| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzeNásledující verzeObě strany příští revize |
| kurz:hledani_v_paralelnim_korpusu [2022/11/23 20:01] – michalskrabal | kurz:hledani_v_paralelnim_korpusu [2022/11/25 10:21] – [Výsledky pro InterCorp v15 a BNC] michalskrabal |
|---|
| * Paralelní korpus InterCorp se liší od korpusů řady [[cnk:syn|SYN]] i [[pojmy:atributy_strukturni#strukturni_atributy_korpusu_intercorp|některými strukturními jednotkami]] a jejich atributy. (Na strukturní značky a atributy se lze podívat nebo si je zvolit k zobrazení volbou **[[manualy:kontext:moznosti_zobrazeni|Zobrazení → Korpusová nastavení]]**.) | * Paralelní korpus InterCorp se liší od korpusů řady [[cnk:syn|SYN]] i [[pojmy:atributy_strukturni#strukturni_atributy_korpusu_intercorp|některými strukturními jednotkami]] a jejich atributy. (Na strukturní značky a atributy se lze podívat nebo si je zvolit k zobrazení volbou **[[manualy:kontext:moznosti_zobrazeni|Zobrazení → Korpusová nastavení]]**.) |
| |
| ===== 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. |
| |
| - Nejprve je dobré zjistit [[pojmy:tag|tag]] daného zájmena, to kvůli možné tvarové homonymii (//his// by mohla být např. nějaká zkratka). Seznam tagů je k k dispozici [[cnk:intercorp:verze9#morfosyntakticka_anotace|v popisu korpusu]], konkrétně [[https://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html|anglický tagset je zde]]. Stejně tak je ale možné zadat do příslušného korpusu [[pojmy:lemma|lemma]] //his// a podívat se do výsledků **[[manualy:kontext:frekvencni_distribuce|Frekvence → Vlastní]]**, kde si nastavíme atribut **tag**. Takto přijdeme i na to, zda jsou vůbec některé tvary //his// tagované jinak než jako zájmeno.(([[https://kontext.korpus.cz/view?q=~euhddSSs&attr_allpos=kw&attrs=word&corpname=bnc&ctxattrs=word&pagesize=40&refs=%3Dbncdoc.id&structs=p%2Cg%2Cerr%2Ccorr&viewmode=kwic&|5 tvarů označených v korpusu BNC tagem UNC]] jsou ve skutečnosti rovněž zájmena.)) | - Nejprve je dobré zjistit [[pojmy:tag|tag]] daného zájmena, to kvůli možné tvarové homonymii (//his// by mohla být např. nějaká zkratka). Seznam tagů je k k dispozici [[cnk:intercorp:verze9#morfosyntakticka_anotace|v popisu korpusu]], konkrétně [[https://www.ling.upenn.edu/courses/Fall_2003/ling001/penn_treebank_pos.html|anglický tagset je zde]]. Stejně tak je ale možné zadat do příslušného korpusu [[pojmy:lemma|lemma]] //his// a podívat se do výsledků **[[manualy:kontext:frekvencni_distribuce|Frekvence → Vlastní]]**, kde si nastavíme atribut **tag**. Takto přijdeme i na to, zda jsou vůbec některé tvary //his// tagované jinak než jako zájmeno.(([[https://kontext.korpus.cz/view?q=~euhddSSs&attr_allpos=kw&attrs=word&corpname=bnc&ctxattrs=word&pagesize=40&refs=%3Dbncdoc.id&structs=p%2Cg%2Cerr%2Ccorr&viewmode=kwic&|5 tvarů označených v korpusu BNC tagem UNC]] jsou ve skutečnosti rovněž zájmena.)) |
| - 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 (''div.srclang=en''). | - Pro vyhledávání v původní angličtině si vytvoříme příslušný subkorpus (''div.srclang=en''). |
| |
| ==== Výsledky pro InterCorp v10 a BNC ==== | ==== Výsledky pro InterCorp v15 a BNC ==== |
| |
| ^ dotaz ^ korpus ^ abs. frekvence ^ [[pojmy:ipm|rel. frekvence (i.p.m.)]] ^ | ^ dotaz ^ korpus ^ abs. frekvence ^ [[pojmy:ipm|rel. frekvence (i.p.m.)]] ^ |
| | ''[lemma=%%"%%his%%"%% & tag=%%"%%DPS|PNP|UNC%%"%%]'' | BNC | 409 825 | 3684 | | | ''[lemma=%%"%%his%%"%% & tag=%%"%%DPS|PNP|UNC%%"%%]'' | BNC | 409 825 | 3684 | |
| | ''[tag=%%"%%PP\$%%"%% & lemma=%%"%%his%%"%%]'' | InterCorp v10 | 365 903 | 2431 | | | ''[tag=%%"%%PP\$%%"%% & lemma=%%"%%his%%"%%]'' | InterCorp v15 | 484 326 | 2885 | |
| | ''[tag=%%"PP\$" & lemma="his"%%] within %%<div srclang="en" />%%'' | InterCorp v10 (''div.srclang=en'') | 253 046 | 3304 | | | ''[tag=%%"PP\$" & lemma="his"%%] within %%<text srclang="en" />%%'' | InterCorp v15 (''text.srclang=en'') | 319 740 | 1904 | |
| |
| <WRAP round important 60%> | <WRAP round important 60%> |
| </WRAP> | </WRAP> |
| |
| 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 ^ i.p.m. ^ | ^ zdrojový jazyk ^ i.p.m. ^ |
| | angličtina | 3304 | | | angličtina | 3735 | |
| | čeština | 5257 | | | čeština | 5368 | |
| | ruština | 7584 | | | ruština | 7584 | |
| | francouzština | 2059 | | | francouzština | 2059 | |
