====== Seznamy značek, slov, nástrojů a zdrojů ====== V této sekci jsou k dispozici různé seznamy pro práci s [[cnk:uvod|korpusy ČNK]]. ===== Přehledy hodnot atributů ===== ==== Hodnoty pozičních atributů == Seznam pozičních atributů je k dispozici na [[pojmy:atributy_pozicni|zvláštní stránce]]. Zde jsou podrobně popsány atributy, které nabývají standardizovaných nebo zvláštních hodnot: == Morfologická anotace == * [[seznamy:tagy|morfologické značky]] (atribut ''tag'') * [[seznamy:verbtagy|značky gramatických kategorií slovesa]] (atribut ''verbtag'') == Syntaktická a frazémová anotace == * [[seznamy:syntakticke_znacky|syntaktické značky]] (atributy [[seznamy:afun|afun, p_afun, ep_afun]], [[seznamy:parent|parent]], [[seznamy:eparent|eparent]], [[seznamy:p_tag|p_tag, p_lemma, ep_tag, ep_lemma]], [[seznamy:prep|prep]]) * [[seznamy:frazemy|frazémové značky]] (atributy ''col_lemma'', ''col_type'') == Anotace různých transkripčních vrstev v mluvených korpusech == * [[seznamy:mluvene_atributy|značky transkripčních vrstev]] (atributy ''fon'', ''ort'', ''dial'', ''uid'') == Tokenizace a lemmatizace v aktuálních korpusech == * [[cnk:syn2020:tokenizace|tokenizace numerických a interpunkčních znaků v korpusu SYN2020]] (má vliv zejména na atribut ''word'') * [[cnk:syn2020:lemmatizace|variantní lemmata v korpusu SYN2020]] (atributy ''lemma'', ''sublemma'') ==== Hodnoty strukturních atributů ==== Strukturní atributy a jejich role ve struktuře korpusů jsou vysvětleny na [[pojmy:atributy_strukturni|zvláštní stránce]]. == Strukturní atributy v korpusech řady SYN == Strukturní atributy korpusů řady SYN jsou popsány na stránce * [[seznamy:strukturni_atributy_syn|struktury a strukturní atributy korpusů řady SYN]] Atributy se standardizovanými hodnotami jsou dále probrány na zvláštních stránkách: * [[seznamy:txtype_group|skupina textových typů]] (atribut ''txtype_group'') * [[seznamy:txtype|textový typ]] (atribut ''txtype'') * [[seznamy:genre_group|skupina oborů]] (atribut ''genre_group'') * [[seznamy:genre|tematická oblast]] (atribut ''genre'') * [[seznamy:srclang|zdrojový jazyk]] (atribut ''srclang'') * [[seznamy:med|médium]] (atribut ''med'') * [[seznamy:periodicity|periodicita]] (atribut ''periodicity'') * [[seznamy:authsex-transsex|pohlaví autora a překladatele]] (atributy ''authsex'', ''transsex'') * [[seznamy:audience|adresát]] (atribut ''audience'') * [[seznamy:section|rubrika]] (atribut ''section'') == Strukturní atributy v mluvených korpusech == Strukturní atributy dostupné v korpusech řad ORTOFON, ORAL, ORATOR a DIALEKT jsou popsány na stránce * [[seznamy:strukturni_atributy_mluvene|struktury a strukturní atributy mluvených korpusů]] == Strukturní atributy v paralelních korpusech == Strukturní atributy dostupné v korpusech řady InterCorp jsou popsány na stránce * [[seznamy:strukturni_atributy_intercorp|struktury a strukturní atributy korpusů InterCorp]] ===== Ostatní přehledy ===== ==== Zvláštní znaky ==== * [[seznamy:přehled entit použitých v korpusech ČNK]] ==== Zdrojové texty korpusů ==== * [[seznamy:zdrojove_texty_korpusu|seznamy zdrojových textů]] synchronních korpusů (SYN2000, SYN2005, SYN2006PUB, SYN2009PUB, SYN2010, SYN) a diachronních korpusů (Diakorp verze 5 a verze 6, Diakon do r. 1989) ==== Seznamy slov z publikovaných korpusů ==== == Abecední a retrográdní slovníky == Z korpusů [[cnk:syn2000|SYN2000]], [[cnk:syn2005|SYN2005]], [[cnk:syn2010|SYN2010]] a [[cnk:syn2015|SYN2015]] jsme vytvořili [[seznamy:abc_seznamy|seznamy slovních tvarů a lemmat]] setříděné podle abecedy. == Srovnávací frekvenční seznamy == Reprezentativní korpusy [[cnk:syn|řady SYN]] představují každý sondu do jazyka své doby. Aby bylo možné vývoj jazyka v jednotlivých obdobích analyzovat, je třeba vzít v úvahu to, že tyto korpusy byly zpracovávány různými nástroji a jejich složení se liší. Pro snazší analýzu jazykového vývoje na základě těchto dat jsme pro vás připravili [[seznamy:srovnavaci_seznamy|srovnávací seznamy]]. Další frekvenční seznamy jsou k dispozici v aplikaci [[manualy:lists|Lists]]. == Databáze slovních tvarů a lemmat doložených v korpusech ČNK == V aplikaci [[manualy:korpusdb|KorpusDB]] je uložena databáze všech rozpoznaných slovních tvarů lemmat, které se reálně vyskytují v některém ze zpracovaných korpusů ČNK: SYN v8 (současná psaná čeština), ORAL v1 a ORTOFON v1 (současná mluvená čeština), DIAKORP v6 a nezveřejněný korpus textů 19. stol. == Seznamy SYN2020 == [[cnk:syn2020:seznamy|Seznamy slov]] použité při anotaci korpusu [[cnk:syn2020|SYN2020]]. ==== Pravidla pro přepis ==== * [[seznamy:pravidla_ksk|Sběr a přepis dopisů]] (korpus KSK) * [[cnk:zasady_pro_prepis_vyucovacich_hodin|Sběr nahrávek vyučovacích hodin a zásady pro přepis]] (korpus SCHOLA2010) * [[seznamy:pravidla_2006|Pravidla přepisu]] (korpus Oral2006) * [[seznamy:pravidla_2008|Pravidla přepisu]] (korpus Oral2008) * {{:cnk:prepisovaci_pravidla_oral2013.pdf|Pravidla přepisu}} (korpus Oral2013) ==== Korpusové nástroje ==== * [[seznamy:kontext_verze|Přehled verzí rozhraní KonText]] ---- [[cnk:uvod|Korpusy ČNK]] • [[kurz:uvod|Kurz práce s korpusem]] • [[manualy:kontext:index|Manuál korpusového rozhraní]] • [[pojmy:prehled_pojmu|Základní pojmy korpusové lingvistiky]]