Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzeNásledující verzeObě strany příští revize | ||
kurz:hledani_v_paralelnim_korpusu [2021/04/19 14:35] – [Specifika vyhledávání v paralelním korpusu] michalskrabal | kurz:hledani_v_paralelnim_korpusu [2022/11/25 10:55] – [Výsledky pro InterCorp v15 a BNC] michalskrabal | ||
---|---|---|---|
Řádek 1: | Řádek 1: | ||
====== Specifika vyhledávání v paralelním korpusu ====== | ====== Specifika vyhledávání v paralelním korpusu ====== | ||
- | Z výchozího rozcestníku, | + | Z výchozího rozcestníku, |
- | Takto je možné hledat pouze v českých textech zahrnutých do InterCorpu, primárně nás však budou zajímat paralelní konkordance. K tomu je zapotřebí přidat další jazyk. V sekci **Zarovnané korpusy** si vybereme druhý jazyk (případně jazyky další), který se má zobrazovat v rámci jednoho dotazu, např. **InterCorp | + | Takto je možné hledat pouze v českých textech zahrnutých do InterCorpu, primárně nás však budou zajímat paralelní konkordance. K tomu je zapotřebí přidat další jazyk. V sekci **Zarovnané korpusy** si vybereme druhý jazyk (případně jazyky další), který se má zobrazovat v rámci jednoho dotazu, např. **InterCorp |
První možností je zadat dotaz pouze do prvního jazyka. Budeme-li hledat například všechny překlady slova //pravda//, zadáme do prvního jazyka tento výraz s výchozím atributem **lemma** a dotaz na druhý jazyk necháme prázdný. | První možností je zadat dotaz pouze do prvního jazyka. Budeme-li hledat například všechny překlady slova //pravda//, zadáme do prvního jazyka tento výraz s výchozím atributem **lemma** a dotaz na druhý jazyk necháme prázdný. | ||
Řádek 47: | Řádek 47: | ||
* Ne každý jazyk v korpusu InterCorp je [[pojmy: | * Ne každý jazyk v korpusu InterCorp je [[pojmy: | ||
- | * Způsob tagování je pro různé jazyky odlišný -- může se lišit repertoárem a obsahem morfologických kategorií i způsobem jejich zápisu. | + | * Způsob tagování je pro různé jazyky odlišný -- může se lišit repertoárem a obsahem morfologických kategorií i způsobem jejich zápisu. Výjimkou je verze [[cnk: |
* Korpusy jednotlivých jazyků se výrazně liší co do složení textových typů i žánrů, většinou tedy nejsou mezi sebou snadno srovnatelné. | * Korpusy jednotlivých jazyků se výrazně liší co do složení textových typů i žánrů, většinou tedy nejsou mezi sebou snadno srovnatelné. | ||
* Velikost korpusu nekoreluje s počtem mluvčích daného jazyka (s jeho „velikostí“), | * Velikost korpusu nekoreluje s počtem mluvčích daného jazyka (s jeho „velikostí“), | ||
Řádek 53: | Řádek 53: | ||
* Paralelní korpus InterCorp se liší od korpusů řady [[cnk: | * Paralelní korpus InterCorp se liší od korpusů řady [[cnk: | ||
- | ===== Srovnávací výzkum na korpusu InterCorp verze 10 ===== | + | ===== Srovnávací výzkum na korpusu InterCorp verze 15 ===== |
Primárně jsou paralelní korpusy určeny pro provádění kontrastivního výzkumu. Lze je ovšem využít i pro srovnávání vlivu překladovosti v rámci jednoho jazyka. | Primárně jsou paralelní korpusy určeny pro provádění kontrastivního výzkumu. Lze je ovšem využít i pro srovnávání vlivu překladovosti v rámci jednoho jazyka. | ||
Řádek 69: | Řádek 69: | ||
- Nejprve je dobré zjistit [[pojmy: | - Nejprve je dobré zjistit [[pojmy: | ||
- | - Celý postup si ukážeme na InterCorpu ve verzi 10. | + | - Celý postup si ukážeme na InterCorpu ve verzi 15. |
- Pro vyhledávání v původní angličtině si vytvoříme příslušný subkorpus ('' | - Pro vyhledávání v původní angličtině si vytvoříme příslušný subkorpus ('' | ||
- | ==== Výsledky pro InterCorp | + | ==== Výsledky pro InterCorp |
^ dotaz ^ korpus ^ abs. frekvence ^ [[pojmy: | ^ dotaz ^ korpus ^ abs. frekvence ^ [[pojmy: | ||
| '' | | '' | ||
- | | '' | + | | '' |
- | | '' | + | | '' |
<WRAP round important 60%> | <WRAP round important 60%> | ||
Řádek 83: | Řádek 83: | ||
</ | </ | ||
- | Po tomto srovnání se podívejme ještě na neoriginální část InterCorpu a výskyt lemmatu //his// (**Frekvence → Podle typů textů → div.srclang**): | + | Po tomto srovnání se podívejme ještě na neoriginální část InterCorpu a výskyt lemmatu //his// (**Frekvence → Podle typů textů → text.srclang**): |
^ zdrojový jazyk ^ | ^ zdrojový jazyk ^ | ||
- | | angličtina | 3304 | | + | | angličtina | 3735 | |
- | | čeština | + | | čeština |
+ | | španělština | 5857 | | ||
| ruština | 7584 | | | ruština | 7584 | | ||
- | | francouzština | 2059 | | + | | francouzština | 3008 | |
- | | němčina | 1457 | | + | | němčina | 1805 | |
| švédština | 3013 | | | švédština | 3013 | | ||
+ | | italština | 1817 | | ||
+ | | srbština | 9573 | | ||
Celkově se tedy zdá, že zájmeno //his// je v textech distribuováno v závislosti na typu výchozího jazyka velmi nerovnoměrně. | Celkově se tedy zdá, že zájmeno //his// je v textech distribuováno v závislosti na typu výchozího jazyka velmi nerovnoměrně. |