNP)) NP  <name='NP2'>
((a/DET book/NN)) NP  <name='NP3'>

C. Naming NULL nodes

In case a NULL node is inserted, the NULL node would be assigned
 a appropriate POS tag. The naming of a NULL node would also be
 similar to the naming of tokens. That is the node would be named
 name=’NULL’ and the subsequent NULL nodes within the same sentence would be 
assigned names NULL2, NULL3 etc. Similarly, at the
 chunk level, a chunk containing a NULL node would have the chunk
 category of the type NULL
__NP, NULL__VGF, NULL__JJP etc depending on the POS category of the NULL 
node within a chunk. The naming on these chunks would be similar to the other 
chunks, i.e. a NULL__NP chunk would be named as 'NULL__NP' etc.
The above are the naming conventions adopted in the Treebank.

D. Naming the examples in this manual

For ease of access, the examples for various labels and constructions have also
been given ids in this document. In PART­1B, the convention is that every example 
starts with Relation­DS­. Thereafter, the id has the relation label for which the 
example stands for, followed by a numerical. For example, examples for kartaa 
karaka  would have the following ids – Relation­DS­k1­1, Relation­DS­k1­2 and so 
on. Similarly, for karma karaka examples the ids would be   Relation­DS­k2­1, 
Relation­DS­k2­2 and so on. This allows us a flexibility of adding more examples for 
each type of relation at a later stage.

In PART­2, the examples are named as  [Construction type­DS­
examplenumber]. Thus, examples for causative constructions would read as follows : 
Causative­DS­1, Causative­DS­2 and so on. 

3.2.5 Relations and Tag labels

(A) The POS and Chunk Tags

The tagging scheme for POS and Chunk annotation has been developed 
through conducting various workshops in which scholars representing several major 
languages of India participated. The scheme
 aimed at coming up with a tagset which would be comprehensive
 to the extent possible covering issues from all Indian languages and
 should be simple for the annotators.
 

Annotation guidelines based on the above scheme are also prepared (Appendix
10.3). The task of annotating POS and chunk in
 several Indian languages is already going on under the ILMT project
 funded by Department of Information Technology (DIT), Ministry of
 Communication and Information Technology (MCIT), Government
 of India.

(B) Dependency labels
 The scheme contains about 68 tags for the inter­chunk dependency relations 
(these include certain fine grained distinctions as well) which are arrived at 
considering various types of sentence constructions in Hindi. These labels
 contain relations (a) karaka and non­karaka dependency relations
 (b) some underspecified tags of the type vmod, nmod etc and (c)
 some tags which indicate relations which are not exactly dependency
 relations but are required for representing certain nodes in the tree (more details are 
given below).

As mentioned earlier, the grammatical model captures certain syntactico 
semantic relations. The tag labels represent various karaka
 and other than karaka relations.
 All karaka relation labels start with a ’k­’ followed by a numerical.  Although the 
basic number of karakas is six, there are a
 number of relations which are subtypes (destination(at a finer a level of granularity)
 of karakas. Some of these are k2g (secondary karma), k2p (destination, a subtype of 
karma),
 k7t (time), k7p (place) etc. 
There are some relation labels
  which begin with a ’k­’ but are not really karaka labels. These
 relations, instead, in some or the other way are related to a karaka.
 Examples of some such relations are k1s (noun complement of
 karta), k2s (noun complement of karma), k1u (comparative of a
 karta), k2u (comparative of a karma) etc. More details about each
 of these relation types are described below.

The labels for dependency relations other than karaka relations
 start with an ’r­’.  For example, r6 (genitive), rt (purpose), rh (reason)
 etc.

There are certain relations which do not fall under ’dependency
 relation’ directly but are required for showing the dependencies indirectly. For 
example, the labels ’ccof ’ and ’pof ’ in the tagging scheme
 appear to represent ’co­ordination’ and ’complex predicates’ respectively. Both of 
these are not really dependency relations.

Figure 2 gives the type hierarchy of the dependency relations.  The figure 
shows the relations from coarser to finer on a modifier modified paradigm.
 The classification shown in Figure 2 allows underspecification of
 certain relations in cases where a finer analysis is not very significant for this level of
annotation and is also more difficult for decision
 making for the annotators. Therefore, the labels such as k1, k2 etc

Figure 2 : Inter­chunk Dependency Relation Types

 The classification shown in Figure 2 allows underspecification of certain 
relations in cases where a finer analysis is not very significant for this level of 
annotation and is also more difficult for decision making for the annotators. 
Therefore, the labels such as k1, k2 etc represent a finer level depicted deeper in the 
tree, whereas, labels such as 'vmod', 'nmod' show an underspecified representation of 
the relation. More details for this are given under respective labels in Section 4.1 of 
this document.

The semantics of a verb plays a major role in deciding the karaka relations of 
various elements in a sentence.  However, there are syntactic cues which help too in 
these decisions. Normally, karta and karma agree with the verb. The karta takes a  
zero vibhakti (nominative case) when it agrees with the verb. Similarly, if the karma 
agrees  with the verb, it occurs in its nominative form. In case the karta does not agree
with the verb, it takes the following vibhaktis (it is followed by the postpositions): ne,
ko, se, xvArA. In all these cases the verb is inflected by different tense, aspect and 
moods. Therefore,  a mapping between vibhakti (noun case markers) and TAM (tense,
aspect and modality) can be quite useful for identifying relations such as karta and 
karma. 

A default for annotating karakas in sentences with more than one verb is that 
all karakas attach to the nearest verb on the right. k1 has a special default rule for 
shared karta relationship between two or more verbs where there is one finite verb 
and the rest of the verbs are non­finite.  In this case it attaches to the finite verb.

4. PART­ 1B

The issues related to actual annotation task such as how to mark
 various  relations, how to handle shared arguments, what to do in case
 of missing arguments are described in this part of the document. All
 the relations and the labels to be used for them are also listed here. As
 mentioned above, the framework provides two kinds of dependency
 relations ­ kaaraka relations and other relations. Detailed description

for each of the labels and the syntactic cues for marking them are also provided.

NOTE : Gloss has been provided for the examples given in this
 document. But often the gloss provides only the relevant lexical information and not 
all the information which might be there in a Hindi
 word. For example, most often the gender and number information
 is missing.

4.1 The Dependency Relations and How to mark them 

 We will now describe all the dependency relations and the tag labels for each of them
one by one . A detailed description of every relation and its tag is provided below. 
The objective of this section is to help the annotators with the actual annotation of 
various relations in a sentence.  All the karaka relations which have labels starting 
with
 'k­' are listed first followed by non­karaka relation labels which begin
 with 'r­.'

4.1.1
 karaka Relations

DRel­1. k1 (karta ’doer/agent/subject’)

In a sentence, kartaa is the one who carries out the action denoted by a verb.
 
Different cases of a kartaa in a sentence are listed below:

The grammar talks of two types of ’kartaa’, (a) primary and (b)
 secondary. Primary ’kartaa’ has volitionality whereas the secondary
 ’kartaa’ does not. Therefore, ’kartaa’ in Ex3.b and Ex3.c given under section 3.1 
above do not have volitionality. 

In A.B.C. and D. below various conditions under which a ’kartaa’ occurs in

Hindi are explained with the help of some examples.

A. If the verb denotes an action, then the k1 is the doer of the action.
 In examples (Relation­DS­k1­1 to 2 and 3 to 7), ’rAma’ is the doer
 of the action, thus ’rAma’ is the kartaa.

Relation­DS­k1­1 : rAma bETA    hE
        Ram   sit­perf  is
                               'Ram is sitting'

Syntactic Cues : Most general or default syntactic cues for identifying karta in a 
Hindi sentence are:

(a) Karta is normally in nominative case which is realized as 0 in Hindi.
(b) By default verb in active voice (list of TAMs attached) agrees with the karta in 
number, gender and person.

IMPORTANT NOTE on syntactic cues: It is important to note that karta is not the 
only karaka which may appear with a 0 vibhakti. Some other relations may also 
appear without an explicit case marker.  The conditions under which various karakas 
etc occur with a particular 'vibhakti' may not always be syntactic. Therefore, one may 
have to use various cues such as the context, the semantic properties of the word 
under consideration, semantic properties of the words to which the given word is 
related etc. In short, the cues provided here are only to help take a decision but are not
to be followed fully mechanically.

Some more examples of karta with the above syntactic cues are :

Relation­DS­k1­2 : rAma KIra               KAwA           hE
        Ram   rice­pudding eat­hab­sg­m   is
        'Ram eats rice­pudding'

Relation­DS­k1­3 : sIwA  KIra    KAwI    hE
         Sita   rice­pudding eat­hab­sg­f    is
         'Sita eats rice­pudding'
B. However, karta in Hindi can also occur with case markers other than nominative 
case (0 vibhakti). 

NOTE : The terms case marker, vibhakti or postposition are used interchangeably in 
this document.  

Relation­DS­k1­4 :  rAma ne   KIra            KAyI
                                 Ram   erg  rice­pudding   ate
                     ‘Ram ate rice­pudding.’

Relation­DS­k1­5 : rAma  ko      Kira             KAnI               padZI
                   Ram   dative rice­pudding eat+inf+fem   had+fem
        'Ram had to eat the rice­pudding'
Relation­DS­k1­6 : rAma  ko      KIra              KAnA         cAhiye
                   Ram     Dat    rice­pudding eat+inf        should
       'Ram should eat the rice­pudding'

Syntactic cues for identifying a 'karta' in the above constructions  are : If a noun  
occurs with the postpositions belonging to the list given below and the verb has the 
corresponding TAM in the list below then the noun would always be a karta in Hindi.

Postposition (Vibhakti) TAM
(i)   ne yA (past) 
(ii)  ko nA_padZA  (compulsive, past)
(iii) ko nA_cAhiye (prescriptive)

C. In passive constructions, normally a karta would be absent. However, if it occurs ,
it will appear either with 'xvArA' or 'se' as its vibhakti.

Relation­DS­k1­7 :  rAma xvArA KIra              KAyI gayI
                        ram    by       rice­pudding   ate    Passv
                           'Rice­pudding was eaten by Ram.'

Syntactic cues: (a) A noun followed by the postposition 'xvArA' or 'se' and (b)  the 
verb having a passive TAM (tense, aspect and modality) would be a 'karta'. A list of 
passive TAMs in Hindi is provided in Appendix for reference. 

D. Karta with a genitive marker : Karta in Hindi can also occur with a genitive 
marker. Following are some examples of the same.

Relation­DS­k1­8 : rAma kA mAnanA hE ki kala bAriSa hogI
        Ram  of   belief     is   that tomorrow rain will­happen
         'Ram believes that it will rain tomorrow.'

The karta with a genitive postposition (kA) occurs only with a few verbs such as 
'kaha', 'soca', 'mAna' etc. The verb in these cases would have the TAM  '­nA' 
(gerundive)
E. Some more examples of 'karta' in Hindi sentences

Relation­DS­k1­9 :  rAma acCA hE
                    ram     good  is 
                   'Ram is good.'

Relation­DS­k1­10 : muJako cAzxa xiKA
                   I­Dat     moon  appeared
                          'I saw the moon.'

 In the stative verbs, the state of a person or a thing is mentioned. The person 
or thing whose state is mentioned will be the karta. In example (Relation­DS­k1­8), 
state of rAma is mentioned so rAma becomes the karta. 
 Similarly, the subject of an unaccusative verb would also be marked as karta. 
In example (Relation­DS­k1­9), cAzxa ‘moon’ is the karta as 'xiKanA' (to be seen) is 
an unaccusative verb in Hindi. Following the definition of a karta as the doer of  the 
activity denoted by the verb,  the doer of the activity of 'xeKanA' (to see) is different 
from the activity of 'xiKanA' (to be seen). Therefore, the element (rAma in Relation­
DSfrom where this activity springs forth would be karta. 

F. Clausal karta : A clause can also be karta. For example, 

Relation­DS­k1­11 : rAma kA yaha mAnanA sahI nahIM hE
Ram of this    belief      true  not      is
'This belief of Ram is not true.'

In the above example the non­finite clause,  'rAma kA yaha mAnanA' is the karta of 
the verb 'hE'. The k1 tag in such cases would be annotated on the verb of the clausal 
karta. Therefore , (annotatedexample is represented in SSF) 

(( NP <drel=r6:VGNN>
rAma NNP
kA PSP
))
(( NP <drel=k2:VGNN name=VGNN>
yaha PRP
))
(( VGNN <drel=k1:VGF>
mAnanA VM
))
(( JJP <drel=k1s:VGF>
sahI JJ
))
(( VGF <name=VGF>
nahIM NEG
hE VM
))

Figure 3: SSF­1
Robust cues  for identifying karta:

1. A noun chunk with ‘ne’ case marker is always k1. For example,

rAma   ne         KAnA  KAyA.
Ram   ERG      food     ate.
‘Ram ate food.’
2. For a sentence in active voice, the verb generally agrees with the karta. For 
example,

rAma       KIra                    KA     rahA    hE.
Ram       rice­pudding        eat    cont        is
‘Ram is eating rice­pudding.’

3. There is always at most one k1 for a verb. For example,
rAma        skUla    jAkara   Gara      A        gayA.
Ram         school   gone       home   came    went
‘Having gone to school, Ram came home.’

4. All first and second person personal pronouns in nominative case are k1. For 
example,
mEM     KAnA    KA   rahA hUz .
         I           food     eat    is     am
                ‘I am eating food.’

DRel­2.  pk1, jk1, mk1 (causer, causee, mediator­causer)

Causatives in Hindi are realized through a morphological process. An 
intransitive or a transitive verb changes to a causative verb when affixed by either an  
'–A' or a  '­vA' suffix. In our scheme, both 'causer' and 'causee' are marked. In addition
to the causer and causee, there can also be a mediator who is both causee and causer.

A. pk1 (prayojaka karta 'causer')

Relation­DS­pk1­1 :  mAz     ne   bacce ko  KAnA KilAyA
                    mother  erg  child acc food   caused to eat
                      'The mother fed the child.'

Relation­DS­pk1­2 : sIwA ne AyA   se  bacce ko KAnA KilavAyA
                 Sita  erg came by  child  to  food    caused to eat
                        'Sita made the maid to feed the child.'

Relation­DS­pk1­3 :  rAma ne  mohana se BiKArI ko  xAna xilavAyA
                    Ram   erg Mohan  by beggar acc food  caused to give 
            'Ram made Mohan give the alms to the beggar'
Syntactic cues : Syntactically, 'pk1' will behave like 'karta'. Therefore, all the 
syntactic cues which are used for 'karta' would apply in the case of a 'prayojak karta' 
(pk1­causer) as well. The difference between a 'karta' and a 'prayojaka karta' is to be 
noted from the verb form. '­vA' suffix in the verb is a clear indicator of it being a 
causative.   

B.  jk1 (prayojya karta 'causee')

The causee in a causative construction is annotated as jk1. All the tags capture
the information of agentive participation in various nouns.

Relation­DS­jk1­1 : mAz      ne   AyA  se  bacce ko  KAnA KilavAyA
                          mother  erg ayah by  child  acc  food  caused to feed
                       'Mother made the ayah to feed the child'

Relation­DS­jk1­2 :  rAma ne  mohana  xvArA/se  tikata KArixavAye
                         Ram   erg Mohan  by           ticket  caused to buy
                           'Ram made Mohan to buy tickets for Raja.'

Relation­DS­jk1­3 : rAma ne  mohna  xvArA/se  rAjA ko    tikata xilavAye
                      Ram  erg Mohan   by           Raja  Dat  ticket caused to give
                                 'Ram made Mohan to buy tickets for Raja.'

Syntactic cues : Syntactically, a causee would have either a 'ko' vibhakti or a  'se' 
vibhakti. The choice of 'ko' or 'se' would depend on the type of verb. Therefore, there 
is no definite syntactic cue. In this case also, it is the verb form and its semantics 
which are the determining factors for identifying this relation.

C.  mk1 (madhyastha karta 'mediator causer')
Causative constructions have at least one causer and one causee. However, 
more than one causers can also occur in a sentence. The second causer (a mediator) in
such cases is a causee­causer. The mediator (causee­causer) is marked as mk1. It is 
possible that more than one causee­causers can occur in a sentence.  In case there are 
more than one mediators in a causative construction they are all marked as mk1. See 
the examples below :
Relation­DS­mk1­1 :  mAz     ne  AyA  se  bacce ko  KAnA KilavAyA
             mother erg Ayah by child  acc food   made to eat
                               'The mother made the Ayah to make the child eat the meal'

Relation­DS­mk1­2 : rAma ne  SyAma xvArA mohana se BiKArI  ko   xAna xilavAyA
                                Ram   erg Shyam    by       Mohan  by beggar  Dat  food caused to give
                                 'Ram made Shyam to make Mohan give the alms to the beggar'

Relation­DS­mk1­3 :  sIwA ne   mIrA xvArA AyA  se  bacce ko    KAnA KilavAyA
                                    Sita  erg  mira   by       maid by  child  acc   food  caused to feed
                         'Sita made Mira to make the maid feed the child.

Syntactic cues : The vibhakti for a 'mk1' would either be xvArA or se. In case more 
than one mk1 occurs in a sentence, then the first one would have 'xvArA' vibhakti and
the second one would have 'se' vibhakti. 

However, the causer – causee relation is derived more from the verb morphology 
rather than other clear syntactic cues.

Robust cues:
1. Causatives can be identified by the presence of the TAMs –A or –vA. For example,
mAz     ne   bacce ko  KAnA KilAyA
      mother  erg  child acc food   caused to eat
            'The mother fed the child.'

Possible cases of confusion:

1. Sometimes transitive verbs also end with ­A TAM.  Also, sentences with passive 
voice construction be confused as causatives.

DRel­3.  k1s (vidheya karta ­ karta samanadhikarana 'noun complement of karta')

Noun complements of karta are marked as 'k1s'. The term samanadhikarana 
indicates  'having the same locus'. Therefore, karta samanadhikarana indicates having
the same locus as karta.     
                    
Relation­DS­k1s­1 : rAma buxXimAna hE
              Ram    intelligent     is
                      ‘Ram is intelligent.’

Relation­DS­k1s­2 : xaniyA   iwanI      vyavahArakuSala na  WI
                Dhaniya  so­much  diplomatic             not was
              ‘Dhaniya was not that diplomatic.’
Robust cues:
1. k1s can only be there when a k1 is marked for a verb.

DRel­4.  k2 (karma 'object/patient')

The element which is the object/patient of the verb is marked as karma. Karma is the 
locus of the result implied by the verb root. 

A. karma in active voice sentences:

Given below are some examples of the occurrence of karma in active voice 
sentences :
Relation­DS­k2­1 :  rAma rojZa        eka   seba    KAwA hE
                                Ram   everyday one  apple  eat­hab pres
         'Ram eats an apple everyday'

Relation­DS­k2­2 : rAma ne   KIra       KAyI
                     ram erg  rice­pudding ate
                         ‘Ram ate rice­pudding.’

Relation­DS­k2­3 : rAma ne bAjZAra meM ravi ko xeKA
                                Ram  erg market  in     Ravi acc saw
        'Ram saw Ravi in the market'

Syntactic cues : Karma occurs either with a zero vibhakti (postposition) or  a 'ko' 
vibhakti (postposition). Often, in Hindi, both karta and karma occur without a 
postposition/vibhakti (zero vibhakti). In case both karta and karma occur with a zero 
vibhakti in a sentence and the two nouns are of different gender then the noun which 
does not agree with the verb would be karma (see example Relation­DS­k2­1 above). 

If the karta is followed by a postposition in a sentence, then the noun which agrees 
with the verb would be karma (Relation­DS­k2­2).  Karma can also occur with a 'ko' 
postposition. Karma would be marked by a 'ko' vibhakti when it is a human noun 
(Relation­DS­k2­3) . Sometimes, karma is marked by a 'ko' vibhakti to indicate 
definiteness as well.

B. In passive constructions, the noun which agrees with the verb is the karma. 

Relation­DS­k2­4 : xivAlI para KUba miTAI KAyI gayI
                               Diwali on   lots of   sweets  eat­Passv 
                               'Lots of sweets were eaten on Diwali'

Relation­DS­k2­5 : xivAlI para KUba pataKe CodZe gaye
                               Diwali on   lots of crackers leave  go­Passv 
                               'Lots of crackers were burst on Diwali'

Syntactic cues : If the verb in a sentence occurs with a passive TAM then the noun 
which agrees with the verb is the karma

C. Vakya­karma (Sentential object – 'complement clauses')

Finite clauses occur as sentential object the verb of the subordinate clause is attached 
to the verb of the main clause and the arc is tagged as 'k2'. For example, 

Relation­DS­k2­6 : rAma ne bawAyA ki bAhara pAnI barasa rahA hE
          Ram erg  told      that outside water raining prog pres
        'Ram told that it was raining outside'

Relation­DS­k2­7 : usane   kahA  ki    rAma  kala         nahIM  AyegA
                     he­erg    told   that  ram   tomorrow  not     will­come
                     ‘He told that Ram will not come tomorrow.’

DRel­5.  k2p (Goal, Destination)

The destination or goal is also taken as a karma in this framework. However, it
is marked as k2p in the treebank. k2p is a subtype of karma (k2). The goal or 
destination where the action of motion ends is a k2p. These are mostly the objects of 
motion verbs. They also occur with other types of verbs. The syntactic behavior of 
k2p is slightly different from other k2. That is why a separate tag has been kept for 
them. Unlike other karma, the goal/destination karma do not agree with the verb 
under similar syntactic context (see example Relation­DS­k2p­2 below). 

Relation­DS­k2p­1 : rAma   Gara   gayA
                              Ram      home  went        
               ‘Ram went home.’ 

Relation­DS­k2p­2 :  vaha saba ko   apane Gara   bulAwA hE
                         he     all    acc  his       home  invite    be­Pres
                               ‘He invites everybody to his home.’   
Relation­DS­k2p­3 : rAma ko    xillI     jAnA padZA
                  Ram   acc   Delhi   go       lie
                ‘He had to go to Delhi’

Relation­DS­k2p­3 b : * rAma ko xillI jAnI padZI

'xillI' is a feminine noun in Hindi. However, an agreement between 'xillI' and the verb 
'jAnA padZA' in example Relation­DS­k2p­3 b above is ungrammatical. This is why, 
though a destination is also a karma, it is treated as a special case.

In general, verbs such as jAnA (to go), AnA (to come), pahucanA (to reach), etc. will 
take k2p.

DRel­6.  k2g (secondary karma)

It is possible to have more than one ‘karma’ of the same verb in a sentence. 
For example:

Relation­DS­k2g­1 :  ve       loga    gAMXIjI      ko   bApU  BI  kahawe    hEM
                       those people Gandhi+hon acc  Bapu  also  say+hab  be­Pres
                 ’They also call Gandhiji as Bapu.’

Verbs such as kahanA (to say/to call) can have two karma. In sentence Relation­DS­
k2g­1 above, 'kahate hEM' (say/call) has two karmas ­  gAMXIji and bApU. 
 DRel­7.  k2s (karma samanadhikarana 'object complement')

The object complement is called as karma samanadhikarana and the tag used 
for it is 'k2s'.

Relation­DS­k2s­1 : ve    gAMXIjI ko   bApU     BI  mAnawe           hEM
                             they Gandhiji   acc  father  also believe+hab   be­Pres
               ’ They  consider Gandhiji as a father .’

Relation­DS­k2s­2 : rAma mohana ko buxXimAna    samaJawA        hE
                     ram   mohan   acc intelligent       consider­Impf   be­Pres
                     ‘Ram considers Mohan to be intelligent.’

Notice that both kahanA ‘to say’ and mAnanA ‘to believe’ seem to have two 
karmas, but only kahanA can be treated as taking two ‘karma’. This is because in 
(Relation­DS­k2g­1), bApU ‘bapu’ is a word or substance, whereas in (Relation­DS­
k2s­1), bApU ‘bapu’ is a property that resides in gAMXIjI. That is why in Relation­
DS­k2s­1  bApU is the object of a ditransitive verb and in Relation­DS­k2s­1 bApU is 
the complement of gAMXIjI and thus would be marked as k2s. 

Robust cues:
1. k2s can only be there if there is a k2 in a sentence.

Possible case of confusion:
There may be some inconsistency in marking the additional argument in the 
form of either 'rs' or 'k2s' in the case of perception and communication verbs like, 
xeKa (to see), soca (to think) , suna (to hear/listen), pUCa (to ask), bola (to speak), 
etc. The additional argument should consistently be marked as 'k2s' and be directly 
attached to the main verb.

DRel­8.  k3 (karana 'instrument')

karana karaka denotes the instrument of an action expressed by a verb root. The 
activity of karana helps in achieving the activity of the main action. The karana 
karaka is annotated as k3. Some examples of sentences having karana karaka are 
given below. 

Relation­DS­k3­1 : rAma  ne    cAkU   se   seba   kAtA 
       Ram   erg   knife   inst  apple  cut
      'Ram cut the apple with a knife.' 

The element ‘with a knife' in the above sentence is karana as with the help of the 
knife, the result, i.e. the ‘pieces of the apple’, is achieved. Some more examples of 
sentences having karana karaka are given below. 

Relation­DS­k3­2 : rAma ne    cammaca se    KIra              KAyI
                     Ram   erg   spoon     with  rice­pudding  ate
                        ‘Ram ate the rice­pudding with a spoon.’

Relation­DS­k3­3 :  sIwA ne    pAnI se       GadZe ko    BarA
                    Sita  erg  water with   clay­pot acc  filled
                ‘Sita filled the clay­pot with water.’

Any element/noun which is instrumental in achieving the result would be marked as 
'k3' for karana. The noun need not necessarily denote a physical object which is an 
instrument. For example, the noun 'pAnI' (water) in the sentence Relation­DS­k3­3, is 
instrumental in achieving the action of 'BaranA' (to fill). Thus, 'pAnI' (water) would 
be marked as 'k3' (karana).

Syntactic cues : karana karaka always takes a se vibhakti (postposition) in Hindi.

Possible cases of confusion:

1. Many other non­k3 karakas can also take se vibhakti. We saw this in the case of 
karta karaka above. se vibhkati can also be taken up by k4 (cf. section 4.1.9). It can 
also appear with rh (cf. section 4.1.23), and k5.

2. se is quite an ambiguous vibhakti. The following examples list out some varied 
cases. You will notice that one cannot solely depend on the vabhakti to decide the 
relations and that the semantics of the verb is an equally important factor

- koI [kisi se]/k2 milawA hE
- koi [kisi se]/k2 samparka banAwA hE
- koI [kisi se]/k4 kehawA hE
- koI [kisi se]/k4 pUcawA hE
- koI [kisi se]/ras­k1 bAwa karwA hE
- koI [kisi se]/ras­k1 milwA hE
- … kisi ke [havAle se]/k3 …
- koI [kisi se]/k5 ubawA hE
- koI [kisi se]/mk1 kuCa karvAwA hE

DRel­9.  k4 (sampradana 'recipient')

Sampradana karaka is the recipient/beneficiary of an action. In other words, the 
person/object for whom the karma is intended for is sapradana. 

Relation­DS­k4­1 : rAma ne  mohana ko    KIra               xI
              Ram  erg  Mohan  dat    rice­pudding  gave
             ‘Ram gave rice­pudding to Mohan.’

Relation­DS­k4­2 : rAma ne  mohana ko   kahAnI  sunAyI
                       Ram  erg  Mohan  dat  story      told
                         ‘Ram narrated a story to Mohan.’
 
The final destination of the action xI ‘gave’ in Relation­DS­k4­1 above is 
mohana ‘Mohan’ which is marked with ko. Similarly the final destination of the 
action sunAyI ‘told’ in Relation­DS­k4­2 is mohana ‘Mohan’ which is again marked 
with ko.

Syntactic cue : sampradana karaka normally takes a ko vibhakti in Hindi.

B. Certain cases where sampradana does not take a ‘ko’ postposition

Verbs such as ‘kahanA’ take a 'se' vibhakti for K4.

Relation­DS­k4­3 : rAma ne hari se yaha kahA
        Ram  erg Hari to this  said
        ‘Ram said this to Hari.’

It appears that some communication verbs take ‘se’ vibhakti for k4 but not all. 
Therefore, k4 of verbs such as ‘bawAnA’, ‘sunAnA’ does not take a ‘se’ vibhakti. It 
takes a ‘ko’ vibhakti in these cases also.

Relation­DS­k4­4 : rAma ne hari ko yaha bAwa bawAyI
       Ram   erg Hari to this   matter  told
       ‘Ram told this (matter) to Hari.’

Robust cues:
1. For verbs like bola, kaha, puCa, etc. noun with ‘se’ vibhakti is k4. For example,
rAma ne     mohana   se      kuCa            bolA.
Ram  erg    Mohan    ABL  something    said
            ‘Ram said something to Mohan.’

DRel­10.  k4a (anubhava karta ‘Experiencer’)

Perception verbs such as seems, appear etc have a perceiver/experiencer 
participant. In the Hindi example Relation­DS­k4a­1 below, rAma is k1, buxXimAna 
is k1s and muJako ‘I­Dat’ is k4a (perceiver). Here muJako ‘I­Dat’ is a passive agent 
i.e. experiencer who is not making any effort but just receiving or perceiving the 
activity carried out by another agent is identified as anubhava karta and is marked as 
k4a. The term anubhava karta does not occur in Sanskrit grammatical literature. This 
has been introduced here for Hindi based on the observations of Hindi syntax. Also, 
since the passive participation of perceiving is that of a receipient, it has been placed 
under sampradana here. The anubhava karta can be equated with a dative subject.

Relation­DS­k4a­1 : muJako rAma buxXimAna  lagawA hE 
                        I­Dat     ram   intelligent      seems    be­Pres
                       ‘Ram seems intelligent to me.’

Syntactic cues : anubhava karta always takes a ko vibhakti. Argument of 
unaccusative verbs having a 'ko' vibhakti  would also be marked as anubhava karta  
(Example Relation­DS­k4a­2 below).Verbs such as laganA ‘to seem’ and xiKanA ‘to 
appear’ take passive agents and would be marked as 'k4a'. On the other hand, verbs 
such as  mAnanA ‘to believe’ and xeKAnA ‘to see’ take active agents and would be 
marked as 'k1'. See the following examples: 

Relation­DS­k1­10 : vaha  mAnawA        hE          ki    rAma buxXimAna     hE
                              he     believe+hab    be­Pres  that  Ram    intelligent    be­Pres
                      ‘He believes that Ram is intelligent.’
Relation­DS­k4a­2 :  muJako cAzxa xiKA
                     I­Dat     moon  appeared
                    'I saw the moon.'

Relation­DS­k1­11 :  mEne cAzxa xeKA
                      I­Erg  moon  saw
                  'I saw the moon.'

In examples (Relation­DS­k1­10 and 11), vaha ‘he’ and mEne ‘I­erg’ respectively are 
k1 as they are active agents. On the other hand, in examples Relation­DS­k4a­1 and 
2 , muJako  ‘I­Dat’ is k4a as in both the examples it appears as a passive agent 
(experiencer). Some more examples of anubhava karta are:

Relation­DS­k4a­3 :  rAma ko  kiwAba milI
                   Ram    Dat book     got
                  ‘Ram found a book.’ 

Relation­DS­k4a­4 : rAma ko   BUka    lagI
                 Ram    Dat hungry  felt
                  ‘Ram felt hungry.’

Relation­DS­k4a­5 : rAma ko    xuKA             hE
                  Ram   Dat   unhappiness   is
                 ‘Ram is unhappy.’

Relation­DS­k4a­6 :  muJe/muJako acCA lagA
                      I­Dat                good  felt  
                        ‘I felt good.’

Relation­DS­k4a­7 :  muJe/muJako   laddU  acCe  lagawe      hEM
                      I­Dat                 sweet   good  feel­hab   be­Pres
                      ‘I like sweets.’

DRel­11.  k5 (apadana 'source')

apadana karaka indicates the source of the activity, i.e. the point of departure. 
A noun denoting the point of separation for a verb expressing an activity which 
involves movement 'away from' is apadana. In other words, the participant which 
remains stationary when the separation takes place is marked k5. 

Relation­DS­k5­1 : rAma ne  cammaca  se   katorI  se     KIra            KAyI
                           Ram   erg  spoon     with  bowl   from  rice­pudding ate
             ‘Ram ate the rice­pudding from a bowl with a spoon.’

Relation­DS­k5­2 :  cora    pulisa se       BAgawA         hE
                    thief   police  from   run­away­hab pres  
              ‘The thief runs away from the police.’    
         
Syntactic cues : apadana karaka always takes a se vibhakti in Hindi. However, since 
'se' postposition in Hindi is functionally overloaded, it is not a very reliable cue for 
identifying a karaka. Therefore, one has to look for additional cues in cases where 'se' 
is a vibhakti. The other cue in case of apadana karaka would be the verb semantics. If
the verb denotes some motion, then the point of departure would be marked with 'se' 
and that would be apadana karaka. 

B. Emotional verbs such as  gussA honA 'to be angry', KuSa honA 'to be happy' also 
take an apadana karaka. The entity which triggers these emotions is annotated as k5

Relation­DS­k5­3 : rAma mohana se gussA hE
        Ram  Mohan  from angry is
        'Ram is angry with Mohan'
 The example Relation­DS­k5­3 shows a case where there is no explicit point 
of separation from the noun 'mohana' (Mohan). However, it will still be marked as 'k5'
since it expresses the source of anger. At an abstract level, the anger is triggered from 
Mohan. Thus, 'mohana' (Mohan) would be the point of departure for the emotion of 
anger triggered in 'rAma' (Ram) and will be marked as 'k5'.

C. Verbs such as pUCanA 'to ask' also take a k5. The entity from which the 
information has to be elicited is marked as k5 as it functions as the source.

Relation­DS­k5­4 : mEMne  usase     eka  praSna  pUCA
                            I­erg      him­abl  one question  asked
                           ‘I asked him a question.’    

DRel­12.  k5prk (prakruti apadana 'source material' in verbs denoting change of 
state)

Examples such as the following pose an interesting problem for appropriate 
karaka assignment. 

Relation­DS­k5prk­1 : jUwe camade se banawe hEM
                shoes leather  from make­hab be­pres­pl
            'The shoes are made of leather.'

The issue here is whether 'camade' (leather) in the above example is karana karaka or 
apadana. Both these karakas in Hindi take a 'se' postposition. Therefore, how do we 
decide what role 'camade' (leather) is playing in the action of 'banate' (make). An 
instrument participates in an action as a mediator for accomplishing the result of the 
action  and is not itself affected by it, i.e., it does not undergo a change. However, 
‘camade’ as a participant in the action of 'banate' (make) undergoes a change and also 
has a relation with the finished product.  Change of state verbs such as 'make' require 
at least two participants 'a raw material' ('leather' in this case) with the aid of which a 
finished product ('shoes' in this case) is made. Hence, it is a relation which involves a 
kind of separation – separation from the larger raw material from which a product is 
made.  The karaka relation will then be a special case of apadaan i.e k5. This is 
because there is a conceptual separation point from the original raw material ‘camade’
(leather) to the finished product ‘jUte’ (shoes). The two states in this change of state 
action are referred to as prakriti 'natural' and vikruti  'change'. Therefore the tag for 
this type of  apadana is named as 'k5prk'.
NOTE: Currently, this distinction of k5 is not being annotated in the treebank.

DRel­13.   k7t (kAlAdhikarana 'location in time')

Adhikaran karaka is the locus of karta or karma. It is what supports, in space 
or time, the karta or the karma. The participant denoting the time of action is marked 
as 'k7t'. For example,

Relation­DS­k7t­1 : rAma  cAra baje  AegA
               Ram    4’o clock   come
        'Ram will come at 4’o clock.'

In the example above, ‘cAra baje’ is k7t. adhikarana can be of time or space. It is not 
mandatory of adhikarana to always take a vibhakti. Therefore, even k7t may occur 
with or without a vibhakti.  For instance, in example Relation­DS­k7t­2 and 3 there 
are no vibhaktis, whereas Relation­DS­k7t­4 and 5  take a meM.
            
Relation­DS­k7t­2 :  kala         pAnI   barasA  WA
                   yesterday water  rained    be­Past
                         ‘It rained yesterday.’

Relation­DS­k7t­3 : rAma  pahale  AyA 
                       Ram    first     came
                          ‘Ram came first.'
Relation­DS­k7t­4 :  usa  jZamAne  meM  mahazgAI          kama   WI
                       that period         in        expensive­ness  less     be­Past
                          ‘The cost of living was less those days'
Relation­DS­k7t­5 : bacapana  meM  vaha  bahuwa  SEwAna  WA
                         childhood    in        he     very     naughty   be­Past
                           ‘He was very naughty in his childhood.’

Syntactic cue : As mentioned above, 'k7t' is often marked by a 'meM' vibhakti. Some 
time expressions (such as 'subaha' – morning, 'pahale' – before/first, 'kala' – 
yesterday/today, 'mahIne' – month etc) when participating in an adhikarana role do 
not take any vibhakti. However, there are some specific cases where 'k7t' has other 
vibhaktis as well. For example,

Relation­DS­k7t­6 : wuma mere Gara SAma   ko   AnA
            you    my    home  evening acc come
        'You come to my place in the evening.'
Relation­DS­k7t­7 : rAma apanA kAma samaya para karawA  hE 
         Ram  own    work   time     on     do­hab  be­pres
         'Ram does his work on time'

DRel­14.   k7p (deshadhikarana 'location in space')

The participant denoting the location of karta or karma at the time of action is 
called as deshadhikarana. It will be marked as 'k7p'. Some examples of 'k7p' are 
given below.

Relation­DS­k7p­1 :  mejZa para  kiwAba  hE
                        table     on      book     is
                ‘The book is on the table.’

Relation­DS­k7p­2 : havA  meM  TaMdaka hE
                  air       in        chill         is
                ‘The air is very chill.’

Relation­DS­k7p­3 : rAma  vahAz  KadZA     hE  jahAz  SyAma  KadZA       hE
                         Ram     there   standing      is   where   Shyam   standing        is
                 ‘Ram is standing there where Shyam is standing.’

Syntactic cues : Like location of time(k7t), some locations of place carry explicit  
vibhaktis (case markers) and some don’t. When a location of place does take an 
explicit vibhakti then most of the postposition would be meM ‘in’ or para ‘on’. In 
example Relation­DS­k7p­3  'k7p' has no vibhakti. The tag k7p refers to a location of 
place which is an actual physical place and not a metaphorical or abstract place. 

DRel­15.   k7 (vishayadhikarana 'location elsewhere')

Another kind of adhikarana is  vishayadhikarana  which can be roughly 
translated as 'location in a topic'. For example

Relation­DS­k7­1 : ve     rAjanIwi  para  carcA        kara rahe We
        they poilitics  on      discussion do    prog be­past
        'They were discussing politics.'

However, the term 'topic' can be misleading as it is not restricted to the 'topic' of 
discourse alone. It is in fact a location other than time and place. Some more 
examples of vishayadhikarana are :           
                  
Relation­DS­k7­2 :  harI  ne   svawanwrawA    saMgrAma  meM  hissA  liyA
              Hari  erg  independence   movement     in      part  took
            ‘Hari took part in the independence movement.’

Relation­DS­k7­3 : unhoMne  apane  SiSya   ko     ASrama  kI  sevAoM  se      
                    he­erg      own     student   acc    ashram    of   services  from  
                  mukwa     karane  meM   saMkoca   nahIM   kiyA.
                           Free       doing    in        hesIwAtion    not         did
                    ‘He didn’t hesitate in freeing his student from the services of the 
      ashram.’

Relation­DS­k7­4 : mere mana meM gussA hE
        my    mind  in     anger is
        'I am angry'

Relation­DS­k7­5 : merA mana amarIkA meM hE
       my     mind  America  in   is
       'I am mentally in America.'

In the example (4) above 'mana' is not a concrete physical place, therefore, it 
will be marked as k7. In the example (5), 'amerikA' is an actual physical place, but 
this will also be NOT marked as k7p. Instead, it will be marked as k7. The reason for 
marking it as k7 is that though America is an actual physical place, but the entity 
(mana in this case) which is in America is not. So, for a participant to be marked as 
k7p there has to be an actual physical contact, i.e., the located and the location have to
be concrete objects. If they are not, then the location would be marked as k7.

Syntactic cue : Like other types of adhikarana, vishayAdhikarana also takes 'meM' 
and 'para' postpositions as its case markers.

DRel­16.  k7a (according to)

For noun chunks with vibhaktis, ke_muwAbika/ke_anusAra/ke_wahawa should be 
marked as k7a. For example,

Relation­DS­k7a­1: rAma ke       muwAbika    sIwA     Gara     para   nahIM   hE.
        Ram  gen     according     Sita        home       loc     not         is
 ‘According to Ram, Sita is not at home.’

DRel­17.    k*u (sAdrishya 'similarity/comparison')

The tag to mark similarity is 'k*u'. This can be used for annotating both 
similarity and comparison. The tag is marked on the 'comparand' in a comparative 
construction.  Since the compared entity can compare with any karaka, the tag 
includes a star. '*' in the tag label is a variable for whichever karaka is the comparee 
of the comparand. Therefore, while marking the comparand (the compared entity), the
* would be replaced by the appropriate karaka label. For example, 

Relation­DS­k*u­1 : rAXA mIrA jEsI sunxara hE
                     Radha Mira like   beautiful is
               ‘Radha is beautiful like Mira.’

In the above example, 'rAXA' is the karta of the verb 'hE'. 'mIrA' is the comparand 
(entity with which 'rAXA', the karta, is being compared) and 'rAXA' is the comparee 
(entity which is being compared). Therefore, 'mIrA' in the above example will be 
annotated as 'k1u'. Some more examples are given below
:
Relation­DS­k*u­2 : sIwA  ko mIrA rAXA jEsI  sunxara     lagI
             Sita  Dat Mira rAXA  like   beautiful   appeared
               ‘ To Sita Mira appeared as beautiful as Radha.'

Relation­DS­k*u­3 : sIwA mIrA ko rAXA  jEsI sunxara   mAnatI hE
          Sita Mira acc Radha like beautiful consider pres
          'Sita considers Mira as beautiful as Radha.'

Relation­DS­k*u­4 :  rAXA  mIrA kI   tulanA         meM  adhika  sunxara   hE
                            Radha  Mira  of  comparison   in       more     beautiful  is 
                    ‘Radha is more beautiful in comparison to Mira.’

Similarly, in the example Relation­DS­k*u­2, 'mIrA' is the comparee and 
'rAXA' comparand. Therefore, 'rAXA' would be marked as 'k1u'. However, in 
example Relation­DS­k*u­3, 'Mira', the comparee is 'k2', thus 'rAXA', the comparand 
will be annotated as 'k2u'.

Syntactic cue : In the comparative constructions the comparand will take either 'jEsA'
or 'se' postposition.
DRel­18.   r6 (shashthi 'genitive/possessive')

The genitive/possessive relation which holds between two nouns has to be 
marked as 'r6'. For example,                              

Relation­DS­r6­1 : sammAna kA BAva
             respect      of   feeling
            ‘Feeling of respect.’

Relation­DS­r6­2 : puswaka kI  kImawa
             book       of   price
              ‘Price of the book.’

Relation­DS­r6­3 : pATaka kI  krayaSakwi
                   reader   of   purchasing­power
           ‘Purchasing power of the reader.’

Syntactic cues : This is one of an easy to identify relation. It has a relatively reliable 
syntactic cue. It mostly occurs with a 'kA' postposition. A reliable cue for its 
identification is that the postposition 'kA' agrees with the noun it modifies in number 
and  gender. Thus, in example Relation­r6­1 above 'kA'  has masculine gender and  
singular number which agrees with the following noun (its modified) ''. In Relation­
r6­2 and 3, the postposition 'kA' agrees with 'kImawa' and 'krayaSakwi', both feminine
nouns in Hindi. 

Possible case of confusion:

The ‘kA/ke/kI’ vibhakti can occur with relations other than r6. We see this in 
section DRel­18, DRel­19. Sometimes, this vibhakti can also be taken up by a k1 (cf. 
example Relation­DS­k1­8)

DRel­19.   r6­k1, r6­k2 (karta or karma of a conjunct verb (complex predicate))

  Indian languages have extensive use of conjunct verbs. A conjunct verb is 
composed of a noun or an adjective followed by a verbalizer. Some times the 
argument (karta or karma) occur in a genitive case. Whenever the argument of a 
conjunct verb is in genitive case it will have a dependency relation with the noun of 
the conjunct verb. This is because the argument in the genitive case agrees with the 
noun of the conjunct verb and not with the verb.  The noun of the conjunct verb 
agrees with the verb. In the exmple Relation­DS­r6­k1­1 below, maMxira kA ‘temple 
of’ will be marked as r6­k1with uxGAtana ‘inauguration’. maMxira has r6 relation 
with the noun of conjunct verb and in the sentence, maMxira has karaka relation k1 of
the conjunct verb 'uxGAtana karanA'. In example Relation­DS­r6­k2­1, maMxira kA 
‘temple of’ will be marked as r6­k2 with uxGAtana ‘inauguration’. maMxira has r6 
relation with the uxGAtana ‘inauguration’ which is the noun of conjunct verb and in 
the sentence, maMxira has karaka relation of k2. 

Relation­DS­r6­k1­1 :  kala         manxira kA uxGAtana     huA
                                     yesterday temple    of  inauguration happened                            
            'Yesterday, the temple got inaugurated.'

Relation­DS­r6­k2­1 : manwrIjI ne kala         manxira kA uxGAtana kiyA
                                    minister  erg yesterday temple    of  inauguration did                  
            'The minister inaugurated the temple yesterday.'

Remarks:
1. A genitive noun attached to the nominal part of the complex predicate should 
be r6­k*.
2. Presence of r6­k* indicates that the verb is complex.
3. A genitive k1/k2 attached to a complex verb must be r6­k1/r6­k2 respectively. 
Also, its attachment should be with the nominal part of the complex verb. 
Thus,  the example Relation­DS­r6­k2­1, would be annotated as follows,

((manwrIjI ne))__NP  <drel='k1:VGF' name='NP'>
((kala))__NP   <drel='k7t:VGF' name='NP2'>
((manxira kA))__NP  <drel='r6­k2:NP4' name='NP3'> 
((uxGAtana))__NP  <name='NP4' drel='pof:VGF'>
((kiyA))__VGF  <name='VGF'>

Possible case of confusion:
1. r6­k* and pof should not have the same parent.

DRel­20.   r6v ('kA' relation between a noun and a verb)

There are instances where a noun with 'kA' is attached to the verb but does not 
have any karaka relation. Instead, it does indicate a sense of possessesion. For 
example,  

Relation­DS­r6v­1 :  rAma ke  eka betI         hE
                          Ram    of  one daughter  is
                ‘Ram has a daughter.’

The above example has a possessive relation between the noun rAma ke ‘Ram’s’ and 
the verb hE ‘is’. The relation between this noun and the verb is marked as r6v.

Syntactic cue: In a r6v relation, the 'kA' vibhakti normally does not agree with the 
noun after it. 

DRel­21.  adv (kriyAvisheSaNa  'adverbs ­ ONLY  'manner adverbs'  have to be taken
here').

Adverbs of manner are marked as 'adv'. Note that the adverbs such as place, time, etc. 
are not marked as 'adv' under this scheme. Place adverbs are assigned 'k7p' tag and 
time adverbs are marked as 'k7t'.

Relation­DS­adv­1 : vaha  jalxI  jalxI  liKA  rahA WA
                     He     fast   fast    write   prog  be­past 
                     'He was writing fast'

Relation­DS­adv­2 : vaha bahuwa wejZa bolawA        hE
                       he     very       fast   speak­hab  be­pres 
                             'He speaks very fast'

Remarks:

1. Sometimes an adv can occur with a se vibhakti such as in kaWiwa rUpa se

DRel­22.  sent­adv (Sentential Adverbs)

Some adverbial expressions have the entire sentence in their scope. For example, 

Relation­DS­sent­adv­1 : isake   alAvA, BakaPA (mAovAxI)  ke rAmabacana yAxava
     this­of  apart,   BKP       (maoist)    of  Rambacana  Yadav 
       ko  giraPZawAra kara liyA           gayA
ACC   arrest               do   reflx­perf  go­perf
‘Apart from this, Rambacana Yadav of BKP (Maoist) was 
arrested.'
In the above example, phrase 'isake alAvA' is a connective which is modifying the 
verb but has the entire clause in its scope. Such expressions would be attached to the  
verb of the sentence they are modifying and the attachment would be labeled as  'sent­
adv'.

Remarks:

1. A list of possible lexical items that act as sent­adv is given in Appendix 10.3

Possible case of confusion:
1. A conjunct cannot be sent­adv of a verb.

DRel­23.  rd (relation prati 'direction')

The participant indicating ‘direction’ of the activity has to be marked as ‘rd’. 
The label 'rd' stands for ‘relation direction’.

Relation­DS­rd­1 :   sIwA  gAzva  kI  ora              jA rahI  WI
                           Sita   village  of   direction    go  prog be­past
               ‘Sita was going towards her village.’

Relation­DS­rd­2 : pedZa  ke  Upara  pakR udZa rahA  hE
                     tree     of   above   bird       fly    prog   be­pres
           ‘The bird is flying over the tree.’

Relation­DS­rd­3 : rAma ke  prawi     mohana ko  SraxXA  hE
                     Ram   of  direction Mohan  dat  respect   be­Pres
               ‘Mohan has respect for Shyam.’

Syntactic cues : An element having postpositions such as 'kI_ora' or 'ke_prati' is to be
marked as 'rd'.

DRel­24.  rh (hetu 'reason')
 
The reason or cause of an activity is to be marked as 'rh'.

Relation­DS­rh­1 :  mEne  mohana kI  vajaha se  kiwAba  KArIxI
                       I­erg     Mohan of  because     book      bought
                ‘I bought the book because of Mohan.’

Relation­DS­rh­2 : mohana  vyavasAyika  lakSya  se            kAma  karawA   hE
             mohan    professional   goal   because of  work   do­Impf   be­Pres
      ‘Mohan works for professional goals.’

Syntactic cues : Complex postpositions such as 'ke_karana', 'kI_vajaha_se' etc are 
indicators of 'rh' relation. An 'rh' relation might also occur with a 'se' postposition. 
However, since 'se' postposition in Hindi is highly overloaded, its presence alone can 
not be a deciding factor. 

Robust cues:
1. Noun chunk with vibhakti ke_kAraNa/ki_vajaha_se should be rh. 
2. Conjunct 'kyoMki' should be rh and should have a parent and a child.

DRel­25.  rt (tadarthya 'purpose')

The purpose of an action is called as tadarthya which is marked as rt.

Relation­DS­rt­1: mEne mohana ke liye  kiwAba  KArIxI
                      I­erg  mohan   for         book    bought
                ‘I bought the book for Mohan.’

Relation­DS­rt­2: mEne jAne   ke liye tiketa  KArIxA
                      I­erg  going  for       ticket  bought
                             ‘I bought the ticket for going.’

Relation­DS­rt­3: mohana padZane ke liye skUla   jAwA     hE
     Mohan  studying    for      school go­hab  be­Pres
                ‘Mohan goes to school for studying.’
     
Notice that in the second and third examples above, have verbs which are purpose of 
the action. For example in the example Relation­rt­2  jAne   ke liye ‘for going’ is the 
purpose of the action KArIdI ‘bought’.

Syntactic cue : Most often 'ke_liye' postposition in Hindi indicates a 'rh' relation.
DRel­26.   ras­k*  (upapada_ sahakArakatwa  'associative')

            In sentences where two participants perform  the same action but syntactically 
one is expressed as primary and the other as its associate, the associate participant is 
marked as 'ras­k*'.  k* can be any karaka of which it is an associative. In this tag 'r' 
stands for relation and 'as' stands for 'associative'. The associative, like comparative 
can be for any relation, karaka or non­karaka. The * stands for the label whose 
associative it is.
 
Relation­DS­ras­k1­1 :  rAma  apane pIwAji ke sAWa bAjZAra gayA
                Ram    own   father of  with   market    went
                                'Ram went to the market with his father'

Relation­DS­ras­k1­2 : rAma ke  sAWa  mohana  ne   bhI   xUXa  ke sAWa  kele      KAye
                     Ram   of  with   Mohan  erg also  milk   of  with   banana  ate
                  'Along with Ram, Mohan also ate bananas with milk'

In the first example rAma is 'k1' of the action 'gaya' (went) and since pIwAjI ‘father’ is
associative of rAma so it will be marked as 'ras­k1'. The second example (Relation­
ras­2) has two instances of associative karakas. 'rAma' is associative of 'mohana', thus
will be marked as 'ras­k1' and 'k1' respectively.  Also, xUXa ‘milk’ is associative of 
kele ‘bananas’ which is k2 so xUXa will be marked as 'ras­k2'.

Similarly, we can have associatives for other tags as well. Given below are 
examples for ‘ras­k4’, and ‘ras­k7’ 

Relation­DS­ras­k4­1 :  praXAna manwrI ne   anya  pawrakAroM  kI waraha   hI      
                                      Prime     minister erg   other reporters        like­that      emph    
       taruNa vijaya    ko    milane    kA samaya xiyA WA
          Tarun  Vijay    Acc. meeting  of  time      gave was
                            'The Prime Minister had given Tarun time for meeting like he
had given to the other reporters.’

In the above example, anya pawrakAroM ‘other reporters’ is associative of taruNa 
vijaya ‘Tarun Vijay’ which is k4 so anya pawrakAroM ‘other reporters’ will be 
marked as ‘ras­k4’.

Relation­DS­ras­k7­1 :  unhoMne rAjnIwika viSayoM ke sAWa sAWa anya  viSayoM 
                                  He­erg     political    topics     of  with   with   other  topics     
                               par  BI      kiwAbeM liKI
                       on  emph books        wrote
                             'He has written books on other topics including political issues.’

rAjnIwika viSayoM ‘political topics’ is associative of anya  viSayoM ‘other  topics’ 
which is k7 so rAjnIwika viSayoM ‘political topics’ will be marked as ‘ras­k7’.

Syntactic cues : Postposition 'ke_sAWa', ‘ke sAWa sAWa’, and ‘kI waraha’ normally
marks an associative relation.
 

DRel­27.  ras­neg (Negation in Associatives) 

In sentences where a karaka and its associative participate in an action but the 
associative does not perform the action, the associative is  participant is marked as 
'ras­NEG'.

Relation­DS­ras­NEG­1 :  rAma  pIwAjI ke binA  gayA
            Ram    father   without   went 
         'Ram went without his father'

rAma is k1 and pIwAjI ke binA ‘without his father' has an associative relationship with
rAma. The relation is denoted by ras­NEG. 

Syntactic cues :  Postposition ke binA ‘without’ indicates  the sense of negation of 
associative.

DRel­28.  rs  (relation samanadhikaran 'noun elaboration')

Elements (normally clauses) which elaborate on a noun/pronoun are annotated 
as 'rs'.

Relation­DS­rs­1 : bAwa  yaha  hE  ki    vo  kal          nahIM AyegA
                    fact      this    is  that  he tomorrow  not     will­come
                   'The fact is that he will not come tomorrow'

bAwa 'fact' is 'k1' (karta) in the above example and  yaha 'this' is its 'k1s' (k1 
samanadhikaran). The relations k1 and k1s will be attached to the verb whereas the 
clause  ki  vo  kal  nahI  AyegA 'that he will not come tomorrow' will have a 
dependency relation with yaha 'this'. The relation is denoted by 'rs' (relation 
samanadhikaran). The main verb will take one samanadhikaran as its argument. If 
there are two samanadhikarans then the second samandhikaran is related with one of 
karakas with which it is associated. 

Relation­DS­rs­2 : usane   yaha  kahA  ki    rAma  kala         nahIM  AyegA
                     he­erg   this     told   that  ram   tomorrow  not     will­come
                     ‘He told that Ram will not come tomorrow.’

In Relation­DS­rs­2  above the complement clause is the complement of the 
karma pronoun yaha ‘this’. Therefore, it will be attached to the pronoun ‘yaha’ and 
would also be labeled as ‘rs’. While annotating the sentence, the conjunct ‘ki’ will be 
annotated as ‘rs’ will be attached to the ‘yaha’ which is the k2  of the verb of the main
clause ('kahA' in this case). The finite verb of the complement clause ('nahIM AyegA' 
in the above example) will be attached to the conjunct ‘ki’ (that) and would be labeled
as ‘ccof’. 

Remarks:
Possible case of confusion:

1. There may be some inconsistency in marking the additional argument in the 
form of either 'rs' or 'k2s' in the case of perception and communication verbs 
like, xeKa, soca, suna, pUCa, bola, etc. The additional argument should 
consistently be marked as 'k2s' and be directly attached to the main verb.

DRel­29.  rsp (relation for duratives) 

The durative expressions have two points – a point of starting and an end 
point. The expression as a whole may express time, place or manner etc. The tag 'rsp' 
shows the relation between the starting point and the end point of a durative 
expression. For example, 

Relation­DS­rsp­1 :  1990  se     lekara   2000  waka BArawa kI  pragawi        wejZa   rahI
                  1990  from  taking  2000  till   India    of development  fast     was
                      'India was fast developing from 1990 till 2000' 

The entire expression kala se lekara Aja waka ‘from yesterday till today’ is a time 
expression. There are two parts in this time expression, one is starting point(kala) and 
the other is the ending point(Aja). The vibhaktis se ‘from’ and waka ‘till’ give us the 
information of starting point and ending point in time. As the entire expression kala  
se   lekara  Aja  waka   is a time expression  it will have a k7t (time relation) relation 
with the verb. Now internally the two parts of the time expressions are related to each 
other. So the relation of  kala se lekara ‘from yesterday’ with Aja waka ‘till today’   
will be rsp (relation source of a durative). 

Syntactic cues : Duratives will have 'se lekara ­ ­ ­  waka' construction. 

DRel­30.  rad (address terms)

Terms such as SrImAnajI, paMdiwajI etc. are the address terms. Such terms are 
annotated as 'rad'. 

Relation­DS­rad­1 :  mAz,      muJe   kala           xillI     jAnA hE'
                mother,  I­Dat    tomorrow  Delhi  to go be­pres  
               'Mother, I have to go to Delhi tomorrow'
Relation­DS­rad­2 : mAstara sAhaba, kyA   kala          skUla  KulA hE
                 master     hon         what tomorrow  school open  be­Pres    
                    ‘Teacher, is the school open tomorrow?’

DRel­31.  nmod__relc,  jjmod__relc,  rbmod__relc (relative clauses, jo­vo 
constructions)

A relative clause construction in Hindi has a 'jo' pronoun. Typically, the 
modified element has a pronoun 'vaha' in it. Such relative clauses where there is a 
corresponding 'vaha' pronoun in the main clause are called relative­correlative (jo­vo) 
constructions. The jo­vo constructions in Hindi are highly productive. These occur not
only as noun modifiers but also as modifiers of adjectives and manner adverbs. 

Relative_clause­DS­1 : merI bahana [ jo   xillI   meM rahawI    hE]   kala          A     rahI  hE
  my    sister    who  Delhi  in      live­hab  pres  tomorrow come prog pres
 'My sister who lives in Delhi is coming tomorrow'

The above example does not have a 'vaha' pronoun in the modified NP. Relative 
clauses without a 'vaha' pronoun in the modified NP normally are elaborative in 
nature. These are also not so frequent. 

A relative clause can be either prenominal or postnominal.

(a) Prenominal:  The relative clause occurs to the left of the head noun and it carries 
a relative pronoun  'jo'  as a demonstrative along with the noun. For example, 
Relative_clause­DS­2:  [jo     ladZakA vahAz KadZA   hE]  [vaha merA BAI      hE]    
              who   boy         there   standing pres    he     my     brother  is
              'The boy who is standing there is my brother'

Relative clause in the above example is modifying 'vaha' of the main clause. 
However, 'vaha' itself refers to 'ladZakA' which occurs in the subordinate relative 
clause along with the relative pronoun 'jo'. Thus, the relative clause has 'jo ladZakA' 
as the relativizing element. The pronoun vaha 'he' in the main clause has ' jo ladZakA'
as its referent. The prenominal relative clauses in Hindi moslty have this structure.

(b) Postnominal: The relative clause occurs to the right of the head noun and the 
relative pronoun in such cases behaves like a full­fledged pronoun and is not a 
demonstrative any more. 

Relative_clause­DS­3 :  vaha  ladZaka  [jo    vahAz KadZA   hE]  merA  BAI      hE
          that      boy        who  there  standing  pres  my   brother is 
       'The boy who is standing there is my brother'
A relative clause can also occur to the right of the main verb as in the following 
example:

Relative_clause­DS­4 : vaha  ladZakA merA BAI     hE  [jo   vahAz KadZA   hE]
        that      boy        my    brother   is   who  there  standing  pres
      'That boy is my brother who is standing there.'

A relative clause can modify any element in the main clause whatever its 
participatory role it might have. Thus a relative clause can modify a karta 
(subject/agent), karma (direct object), samradana (indirect object), karana, 
adhikarana (oblique object) etc.
 

(i) karta (subject) modification :­

Relative_clause­DS­5 :  jo     ladZakA  vahAz  KadZA   hE  vaha merA bhAI       hE
 who  boy           there   standing  pres he    my    brother   pres
 'The boy who is standing there is my brother.'

(ii) karma (object) modification) :­

Relative_clause­DS­6 : rAma ne  vaha seba  KAyA  jo    KArAba  ho       gayA   WA
      Ram  erg    that  apple     ate   which  rotten   happen go­perf be­past
        'Ram ate an apple which was rotten.'
(iii) sampradana (Indirect object) modification :­

Relative_clause­DS­7 : rAma ne   usa ladZake ko  kiwAba xI      jo    vahAz KadZA   WA
  Ram  erg  that  boy    acc  book gave who there standing be­past
     'Ram gave the book to that boy who was standing there.'

(iv) karana (Oblique object) modification :­

Relative_clause­DS­8 :  rAma ne  usa cAkU se  seba   kAta  jo       wejza  WA
       Ram    erg that knife  by  apple cut   which  sharp  was
      'Ram cut an apple with the knife which was very sharp.'

Given below are the examples and corresponding tags for the 'jo­vo' constructions of 
Hindi : 

a. nmod__relc (relative clause constructions modifying a noun)    

Relation­DS­nmod__relc­1 :  jo    ladZakA vahAz bETA hE, vaha merA BAI      hE
                                           who    boy        there     sat     is    he     my    brother  be­pres
                           'The boy who is sitting there is my brother.'
                          
Since it is an entire clause which modifies an element in the main clause, the 
convention which is followed in the current annotation scheme is to attach the verb of 
the subordinate clause to the element it modifies. The relation between 'jo' and 'vo' is 
marked by showing a co­referential tag (coref). Therefore, a tree representation for the
above example would be as follows: 
                        hE

                                  k1           k1s

                                               vaha            merA BAI
                                           
      nmod__relc
       
                                             bETA_hE

       k1          k7p                   
                
                                jo ladZakA   vahAz
       <coref=vaha>
                                
    figure 3

b. rbmod__relc ('jo' construction modifying an adverb)  
A relative­corelative construction can occur for an adverbial expression as 
well. Such 'jo' clauses would be attached under the adverb they modify with a tag 
'rbmod__relc'.
Relation­DS­rbmod__relc­1 : rAma ne   jEsA      kiyA,  mEMne  BI  vaisA       hI       kiyA
             Ram  erg like­what  did,   I­erg   also like­that  emph   did
                           'I did exactly what Ram did.'

c.  jjmod_relc  ('jo' construction modifying an adjective)    
A 'jo' clause can also modify an adjective. It will be annotated as jjmod__relc
                      

Relation­DS­jjmod__relc­1 : makAna  vEsA   hI   suMxara   banAo,  jEsA      kahA    gayA      hE
                   house    like­that  part.beautiful  build   like­what  told  go­perf pres
                            'Build a house as beautiful as has been told'

(Here the clause containing  jEsA  is modifying  the adjective vEsA sunxara )

DRel­32.  nmod (participles etc modifying nouns)
       
nmod is an underspecified relation label employed to show general noun 
modification without going into a finer type. Since the dependency relations are being
marked at the chunk level, simple adjective modifiers do not normally occur at this 
level. An adjective ­ noun sequence is already chunked and their dependency relations
are marked only when the chunks are expanded into dependency sub­trees. A tag 'adj' 
is used for marking simple adjective – noun modification. This tag is not discussed in 
this document. The nominal modification by adjectival participles falls within the 
purview of this document. However, an underspecified tag 'nmod' is used to show 
these dependencies. 
Relation­DS­nmod­1 :  pedZa para bETI   cidZiyA gAnA  gA   rahI  WI
                           tree     on     sitting     bird       song  sing  prog  be­past
                   ‘The bird sitting on the tree was singing a song.’

In the above example, the participle clause 'pedZa para bEThI' is modifying the noun 
'cidZiyA'. Following a tree representation of the above sentence:
             gA  

                                                    k1             k2

 cidZiyA gAnA

                       nmod
  bETI

                   k7p
              pedZa

              figure 4
Syntactic cues : The non­finite verb form of such participial modifiers agree in 
gender and number with the noun it modifies. The gender and number of the verb 
'bEThI' in the above example agrees with the gender and number of the noun 
'cidZiyA'.

Remarks:

Robust cues:
1. An 'nmod' should be attached to a noun chunk.

DRel­33 vmod (verb modifier)

'vmod' is another underspecified tag. For some relations getting into 
finer subtypes is not yet possible. Such relations are annotated with slightly 
underspecified tag, a tag high on the dependency tag type tree given in figure 2 under 
section 3.2.3. 'vmod' is one such tag. A verb (especially non­finite) that modifies 
another verb is thus marked as 'vmod'. There can be two types of verb modifiers:

(a) Simultaneous : where the actions denoted by the two verbs modifier and modified
happen simultaneously.

Relation­DS­vmod­1 :   vaha  KAwe  hue      gayA
    he   eat­Impf­prtpl   went           
                                     'He left while eating'
 (b) Sequential : where one action happens after the completion of the another action.
   
Relation­DS­vmod­2 :   vaha  KAnA KAkara        gayA
     he     food    having­eaten  went
                                        'He left after eating the meal'

Relation­DS­vmod­3 : usako   vahAM gaye     hue   kaI      xina   bIwa    gaye      hEM
            he­Dat  there   go­perf prtpl several days   pass  go­perf  be­pres
             'A number of days have passed since he went there.'

(c) '­kara' participles in Hindi: Most Indian languages have a high frequency of 
participials usages. So does Hindi. Of various participles in Hindi, 'kara' is one of the 
most frequent one. It also serves several semantic functions. One of them is showing 
sequentiality of events (example Relation­vmod­2 above). Other than sequential, kara
participle has other senses also.   They are:

(i) Consequential : In case of a 'kara' participle modifying another verb, the 'kara' 
participle expresses the causality of the other action. 

Consequential_kara­DS­1 :  rAma sAzpa  ko   xeKakara     dara  gayA.
                  Ram   snake  acc  having seen   fear    go­past
                  ‘Having seen the snake Ram got frightened.’

(ii) Manner : The 'kara' participle in certain cases expresses the manner of the verb it 
modifies.

Manner_kara­DS­1 :  rAma BAgakara AyA.
            Ram    running    came
            ‘Ram came running.’

(iii) Instrument : 'kara' participle also acts as an instrument of the verb it modifies.

Instrument_kara­DS­1 : rAma mehanawa  karake           pEse     kamAwA  hE.
               ram    hard­work having done  money   earn        be­Pres
               ‘Ram earns money by working hard.’

All the above constructions with kara and wA huA are vmods. Finer analysis 
for the above is done. However, it has been decided to mark all of the above as 'vmod'
only. 

Remarks:
Robust cues:
1. A vmod should be attached to a verb chunk.
2. A noun/non­finite verb chunk with vibhakti ke_viruxXa/ke_KilAPZa should be
vmod.
DRel­34.   jjmod (modifiers of the adjectives)

The tag for modifiers of the adjective is also an underspecified tag. In 
this case finer relations have not been worked out as yet since the need for finer 
relation tag for adjective modifiers is not felt for syntactic annotation. Therefore, the 
tag for marking adjective modifiers is 'jjmod'.

Relation­DS­jjmod­1 :  halkI nIlI  kiwAba 
                 light   blue book
                        'Light blue book'

 ( The word  halkI  ‘light’ in the above example is modifying the adjective nIlI ‘blue’
and not the noun kiwAba ‘book’) 

Remarks:

1. A jjmod should be attached to an adjectival chunk.

DRel­35.  pof (part of units such as conjunct verbs)

A conjunct verb is a verb that is formed by combining a noun or an adjective 
with a verb. Therefore, the internal structure of a conjunct verb would be [noun/adj + 
verbalizer]. Conjunct verbs are highly productive in Hindi. 'karana, honA' are the 
most commonly occurring verbalizers in Hindi. Some of the other verbalizers are 
'lenA, denA'. Identifying a conjunct verb is a difficult process in Hindi as the 
syntactics diagnostic tests work only upto a point and not beyond. Literature on the  
definite syntactic behaviour of conjunct verbs does suggest a number of diagnostics 
though (Mohanan 1994; Butt, 2004; Chakrabarty et. al, 2007; Bhatt, 2008). 

In the current scheme a special tag 'pof' has been introduced to mark the conjunct 
verbs.  'pof' does not exactly denote a dependency. It rather represents that the two 
elements related by this tag are part of a multi word expression (MWE). Therefore, 
the relation between the two elements of the conjunct verb snAna + karana 'bath + 
do' would be shown as follows :
            kara

                     pof
                             snAna

figure 5

Some examples of conjunct verb constructions are given below :

Relation­DS­pof­1 : rAma ravi kI   prawIkSA kara rahA WA.
         Ram  Ravi of  wait         do      prog  be­past
         'Ram was waiting for Ravi'
                     
Relation­DS­pof­2 : rAma ne  eka  praSna  kiyA
               Ram  erg  one  question did
                 'Ram asked a question'

In Relation­DS­pof­1, prawIkSA kara ‘to wait’ is a conjunct verb. The 
relationship between prawIkSA and the verb kara ‘do’ will be marked as pof. In the 
second example above  praSna kiyA ‘questioned’ is a conjunct verb. But praSna 
‘question’ has a modifier eka ‘one’. The issue here is – semantically 'praSna karana' is
one unit. Therefore, it is logical to group them together within  a verb chunk. 
However, since the noun of a conjunct verb retains its nominal property and can be 
modified by an adjective (example Relation­DS­pof­2 above),we should be able to 
represent it in the dependency tree. Grouping them together within a verb chunk 
would fail to address the problem of an element modifying the noun element of a 
conjunct verb . eka ‘one’ in the above example is a modifier of praSna.  praSna itself 
is a part of the conjunct verb praSna kiyA. Since praSna kiyA is already grouped as 
one chunk, it is not possible to establish relation between eka and praSna. Therefore, 
the noun 'praSna' would be chunked separately from the verb 'kiyA' (Bharati et al., 
2006). However, the fact of 'praSna' and 'kiyA' being parts of a single unit, a conjunct 
verb, needs to be captured. 

To overcome this problem it was decided that we tag the noun of the conjunct 
verb as NN at the POS level. Thereafter, the noun is grouped with its preceding 
adjectival modifiers (if any) as an NP chunk. The only problem in this approach is 
that the information of a noun verb sequence being a 'conjunct verb' is not captured at 
the chunk level and the noun of the 'conjunct verb' is separated from its verbalizer. 
Thus, we show the 'parts­of' relation between the noun and the verbalizer of a 
conjunct verb, using 'pof'  tag. 

The advantage of this solution is that:

1) It allows us to show the modifier­modified relation between an adjective such as 
eka ‘one’ in the above example with its modified noun praSna ‘question’. 

2) Since the information of a noun verb sequence being a 'conjunct verb' is  crucial at 
the syntactic level, it is captured at this level by marking the relation between the 
'noun' and its verbalizer by an appropriate tag. 

As mentioned above there are problems in identifying conjunct verbs in a 
sentence in Hindi. The available syntactic tests (Mohanan 1994; Chakrabarty et. al, 
2007; Bhatt, 2008) are not very satisfactory. This appears to be an issue for syntax – 
semantic interface. There are several cases where a native speaker is quite convinced 
that a noun verb sequence is a case of conjunct verbs. However, syntactically the noun
behaves more like an argument of the verb. In the absence of satisfactory  tests for 
identifying a conjunct verb, several noun verb sequences pose a major problem for the
annotators on whether to treat them as conjunct verbs or otherwise.

Therefore, as of now, the decision has been left to the annotators with a full 
understanding that this may lead to some inconsistency in the data.  The final decision
of when a noun verb sequence is a conjunct  verb and when not has been left to the 
senior linguists who would do some checks on the annotated data. Given below are a 
number of examples of Hindi conjunct verbs :
 
Conjunct_verb­DS­1 :  usane   apanA Ora  piSAca kA  vriwwAMwa  varNana       kiyA      
      he­Erg  own  and  devil     of   narration    description   did
        ‘He described his own story and the story of the ghost.'

Here varNana  ‘description’ and karana ‘to do’ have become one verb, and this verb 
has its karma karaka 'apanA aur pishAca kA vruttAMta' in the accusative case. 
Another possible construction of the same conjunct verb 'varNana karana' is with the 
karma of the verb occurring with a genitive case. For example, 

Relation­DS­pof­3 : usane  apane  Ora  piSAca ke  vriwwAMwa kA  varNana kiyA
         he­Erg  own  and  devil     of   narration    description   did
               ‘He described his own story and the story of the ghost.’
Relation­DS­pof­4 : bhAiyoM ne  maharSi kI   AjfyA       svIkAra kI    
                 brothers  Erg saint      of  command  accept  did
                ‘The brothers accepted the command of the saint.’

Relation­DS­pof­5 :  isa  granWa  ko   svIkAra kareM    
          this  book      acc  accept     do­Imper­hon.
          ‘Please accept this book.’

Relation­DS­pof­6 :   sadZaka cOdZI  huI
      road    wide  happened  
                                  ‘The road became wide.’

Some more conjunct verbs which have this alternation are wyAga karanA ‘to forsake’,
AramBa karanA ‘to commence’, pAlana karanA ‘to nurture’. 

Another feature of Hindi conjunct verbs is that in some cases the verbalizer 
agrees with the noun which is a part of the conjunct verb. For example,  grihaNa 
karanA ‘to receive’ or ‘accept’, vixA karanA ‘to bid farewell’ or ‘to dismiss’, kSamA 
karanA ‘to forgive’ 

Verbs such as xayA karanA ‘to display mercy’, rakRA karanA ‘to protect’, 
pUjA karanA  ‘to worship’,  sahAyawA karanA  ‘to render help’  are some more 
conjunct verbs which are not fully compounded. 

B. Since 'pof' indicates a 'part of' relation between two words of a single lexeme, it is 
generalized to indicate relation between different elements of other MWEs as well. 
Hence in the following example, 'PulA nahIM samAyA' is an idiom and 'pof' will be 
used to mark the relation between 'PulA' and 'nahIM samAyA'. 

Relation­DS­pof­7 :  rAma KuSI        se                PUlA    nahIM samAyA
                       Ram    happiness  because of  bloated  not      contained
                            ‘Ram was bursting with happiness.’

Label 'pof' has three subtypes : 

(1) pof   (conjunct verb)
(2) pof­idiom (idiom)
(3) pof­compound    (compound noun)

Example (Relation­DS­pos­7) has an idiom PulA nahIM samAyA'was bursting with 
happiness', the parts of this idiom would be connected by the label 'pof'.
Remarks:

1. A genitive noun attached to the nominal part of the complex predicate should 
be r6­k*.
2. Presence of r6­k* indicates that the verb is complex.
3. A genitive k1/k2 attached to a complex verb must be r6­k1/r6­k2 respectively. 
Also, its attachment should be with the nominal part of the complex verb.

Possible cases of confusion:
1. r6­k* and pof should not have the same parent.

DRel­36. ccof (co­ordination and sub­ordination)

Another special tag which does not exactly reflects a dependency relation is 
'ccof'. This is used for coordinating as well as subordinating conjunctions. The 
dependency trees will show the conjuncts as heads. In case of coordinating conjuncts, 
the conjunct is the head and takes the coordinating elements as its children. Likewise, 
a subordinating conjunct would take the clause to which it is syntactically attached 
(the subordinate clause) as its child.

(a) co­ordinating conjunct :

Relation­DS­ccof­1 :  rAma  seba   KAwA      hE        Ora  sIwA xUXa  pIwI     hE       
     Ram    apple  eat­hab    be­pres   and Sita milk   drink­Imp    
      ‘Ram eats apple and Sita drinks milk.’

                                            Ora
                                       
                                   ccof                            ccof

              KawA hE  'eats '         pIwI hE 'drinks'

                           k1                    k2                 k1                        k2
                        rAma  'Ram'    seba 'apple'       sIwA 'Sita'         xUXa 'milk'

                    figure 6
The above example is an example of co­ordination of two clauses. However, the tag 
'ccof' would be used for any co­ordination. Therefore, co­ordination of nouns, 
adjectives or adverbs will all be tagged with a 'ccof' tag. Following is an example of 
noun co­ordination :

Relation­DS­ccof­2 : rAma Ora SyAma    skUla   jAwe       hEM
                        Ram    and  Shyam  school  go­hab  be­pres
                        ‘Ram and Shyam go to school.’

                      jAwe hEM 'go'

               k1                         k2

Ora 'and' skUla 'school'
    
                          ccof                  ccof

             rAma 'Ram'   SyAma 'Shyam'

                         figure 7

(b) sub­ordinating conjunct :

Relation­DS­ccof­2 : rAma ne SyAma  se    kahA  ki    vaha   kala    nahIM  AyegA
              Ram erg Shyam  to     told   that  he tomorrow  not     will­come
             'Ram told Shyam that he will not come tomorrow.’

                                 
           kahA 'said'

                                        k1                k4                   k2

           rAma ne 'Ram erg' SyAma se 'to Shyama'     ki  'that'
      ccof

                                                                                          nahIM AyegA 'will not come'

                k1            k7t

              vaha 'he'     kala 'tomorrow'

figure 8

A cordinating conjunct would have two or more branches which would be labeled as 
'ccof' and a subordinating conjunct would have only one branch.

Remarks:
1. A ccof chunk should be attached to a conjunct.
2. A conjunct chunk should have children of the same type. For example,

rAma <drel=ccof:CCP name=NP> Ora <name=CCP> SyAma <drel=ccof:CCP 
name=NP>  
‘Ram and Shyam went to the market.’
Possible case of confusion:
1. A conjunct should not be sent­adv for a verb.

DRel­37  fragof (Fragment of)

'fragof' is a tag which has been included to handle some very special cases. 

A. There are examples in the Hindi corpus where a postposition, a negative particle or
an auxiliary  are separated from the NP or VP of which normally they are a part of. 
Thus, they do not occur as part of the chunk where they belong. For example, 

Relation­DS­fragof­1 : BakaPA (mAovAxI)  ke rAmabacana yAxava ko 
BKP       (maoist)    of  Rambacana  Yadav ACC
giraPZawAra kara liyA gayA
arrest               do reflx­perf go­perf
‘Apart from this, Rambacana Yadav of BKP (Maoist) was 
arrested.'
In the above example, the NP chunk 'BAkapA ke' has been broken through the 
insertion of additional information  (mAovAxI) about 'BakapA'. The noun  '(mAovAxI)'
itself forms a separate NP chunk. Therefore, the expression  BAkaPA (mAovAxI) ke 
would appear as follows in chunks :

(( NP 
BAkapA NNP
))
(( NP
( SYM
mAovAxi NN
) SYM
))
(( FRAGP
ke PSP
))

SSF­2

The expression 'BAkapA ke' is broken into two chunks. The postposition 'ke' 
which is separated from its noun 'BAkapA' is chunked as 'FRAGP'. To represent that 
the post position 'ke' is part of the noun chunk 'BakapA', the postposition chunk would
be annotated with the value 'fragof' for the attribute 'drel'. 

This is a tag which is an exception in the normal scheme as it marks the 
relation of two members of the same chunk. Also, this chunk would normally contain 
a function word which is a part of some other chunk. After annotating the value 
'fragof' for the attribute 'drel',  the FRAGP chunk would appear as follows :

(( FRAGP <drel=fragof:NP>
ke PSP
))

SSF­3

The occurrence of such cases could be due to some intervening material or 
some time the main part of the chunk is dropped.

B. There are also instances where the main part of the chunk is missing. It normally 
happens in cases of gapping particularly with negative particles. 

Relation­DS­fragof­2 : bihAra ke rAjyapAla ko notisa BejA jA sakawA hE ki nahIM
   Bihar    of  governor  acc notice send go can      is   or not
  'Can the notice be sent to the Bihar Governor or not ?'

In the above example, the second occurrence of the verb 'BejA' has been 
ommitted. Consequently, only the negative particle 'nahIM' is left. To represent the 
dependencies of the second clause, it is important to insert a verb node. Since, in the 
current scheme, the negative particles are chunked with the verb, this intra­chunk 
relation would then be represented by marking the negative particle with 'fragof'. 
Therefore, the verb chunk and the negation chunk would appear as follows after 
annotation :

(( NEGP <drel=fragof:NULL__VGF>
nahIM
))
(( NULL__VGF <name=NULL__VGF>
NULL VG
))

SSF­4

DRel­38.  enm (enumerator)

The tag 'enm'  is another special tag. This tag also does not represent a dependency in 
the strict sense. Although, this again is a value for the attribute 'drel'.  of the word. 
This tag is used to mark the enumerators such as 1, 2, 3 or a, b, c, etc in a text. These 
enumerators occur in the beginning of a sentence and they need to be attached to the 
root node. In the treebank, the root node normally, is either a verb or a conjunct. 
Therefore, it has been decided to attach the enumerators to the verb with a label 'enm'.
For example, 

Relation­DS­enm­1 : 1. Apa apanA kara samaya se xe sakawe hEM
          1. you  your   tax    time     on  give can   be­pres
          ‘1.You can pay your taxes on time.'

In the above example, numeral '1.' has occurred as an enumerator. This will be 
chunked separately with a chunkd label 'BLK'. At the dependency level, this chunk 
will be attached to the verb 'xe sakawe hEM'. Therefore, the annotated example would
be : 

(( BLK <drel=enm:VGF>
1 QC
 . SYM
))

SSF­5

DRel­39. rsym (tag for a symbol)

‘rsym’ is  a label that marks the arc attaching a sentence end marker (Hindi 
‘।‘) to the verb. 

Relation­DS­rsym­1 :  rAma  Gara  gayA ।
                                     Ram    home went 
                                     ‘Ram went home.’
Here the relation rsym exists between gayA ‘went’ and the fullstiop of Hindi ‘।‘.

DRel­40. psp__cl

‘psp__cl’ is the relation marked between a clause and the postposition 
following that clause.. 

Relation­DS­rsym­1 :  “xillI    CodZo” ne   halcala macA      xiyA
                                     Delhi  leave      erg  chaos   break­out did 
                                     ‘”Quit Delhi” caused chaos.’

Here the relation psp__cl is marked between ne postposition and the verb of 
the clause preceding it, i.e., CodZo ‘leave’ and the whole clause ‘ ”xillI   CodZo” ne’  
will be marked as karta of  ‘macA  xiyA’.

4.2. How to Mark Elided Elements ? 

An issue that came up before us while working on the scheme was whether to mark 
elided elements in a sentence or not. After due deliberations, it was decided to mark a 
missing element in the tree for the following cases :

(a)  In case of a missing verb since a verb forms the root node of a tree/subtree (see 
section on Gapping (4.2.1) for more details)
(b) In case of a missing co­ordinating conjunct since it also forms the root of a co­
ordinating tree under the current scheme. 
(c) In case of any other node which may be a root node for a tree or a sub­tree. For 
example, ' ulleKanIya hE ki ....,  
(d) In case of missing arguments of a verb. Amongst the missing arguments, it was 
decided to mark only k1 and k2. However, The missing arguments will be inserted 
only in the following cases:
       (i) Shared arguments
      (ii) Gapping 
     (iii) Also in finite subordinate clauses 

For making the above missing elements explicit it was decided to introduce a NULL 
node in the tree. The node would be chunked and the relevant features would be 
annotated at the chunk level depending on the type of the node inserted. The details of
the features to be annotated for various types have been provided under the cases 
discussed below.

In the following sub­sections each of the above, except 'shared arguments',  is 
discussed in more details. The shared arguments have been discussed in more details 
under Section 4.3. below.

Remarks:

1. A NULL chunk should not have a ‘drel’ attribute. Instead, it should have a 
‘dmrel’ attribute.

4.2.1 Gapping 

Gapping is a type of ellipses where a verb is omitted in its repeat occurrences. 
Some times the arguments of the verb may also be omitted along with the verb.  Ross 
(1967) introduced the term. An example of gapping in Hindi is given below : 

Gapping­DS­1 : rAma xillI gayA Ora SyAma AgarA
   Ram  Delhi went and Shyama Agra
               'Ram went to Delhi and Shyama to Agra.'
 
In the above example the occurrence of the verb 'gayA' (went) in the second clause of 
the co­ordinating construction has been elided. To complete the dependencies of the 
second clause, it is essential to explicitly show the verb which would be the root node 
of the tree. The missing verb can be retrieved from the previous clause. Thus, the 
gapped element would be marked as follows : 
 (i) First a new node would be created :
NULL VM

No other information about this node would be provided.

(ii) Next,  the above node would be chunked. The chunk would be annotated for the 
following features : 

<name='' troot='' mtype=''>

Of the three attributes given above, 'name' is an attribute which is annotated on
all chunk nodes. The attribute 'troot' is to be added for a gapped verb as it is 
retrievable from the context. The attribute 'mtype' is to mark every missing element 
for whether it is a case of 'gap' or 'not'. Therefore, this attribute would have only two 
values (1) gap and (2) non­gap.

In case the gapped verb is also a dependent of a higher node, an additional 
attribute of 'dmrel' would be annotated as well. The attribute 'dmrel' is same as 'drel'. 
The attribute 'drel' is for the words in a sentence and the attribute 'dmrel' would be on 
elements which are not present in the sentence explicitly. Thus, the chunk annotated 
for the gapped element in the above example would look as follows:
      
(( NULL__VGF <name='NULL__CCP' troot='jA' mtype='gap'>
NULL VM
))
SSF­6
The example below is another case of gapping.

Gapping­DS­2 : rAma ne   sIwA ko   kiwAba  xI      Ora  AwiPZa ne  tInA ko   
         Ram   Erg  Sita   acc. book     gave  and   Atifa     Erg Tina  acc.
      ‘Ram gave a book to Sita and Atif to Tina. 

However, in the above example, an argument is also dropped in the second 
clause. This argument and the verb can be retrieved from the previous clause. To 
build a complete dependency tree for the above example, the following items will be 
inserted in the the tree, (a) the missing verb and (b) the missing argument. We are, 
however, are not inserting missing arguments unless they are required as a root node 
for a sub tree.

The following chunks for (a) and (b) will be created respectively :
       
(( NULL_VGF <troot='xe'  name='NULL__VGF' mtype='gap'>
NULL VM
))
((   NULL__NP <dmrel=k2:xe reftype=cotype:kwAba name='NULL__CCP 
mtype='gap'>
NULL NN 
))

Ssf­7

4.2.2 Missing co­ordinating conjunct

Some times the co­ordinating conjunct is implicit and does not occur in the sentence 
explicitly. For example,

Elided­conjunct­DS­1 : bacce    badZe   Ho      gaye      hEM    kisI         kI bAwa nahIM mAnawe 
   children big      happen go­perf be­pres no­one's of  talk     not     listen to
   'The children have grown big and do not listen to anyone.'

In the above example, the co­ordinator 'Ora' is missing. Since co­ordinating conjunct  
forms the root node, a NULL node will be inserted to represent it. Thus, the example 
after the insertion of NULL would appear as:

Elided­conjunct­DS­1: bacce  badZe Ho  gaye   hEM    NULL  kisI   kI  bAwa  nahIM  mAnawe 

The feature structure for the NULL node would be :

(( NULL__CCP <name=NULL__CCP>
NULL CC
))
 
SSF­8
4.2.3 Missing root node

A commonly occurring  construction in Hindi is :

Missing­yaha­DS­1: ulleKanIya hE ki unhoMne yaha bAwa          mAna      lI
          noteworthy   is that they        this    suggestion accept reflx­past
                                 'It is noteworthy that they accepted this proposal.'

In the above example, the sentence begins with an adjective and has a complement 
clause in the predicative position. The highlighted words show the adjective, verb be 
and the complement 'ki'. The complement clause in such sentences is actually an NP 
complement of the subject, which is missing. To represent this a NULL node is to be 
inserted and the clause is can then be attached to it as its modifier. The inserted NULL
node in this case would look like :

(( NULL__NP <name=NULL__NP troot=yaha mtype=non­gap>
NULL NN
))

SSF­9

4.2.4 Missing arguments in a co­ordinating construction :

The example Gapping­DS­2 above shows a case of an elided argument along 
with the gapped verb. In case of gapping, the verb is same in both the clauses and 
consequently its repeat occurrence is omitted. It is also possible that the two clauses in
a co­ordinate structure may have two different verbs. In such a situation both the 
verbs are realized explicitly. However, the repeated arguments in a co­ordinated 
construction are dropped even if the verb is different and is realized on surface. For 
example, 

Elided­arg­DS­1 : mohana ne   kiwAba  padZi Ora  so       gayA  
       Mohan    Erg book      read      and  sleep  go­Past 
         ‘Mohan read the book and slept.’

In the above case both the verbs 'padZI' (read) and 'so gayA' (slept) have Mohan as 
their karta (k1). However, the second occurrence of Mohan is omitted.  In such cases 
also, the missing argument would be inserted and would be represented as follows:

(( NULL__NP  <name=NULL__NP mtype=’gap’ dmrel=’k1:VGF2’ 
reftype=corefn:mohana>
NULL NN
)) 

SSF­10

However, as mentioned above, such missing arguments are not posited at the 
dependency level of annotation.
4.3 How to mark shared arguments ?

Since Hindi allows omitting of mandatory arguments, there are a number of 
sentences with missing arguments. Missing arguments in a sentences could be due to 
being shared between two or more verbs or due to ellipsis. The difference between 
sharing and omitting is that in sharing the argument occurs once which is shared by 
two verbs ie. main verb which would be finite and the participle clause which would 
have a non­finite verb. In sharing the second argument can not be realized 
syntactically. The other case of missing argument is when the argument can (in 
principle) occur twice but it has been dropped in the second clause (as in case of 
gapping).

Since k1 and k2 are otherwise mandatory arguments for several verbs and 
these two arguments also play a crucial role in several linguistic decisions, it was 
decided to make them explicit in case they were missing in a sentence. For making the
missing k1 and k2 explicit the following procedure has to be followed.

a) Insert a NULL node in the tree for a missing argument.  

b) Assign it appropriate POS tag, normally a NN.

c) Chunk the NULL node and assign it appropriate chunk label. However, it has to be 
prefixed with NULL__ . As shown above (in 4.1), the label for missing verb chunk 
would be 'NULL__VGF'. For a missing nominal argument, it would be 'NULL__NP'.

d) As mentioned earlier, a new dependency attribute is introduced in the scheme to 
mark the dependency relations of the inserted nodes. The attribute is 'dmrel'. 'dmrel' 
stands for 'dependency relation for a missing element'.

e) Missing argument could either be co­referential with another element in the tree or 
could be of the same type but not exactly co­referential.  Thus, to mark this distinction
an attribute 'reftype' has been introduced. The values for the 'reftype' would be 
'corefn:X' or 'cotype:X'. The value has three parts to it. The first part (corefn, cotype) 
indicates the 'type' of reference, the second part (:) indicates  'of' and the third part 'X' 
stands for 'what'. Please see example under section on shared argument for more 
clarity.

Therefore, the following information is annotated in an inserted node for a missing 
argument :

(( NULL__NP <name='NULL__NP' dmrel='' reftype='' mtype=''>
 NULL NN
 ))

SSF­12
NOTE : The attribute 'troot' is not annotated for a missing argument as it is captured 
by the 'reftype'. In principle, the morph features (root, number, gender, person) of the 
corresponding element in the sentence can be copied to the inserted node and need not
be manually annotated.

Coming back to the sharing of arguments, the sharing of arguments can be of two 
types :

4.3.1 Sharing in non­adjectival participles:

In non­adjectival partiples, an  argument of a verb(main) is  shared with 
another verb(participle). The argument occurs only once in the sentence but is 
semantically related to both the verbs. The shared argument syntactically always 
attaches with the main verb. For the other verb this argument is semantically realized 
but not syntactically.  Arguments of ­kara constructions and ke_bAxa constructions in
Hindi would fall under this type. Note the following sentence :

Non­adjectival­Shared­arg­DS­1 : rAma  ne KAnA  KAkara          pAnI   piyA
                           Ram  Erg  food    having eaten  water  drank
                ‘Ram drank water after eating the food.’

It may be noted that linguistically rAma ne is explicit karta of only piyA ‘drank’ and 
not of  KAkara ‘having eaten’, even though, semantically it is the agent for both 
KAkara and piyA. Since agreement and its vibhakti are controlled by the main verb 
'piyA'  (drank)  it will be attached to it. However, its semantic presence of being an 
argument of 'Kakara' will be annotated by following the steps given above. After the 
annotation the inserted node would look as follows :

(( NULL__NP <name='NULL__NP' dmrel='k1:'VGNF' reftype='corefn:NP' 
mtype='non­gap'>
NULL NN
))

SSF­13

'VGNF' and 'NP' in the values of attributes dmrel and reftype respectively are the 
names of the chunks to which this chunk would attach (VGNF) and would refer to 
(NP). Some more examples of this type of sharing are given below :
Non­adjectival­Shared­arg­DS­2 :  rAma  KAnA KAne  ke bAxa  pAnI  pIwA hE
           Ram  food   eating  after      water drinks be­Prs.Sg
         ‘Ram drinks water after eating food.’

Noun 'Ram' in the above example is shared by 'KAne' (eating) and 'piwA_hE' (drinks)
The inserted chunk for 'rAma' in the above example would be :

(( NULL__NP <name='NULL__NP' dmrel='k1:'VGNN' reftype='corefn:NP' 
mtype='non­gap'>
NULL NN
))

SSF­14

Non­adjectival­Shared­arg­DS­3 :  rAma  xillI    jAnA  cAhawA      hE  
                Ram     delhi  to­go  want­hab  be­Pres
        ‘Ram wants to go to Delhi to Delhi.

4.3.2 Sharing in adjectival participles (wA_huA constructions, KAye_gaye 
constructions) 

In another kind of sharing of arguments, a participle clause modifies the noun.
and the modified noun, apart from being  an argument of a higher verb, is also an 
argument of the verb in the participle clause. Therefore, the noun is shared by the 
main verb and its modifier verb. The adjectival participle, obviously, does not have 
the modified noun as its explicit argument. Again, although the argument in this case 
also is semantically realized but cannot occur syntactically. For example,

Adjectival­Shared­arg­DS­1 :  bEnca para bETA  huA        ladZakA seba KA rahA hE
                    bench  on    sit­perf  be­ptpl  boy      apple eat prog pres
  ‘The boy sitting on the bench is eating an apple.'

Adjectival­Shared­arg­DS­2 :  mere xvArA Kaye     gaye      Pala  acCe We
                   My­obl  by  eat­perf  go­Perf   fruits good  past
              'The fruits eaten by me were good.’

In example (Adjectival­Shared­arg­DS­1) above, bETA huA 'sit­perf be­ptpl' is
modifying the noun  ladZakA 'boy'. Noun ladzakA 'boy' is an argument of the higher 
verb KA rahA he 'eat prog pres'. ladZakA  'boy' is also an argument of the non­finite 
verb  bETA huA 'sit­perf be­ptpl'. Similarly, in example (Adjectival­Shared­arg­DS­2)
the  noun Pala 'fruits' is an argument of both, the finite verb We 'were' and the non­
finite verb Kaye 'eaten'. 

As in the case of shared arguments of the non­adjectival participles, the 
arguments of this type will also be annotated. However, for such shared arguments, a 
new node will not be created. Instead, it will be captured by the label on the arc 
between the modifying clause and the modified noun. For example, the karaka 
relation of  ladZakA 'boy' with KAwA huA 'eat.Impf.Ptpl' (in Adjectival­Shared­arg­
DS­1)  is k1 (karta karaka relation), it will be represented as nmod__k1inv. Similarly, 
in example (Adjectival­Shared­arg­DS­2), KAye gaye 'ate go­Prf.' is the participle 
which modifies the noun Pala 'fruit',  the noun Pala 'fruit' is k2 (karma karaka 
relation) of the verb Kaye hue 'eaten'. The relation between Pala 'fruits' and KAye hue 
'eaten' will be represented as nmod__k2inv. 
Therefore, we have one more tag 'nmod__k*inv, which means nmod of the 
type k*inv, where k* stands for the type of karaka relation i.e. k1 or k2 etc. and inv 
stands for inverse.  Along with the karaka relation we also specify inv which denotes 
that, here the relation arc is going from child to the parent instead of parent to the 
child. In this type of sharing a new node is not created, the label nmod__k*inv is 
sufficient.

Adjectival­Shared­arg­DS­3 : dAliyoM para Kile             Pula       mahaka rahe We
            branches on     blossomed   flowers   smell     prog past
           'The flowers flowering on the branches were spreading a 
scent' 

In the above example, Pula 'flowers' is the shared argument. Verb Kile 'blossomed' is 
modifying PUla 'flowers'. The feature structure of Kile 'blossomed' would be as 
follows :

(( VGNF <name='VGNF' drel='nmod__k1inv'>
Kile VM
))

SSF­15
Since in this case, a new node is NOT inserted, none of the attributes which 
are annotated in an inserted node will be annotated here.
 We also have ‘nmod__pofinv’. Its example is given below:

Adjectival­Shared­arg­DS­4 : rAma ke  sIwA se    kiye gaye vAxe        JUTe WeM
          Ram  of  Sita  with did   go­Prf         promises  false  were
           'The promises done by Ram to Sita were false' 

In the example (Adjectival­Shared­arg­DS­4), kiye gaye 'ate go­Prf.' is the participle 
which modifies the noun vAxe 'promises',  the noun vAxe 'promises' is pof  of the verb 
kiye gaye 'ate go­Prf.'. The relation between vAxe 'promises', and kiye gaye 'ate go­
Prf.' will be represented as nmod__pofinv. 

5. Some Additional Features

During the discussion on what all information would be useful for various 
applications, it was decided to add two more features on every finite verb clause.
The two features are :

5.1 stype (Sentence type)

The attribute 'stype' is to be annotated on every finite verb chunk. The values 
for this are : declarative, imperative, interrogative etc. A complete list of the sentence 
type is provided separately. For example,
Sentence­type­DS­1 : Apa  xAna      rASi       para  Cuta        kA xAvA kara leM
                       you   donation amount  on     exception of claim do imp
                       'You claim (tax) exception on the donated amount' 
         
The attribute 'stype' will be marked on the verb chunk. Thus, the annotated verb 
chunk with the 'stype' attribute would be as follows :

((     VGF     <stype=imperative>
kara   VM
leM    VAUX
))

                   SSF­16

5.2 voicetype (Voice type)
 The other feature to be annotated on every finite verb chunk is 'voicetype'. The
values for this are only two (1) active and (2) passive. For example,

Voice­type­DS­1 : borda kA gaTana      kiyA      gayA
                   board of  formation do­perf go­perf
                   'The board was formed'

The voice type feature would be annotated on the verb as follows :

((    VGF    <voicetype=passive>
kiyA  VM
gayA  VAUX
))

                     SSF­17

Voice­type­DS­2 : Apa  xAna      rASi       para  Cuta        kA xAvA kara leM
                   you   donation amount  on     exception of claim do imp
                  'You claim (tax) exception on the donated amount' 

((     VGF     <voicetype=active>
kara   VM
leM    VAUX
))

                    SSF­18

5.3 coref (Coreference)

As mentioned in the section DRel­28, relative clauses are attached to the noun 
they modify with a label 'nmod__relc'. The attachment is between the main verb of 
the relative clause and the noun it modifies. Thus, an important information about the 
relative pronoun playing a crucial role in this relation is missed out. To capture this 
information, it has been decided to annotate the relative pronoun of the relative clause
with an additional attribute of 'coref'. The value for the attribute 'coref' would be the 
referent noun in the main clause, i.e. the noun modified by the relative clause. An 
example of the same is :

Relative_clause­DS­1 : merI bahana  [ jo   xillI meM rahawI   hE]    kala        A     rahI  hE
             my    sister     who  Delhi  in  live­hab pres  tomorrow come prog pres
                        'My sister who lives in Delhi is coming tomorrow'

In the above example, the relative pronoun will, in addition to other features will also 
be marked with the attribute coref. Thus, 

((   NP   <name=NP>
merI
bahana
))
((   NP   <coref=NP
jo
))

   
                   SSF­18

6. PART – 2 : Hindi Example Constructions

This section of the document contains some example constructions of 
Hindi and their  relevant dependency analyses. The constructions given here are based
on criteria normally considered for identifying construction types. Broadly these are :
(a) For simple sentences, realization of a syntactic structure based on the verb type 
such as transitive, unergative, unaccusative etc.
(b) For complex sentences, the type of subordination a clause may have. For example,
relative  clause, complement clause etc
(c) Constructions which result due to certain linguistic operations such as ellipsis, 
sharing of arguments etc.

(Most examples in this PART are taken from PS Guidelines)

6.1 Simple Transitives

Simple transitives in Hindi have mostly both karta and karma taking nominative case 
(0 vibhakti).
a. Nominative

Transitive­Verbs­DS­1 : AwiPZa kiwAba paDZegA
                Atif.M book.f read­Fut.3MSg
               `Atif will read (a/the) book.'
DS analysis (only the relevant dependency features are shown) ;

 AwiPZa <drel=k1:VGF> kiwAba <drel=k2:VGF>  paDZegA <name=VGF>

b. Dative

Transitive­Verbs­DS­2 : AwiPZa ko kiwAba paDZanI hE
        Atif­Dat     book.f read­Inf.f be.Prs.Sg
        ‘Atif has to read (a/the) book.’

DS analysis ;
 AwiPZa ko <drel=k1:VGF> kiwAba <drel=k2:VGF>  paDZanI hE <name=VGF>

The dependency analysis considers the postposition of the noun and the TAM markers
of the verb to ascertain the karaka relations (refer Section 3.1 on Grammatical model)

c. Ergative

An ergative construction in Hindi occurs when the verb is transitive and its TAM is 
past perfective. 

Transitive­Verbs­DS­3 :  AwiPZa ne kiwAba paDZI
                     Atif­Erg     book.f read­Pfv.F
         ‘Atif read (a/the) book.’

DS analysis ;
 AwiPZa ne <drel=k1:VGF> kiwAba <drel=k2:VGF>  paDZI  <name=VGF>

6.2 Unergatives

a.  Nominative

Unergatives­DS­1 :  AwiPZa bAxa        meM            nahAegA
             Atif.M later      bathe­Fut.3MSg
                         ‘Atif will bathe later.’

DS Analysis ; 
  AwiPZa <drel=k1:VGF>  bAxa  meM <drel=k7t:VGF>   
nahAegA<name=VGF>

b. Dative

Unergatives­DS­2 : AwiPZa ko nahAnA hE
            Atif­Dat     bathe­Inf be.Prs
                               ‘Atif has to bathe.’

DS Analysis ;
AwiPZa ko <drel=k1:VGF>   nahAnA hE <name=VGF>

The analysis of the dative construction within Paninian dependency 
framework would remain same for both transitives and  unergatives as within 
Paninian framework what is considered as a syntactic cue for identifying the k1 of a 
verb is its TAM and the postpositions of the participating nouns. Therefore, the TAM 
nA_hE in active voice assigns a 'ko' vibhakti to the karta of a verb (refer to 
Transformation rules in Appendix) irrespective of the verb type. In other words, it is 
purely a syntactic operation in Hindi which applies to any verb.

c.  Ergative

Unergatives­DS­3 : AwiPZa ne nahA liyA
            Atif­Erg     bathe TAKE.Pfv
                               ‘Atif has bathed.’

This is a sentence which can be contested by many native speakers of Hindi as bad. 
This also does not go well with the rule given under ergative above. However,  it is 
found in the speech of some Hindi speakers so included here.

6.3 Unaccusatives

a.  Nominative

Unacusatives­DS­1:  xaravAjZA Kula rahA         hE
    door.M       open Prog.MSg be.Prs.Sg
     ‘The door is opening.’

b.  Dative
Unacusatives­DS­2: xaravAjZe      ko bAraha baje KulanA hE
             door­Dat          12     o’clock open­Inf be.Prs
    ‘The door has to open at noon.’

DS Analysis;
 
xaravAjZe      ko  <k1:VGF>  bAraha baje <k7t:VGF>  KulanA 
hE<name=VGF>

6.4 Dative Subject Constructions

The dative subject constructions of PS analysis correspond to the k4a 
constructions in DS analysis. For cross reference please see section DRel­10 of PART
­1B.

6.5 Ditransitives 
Ditransitive­DS­1 : AtiPZa ne kala          monA      ko  sabake               sAmane
       Atif    Erg yesterday Mona      Dat  all­Gen.Obl.of in.front
    
        wohaPZA xiyA
       present     give.Pfv.MSg
      ‘Atif gave a present to Mona yesterday in front of everyone.’

DS Analysis ;
AtiPZa ne <k1:VGF> kala <k7t:VGF>  monA ko <k4:VGF>  
sabake sAmane <k7:VGF> wohaPZA <k2:VGF> xiyA <name=VGF>

6.6 Existentials

a. Existential

Existential­DS­2 : usa        kamare meM cUhe hEM
      that.Obl room      in      rats   be.Prs.Pl
     ‘There are rats in that room.’
DS Analysis;
usa kamare meM <k7p:VGF>  cUhe <k1:VGF>  hEM <name=VGF>

b. Predicate Locative:

Predicative­locative­DS­1 : mInA kamare meM hE
              Mina    room    in       is
            ‘Mina is in the room.’

DS Analysis;
mInA <k1:VGF> kamare meM <k7p:VGF> hE<name=VGF>

As can be observed in the above examples, the dependency analysis of the predicative
locative and simple existential would remain same.  
                           

6.7 Copular constructions

Copular­DS­1 : rAma dAktara hE
  Ram   doctor   be.Prs.Sg
  'Ram is a doctor.'
DS Analysis;
rAma <k1:VGF> dAktara <k1s:VGF> hE <name=VGF>

6.8 Causatives

Causative­DS­1 : AwiPZa ne   kala         mInA       ko   kiwAba xilavAyI
    Atif.obl  erg yesterday  Mina.obl acc book.Sg give.Caus.Pfv.F.Sg
    'Atif caused Mina to buy a book yesterday.'
DS Analysis ;
AwiPZa ne <pk1:VGF> kala <k7t:VGF>  mInA ko <jk1:VGF> 
 kiwAba <k2:VGF>  xilavAyI <name=VGF>

Causative­DS­2 : AwiPZa ne   kala    Arif        se  mInA    ko  kiwAba xilavAyI
    Atif.obl  erg  yesterday  Arif.Obl instr  Mina.obl acc book.Sg give.Caus.Pfv.F.Sg
    'Atif caused Arif to make Mina buy a book yesterday.'
DS Analysis;
AwiPZa ne <pk1:VGF> kala <k7t:VGF>  Arif se <mk1:VGF> mInA ko <jk1:VGF> 
 kiwAba <k2:VGF>  xilavAyI <name=VGF>

6.9 Relative clauses (to be included)
6.10 Participles (to be included)
6.11 Complement clauses (to be included)

7. Conclusion

The tagging scheme presented above has been designed to annotate syntactic analysis 
within a dependency framework. The task of annotation for Hindi is underway.  The 
basic scheme developed initially has been improved and revised. It is planned to 
conduct some experimental annotation on other languages and test if it can be applied 
to other Indian languages as well. 

8. Acknowledgments

The scheme presented in the document has been developed through intense 
discussions with several Sanskrit scholars. However, Professor Ramakrishmacharyulu
of Rashtriya Sanskrit Vidyapeetha (Tirupati) has been the main resource person who 
not only explained the theoretical aspects of various Hindi constructions but also 
helped us in deciding how deeper into analysis we need to go for various Hindi 
constructions. The scheme would not have taken a shape without his constant support.
We are thankful to him for being there for us whenever we are lost (which we often 
are).

9. References:

R. Begum, S. Husain, A. Dhwaj, D. M. Sharma, L. Bai, and R. Sangal. 2008. 
Dependency annotation scheme for Indian languages. In Proceedings of IJCNLP­
2008.

A. Bharati, V. Chaitanya and R. Sangal. 1995. Natural Language Processing: A 
Paninian Perspective, Prentice­Hall of India, New Delhi, pp. 65­106. 

A. Bharati, D. M. Sharma, L. Bai and R. Sangal. 2006. AnnCorra : Annotating 
Corpora Guidelines For POS And Chunk Annotation For Indian Languages. LTRC 
Technical Report­31

A. Bharati, R. Sangal and D. M. Sharma. 2007. SSF: Shakti Standard Format Guide. 
LTRC Technical Report­33 

Rajesh Bhatt. 2008. A Lecture at EFLU, Hyderabad. 
http://people.umass.edu/bhatt/papers/eflu­aug18.pdf

M. Butt. 2004. The Light Verb Jungle. In G. Aygen, C. Bowern & C. Quinn eds. 
Papers from the GSAS/Dudley House Workshop on Light Verbs. Cambridge, Harvard 
Working Papers in Linguistics, p. 1­50. 

D. Chakrabarty, V. Sarma and P. Bhattacharyya. 2007. Complex Predicates in Indian 
Language Wordnets, Lexical Resources and Evaluation Journal, 40 (3­4), 2007.

E. Hajicova. 1998. Prague Dependency Treebank: From Analytic to 
Tectogrammatical Annotation. In Proc. TSD’98. 

M. Marcus, B. Santorini, and M.A. Marcinkiewicz. 1993. Building a large annotated 
corpus of English: The Penn Treebank, Computational Linguistics 1993. 

T. Mohanan, 1994. Arguments in Hindi. CSLI Publications. 

J. R. Ross. 1967. Constraints on variables in syntax, doctoral dissertation, MIT 
(published as 'Infinite syntax!' Ablex, Norwood (1986)). 

Appendix:

Set of dependency labelss :

S.No Labels Description(Relations) Gloss/Additional

1  k1 karta doer/agent/subject
2 pk1, jk1, mk1 causer, causee, mediator­
causer
3 k1s vidheya karta ­ karta  noun complement of karta
samanadhikarana
4 k2 karma object/patient
5 k2p Goal, Destination
6 k2g secondary karma
7 k2s karma samanadhikarana object complement
8  K3 karana instrument
9  k4 sampradana recipient
10   k4a anubhava karta Experiencer
11 k5 apadana  source
12 K5prk prakruti apadana source material
13 k7t kAlAdhikarana location in time
14 k7p deshadhikarana location in space
15  k7 vishayadhikarana location elsewhere
16  k7a according to
17 k*u sAdrishya  similarity/comparison
18 r6 shashthi genitive/possessive
19  r6­k1, r6­k2 karta or karma of a conjunct 
verb (complex predicate)
20  r6v kA relation between a noun and a 
verb
21 adv kriyAvisheSaNa adverbs ­ ONLY  'manner 
adverbs'  have to be taken  
here
22 Sent­adv Sentential Adverbs
23  rd relation prati direction
24 rh hetu reason
25 rt Tadarthya purpose
26  ras­k* upapada_  associative
sahakArakatwa
27 ras­neg Negation in Associatives
28   rs  relation    noun elaboration
samanadhikaran
29  rsp relation for duratives
30 rad  address terms
31 nmod__relc,   relative clauses, jo­vo 
 jjmod__relc,   constructions
rbmod__relc
32  Nmod participles etc modifying 
nouns
33 vmod  verb modifier
34  jjmod DRelmodifiers of the 
adjectives
35 pof part of units such as conjunct 
verbs
36 ccof co­ordination and sub­
ordination
37 fragof Fragment of
38 Enm enumerator
39 rsym ag for a symbol
40  psp__cl