cnk:aranea - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.

====== Korpusy Aranea ======

Rodina nereferenčních srovnatelných webových korpusů sestavených [[http://www.juls.savba.sk/~vladob/|Vladimírem Benkem]]. V současné době pokrývá celkem 14 jazyků (cs, de, en, es, fi, fr, hu, it, nl, pl, pt, ru, sk, zh), pro některé jazyky jsou dále k dispozici specifické korpusy obsahující pouze některou z variet (vedle globální angličtiny také angličtina africká a asijská, vedle celku ruštiny také ruština z ruských a neruských domén). Pro každý jazyk či varietu jsou k dispozici vždy dva korpusy: základní větší (**maius**, cca 1 mld. slov) a jeho 10% menší vzorek (**minus**). Pouze pro češtinu a slovenštinu je k dispozici navíc také korpus o co největším rozsahu (**maximum**).

Srovnatelnosti korpusů pro jednotlivé jazyky bylo dosaženo shodnou metodikou jejich tvorby, přibližně stejnou velikostí, dobou akvizice dat a použitím shodných nástrojů pro další zpracování (filtrace, deduplikace, lemmatizace a morfologické značkování). Podrobnější informace o korpusech Aranea najdete [[http://ucts.uniba.sk/aranea_about/index.html|zde]].

===== Jak citovat korpusy Aranea =====
<WRAP round tip 70%>
Benko, V.: Srovnatelné webové korpusy Aranea. Ústav Českého národního korpusu FF UK, Praha 2015. Dostupný z WWW: <http://www.korpus.cz>.

Benko, V. (2014): Aranea: Yet Another Family of (Comparable) Web Corpora. In: Sojka, P. – Horák, A. – Kopeček, I. – Pala, K. (eds): //TSD 2014//, LNAI 8655, 257–264. Springer International Publishing.
</WRAP>

Historie: • mluvene_atributy • klaus • verze16ud • index • lindsei_cz • itwac • lexikalni_bohatost • ksk-dopisy • uvod • verbtagy

Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence