Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze | ||
| cnk:intercorp:historie [2023/10/11 17:40] – [Verze 16] alexandrrosen | cnk:intercorp:historie [2024/10/01 10:33] (aktuální) – [Verze 16ud] alexandrrosen | ||
|---|---|---|---|
| Řádek 1: | Řádek 1: | ||
| ===== Historie verzí ===== | ===== Historie verzí ===== | ||
| + | |||
| + | ==== Verze 16ud ==== | ||
| + | |||
| + | zveřejněná 17. 9. 2024 | ||
| + | |||
| + | == Data: == | ||
| + | * obsahuje stejné texty jako verze 16 | ||
| + | * liší se hlavně v jednotné lingvistické anotaci všech jazyků podle standardu Universal Dependencies (viz verze 13ud) | ||
| + | * u každé věty a textu jsou nově jako metadata uvedeny také míry syntaktické komplexity, u každého textu i míry lexikální diverzity | ||
| + | * [[cnk: | ||
| + | |||
| + | |||
| ==== Verze 16 ==== | ==== Verze 16 ==== | ||
| Řádek 6: | Řádek 18: | ||
| == Data: == | == Data: == | ||
| - | * hlavně díky aktualizaci balíčku Subtitles, který | + | * jádro korpusu |
| + | * počet slov ve všech jazycích a typech textů se zvětšil asi na trojnásobek, | ||
| + | * stalo se to hlavně díky aktualizaci balíčku Subtitles, který teď obsahuje 4 001 mil. slov | ||
| * v Subtitles a tím pádem i v celém korpusu přibylo i 20 nových jazyků – korpus teď obsahuje celkem 62 jazyků (včetně češtiny) | * v Subtitles a tím pádem i v celém korpusu přibylo i 20 nových jazyků – korpus teď obsahuje celkem 62 jazyků (včetně češtiny) | ||
| * počet slov v cizojazyčných textech je celkem 4 893 mil., z toho 387 mil. jádro a 4 506 mil. kolekce | * počet slov v cizojazyčných textech je celkem 4 893 mil., z toho 387 mil. jádro a 4 506 mil. kolekce | ||
| * počet slov v českých textech celkem je 398 mil., z toho 125 mil. jádro a 273 mil. kolekce | * počet slov v českých textech celkem je 398 mil., z toho 125 mil. jádro a 273 mil. kolekce | ||
| - | * jádro korpusu teď obsahuje všechny texty naplánované a schválené na rok 2022 a zpracované do uzávěrky této verze | ||
| * [[cnk: | * [[cnk: | ||
