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 [2018/08/08 14:54] – [Další možné využití korpusu InterCorp: falešní přátelé] michalskrabal | kurz:hledani_v_paralelnim_korpusu [2021/03/15 10:51] – jankocek | ||
---|---|---|---|
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 | + | První možností je zadat dotaz pouze do prvního jazyka. Budeme-li hledat například všechny překlady slova //pravda//, zadáme do prvního jazyka |
- | [{{ic_vyber.png? | + | [{{ic_vyber.png? |
- | [{{lemma_pravda.png? | + | [{{lemma_pravda.png? |
<WRAP clear/> | <WRAP clear/> | ||
- | Analýzou paralelních konkordancí následně můžeme dojít k tomu, že nejčastějším ekvivalentem českého lemmatu //pravda// v angličtině | + | Analýzou paralelních konkordancí následně můžeme dojít k tomu, že nejčastějším ekvivalentem českého lemmatu //pravda// v angličtině |
- | [{{konkordance_lemma_pravda.png? | + | [{{konkordance_lemma_pravda.png? |
<WRAP clear/> | <WRAP clear/> | ||
Řádek 21: | Řádek 21: | ||
Pokud chceme prozkoumat věty, kde je //pravda// přeložena jako //truth//, můžeme položit dotaz v obou jazycích. Výsledek je pak omezen pouze na seznam konkordančních řádků, kde se objevují obě hledaná slova (nikoliv však nutně jako vzájemné ekvivalenty). Výsledná konkordance by měla vypadat takto: | Pokud chceme prozkoumat věty, kde je //pravda// přeložena jako //truth//, můžeme položit dotaz v obou jazycích. Výsledek je pak omezen pouze na seznam konkordančních řádků, kde se objevují obě hledaná slova (nikoliv však nutně jako vzájemné ekvivalenty). Výsledná konkordance by měla vypadat takto: | ||
- | [{{konkordance_pravda_truth.png? | + | [{{konkordance_pravda_truth.png? |
<WRAP clear/> | <WRAP clear/> | ||
Řádek 31: | Řádek 31: | ||
- | [{{neobsahuje_lemma_truth_true.png? | + | [{{neobsahuje_lemma_truth_true.png? |
- | [{{vysledek_neobsahuje.png? | + | [{{vysledek_neobsahuje.png? |
<WRAP clear/> | <WRAP clear/> | ||
Řádek 41: | Řádek 41: | ||
Pokud vytváříte subkorpus pomocí jiných parametrů, mějte na paměti, že omezení se týkají vždy pouze jazyka, na jehož základě subkorpus vytváříte. | Pokud vytváříte subkorpus pomocí jiných parametrů, mějte na paměti, že omezení se týkají vždy pouze jazyka, na jehož základě subkorpus vytváříte. | ||
+ | |||
===== Specifika korpusů řady InterCorp ===== | ===== Specifika korpusů řady InterCorp ===== | ||
Řádek 49: | Řádek 50: | ||
* 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“), | ||
- | * U textů se značkami a lemmaty mohou přímočaře formulované dotazy na spřežková slova zůstat bez odpovědi. To se týká například anglických tvarů //can’t// nebo //I’m//, které tagger rozdělí na dvě slova (//ca n’t// a //I ’m//) s odpovídajícími lemmaty a značkami. Podobně je tomu i s polskými tvary typu //byłam// nebo // | + | * U textů se značkami a lemmaty mohou přímočaře formulované dotazy na spřežková slova zůstat bez odpovědi. To se týká například anglických tvarů //can’t// nebo //I’m//, které tagger rozdělí na dvě slova (//ca n’t// a //I ’m//) s odpovídajícími lemmaty a značkami. Podobně je tomu i s polskými tvary typu //byłam// nebo // |
* Paralelní korpus InterCorp se liší od korpusů řady [[cnk: | * Paralelní korpus InterCorp se liší od korpusů řady [[cnk: | ||
Řádek 135: | Řádek 136: | ||
<WRAP round help 50%> | <WRAP round help 50%> | ||
- | * Vyhledejte si v německé složce InterCorpu verze 6 lemma //Gesicht// a v jeho české paralele slova obsahující řetězec //ksicht//: '' | + | * Vyhledejte si v německé složce InterCorpu verze 10 lemma //Gesicht// a v jeho české paralele slova obsahující řetězec //ksicht//: '' |
* Naopak v české části najděte lemma //ksicht// a podívejte se na jeho německé ekvivalenty. | * Naopak v české části najděte lemma //ksicht// a podívejte se na jeho německé ekvivalenty. | ||
</ | </ | ||
- | Hledání překladů lemmatu //Gesicht// jako //ksicht// a naopak v paralelním korpusu InterCorp | + | Hledání překladů lemmatu //Gesicht// jako //ksicht// a naopak v paralelním korpusu InterCorp |
- | [{{vyberinterc_ksicht_a_ekvivalenty.png? | + | [{{vyberinterc_ksicht_a_ekvivalenty.png? |
<WRAP clear/> | <WRAP clear/> | ||
- | Vidíme, že v náhodném vzorku jedenácti dokladů (z celkových 65) je //Gesicht// ekvivalentem //ksichtu// pouze čtyřikrát. Z analýzy konkordancí je zřejmé, k jak výraznému významovému posunu směrem k pragmaticky zatíženému, | ||
---- | ---- |