Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
| Obě strany předchozí revizePředchozí verze | Následující verzeObě strany příští revize | ||
| pojmy:token [2013/09/13 16:20] – Schvaleno pro 1. verzi vaclavcvrcek | pojmy:token [2013/12/05 03:05] – [Token] olgarichterova | ||
|---|---|---|---|
| Řádek 1: | Řádek 1: | ||
| ====== Token ====== | ====== Token ====== | ||
| - | Token je nejmenší jednotka textu, většinou se jedná o grafické slovo, resp. o jednu jeho konkrétní realizaci. V některých případech je jedno grafické slovo rozděleno na dvě (např. //mohu -li//), často je také z praktických důvodů (pro snadné vyhledávání) oddělována interpunkce od předcházejícího slova (3 tokeny: //řekl , že//). O jednotlivých tokenech v korpusu se také mluví jako o [[pojmy: | + | Token je nejmenší jednotka textu, většinou se jedná o grafické slovo (tj. řetězec alfabetických znaků oddělený mezerou v textu), resp. o jednu jeho konkrétní realizaci. V některých případech je jedno grafické slovo rozděleno na dvě (např. //mohu -li//), často je také z praktických důvodů (pro snadné vyhledávání) oddělována interpunkce od předcházejícího slova (3 tokeny: //řekl , že//). O jednotlivých tokenech v korpusu se také mluví jako o [[pojmy: |
| - | Velikost korpusu se udává v tokenech nebo také v textových slovech. Rozčlenění textu na tokeny je výsledkem procesu **tokenizace**. | + | Velikost korpusu se udává v tokenech nebo také v textových |
| V opozici k tokenům se vyděluje jako vyšší rovina abstrakce [[pojmy: | V opozici k tokenům se vyděluje jako vyšší rovina abstrakce [[pojmy: | ||
