cnk:intercorp:verze16ud - 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.
====== Korpus InterCorp verze 16ud – Universal Dependencies ======

^ Název ^^ čeština jádro ^ čeština kolekce ^ cizí jazyky jádro ^ cizí jazyky kolekce ^
^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|tokenů]] |  154 391 397 |  362 409 841 |  461 601 109 |  5 732 688 636 |
^ ::: ^ Počet [[pojmy:word|slovních tvarů]] |  124 681 856 |  272 671 041 |  385 829 717 |  4 473 418 338 |
^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[seznamy:strukturni_atributy_intercorp|dokumentů]] |  1 812 |  33 |  4 643 |   338 |
^ ::: ^ Počet textů |  1 812 |  162 613 |  4 643 |  2 662 675 |
^ ::: ^ Počet vět |  10 691 340 |  50 729 559 |  28 684 709 |  790 046 584 |
^ Další informace ^ [[pojmy:referencni|referenční]] |  ANO   ^^^^
^ ::: ^ [[pojmy:reprezentativnost|reprezentativní]] |  NE  ([[seznamy:txtype|různé textové typy]])  ^^^^
^ ::: ^ rok zveřejnění |  2024  ^^^^
^ ::: ^ cizích jazyků |  61  ^^^^
^ ::: ^ [[pojmy:tag|tagovaných]] jazyků |  47  ^^^^
^ ::: ^ jazyků s [[pojmy:lemma|lemmaty]] |  47  ^^^^
^ ::: ^ jazyků se syntaktickou anotací |  47  ^^^^

====Přístup k textům====

Po registraci na stránce [[https://www.korpus.cz/signup|Prohlášení uživatele korpusů ÚČNK]] lze korpus prohledávat přes webové rozhraní. Registrace platí pro všechny veřejně přístupné korpusy ÚČNK. Máte-li uživatelské jméno a heslo k české části Českého národního korpusu, další registraci pro paralelní korpus nepotřebujete.

InterCorp je přístupný přes běžný webový prohlížeč z jednotného vyhledávacího rozhraní [[manualy:kontext:index|KonText]] pomocí speciálního [[kurz:hledani_v_paralelnim_korpusu|dotazovacího formuláře]] pro paralelní korpusy.

Texty z korpusu InterCorp lze získat po podpisu licenčního ujednání pro neziskové účely také v podobě dvojjazyčných souborů náhodně seřazených dvojic vět. Zájemci se mohou obrátit na [[alexandr.rosen@ff.cuni.cz|Alexandra Rosena]].

Obvykle jednou ročně vychází nová verze InterCorpu. V každé nové verzi roste objem textů, případně i počet jazyků a rozsah anotace. Od verze 6 dál jsou všechny předchozí verze stále dostupné.

===== To nejdůležitější o verzi 16ud =====

  * Podrobný popis využití anotace podle UD v korpusu InterCorp najdete pod heslem <fs large>**[[pojmy:ud|Universal Dependencies]]**</fs> ve [[pojmy:prehled_pojmu|Slovníčku pojmů ČNK]].
  * Po verzi 13ud, 16ud je druhá verze InterCorpu s lingvistickou anotací podle standardu [[pojmy:ud|Universal Dependencies]].
  * Verze 16ud je prvním korpusem ČNK, který obsahuje metriky <fs large>**[[pojmy:syntakticka_komplexita|syntaktické komplexity]]**</fs> a <fs large>**[[https://wiki.korpus.cz/doku.php/pojmy:lexikalni_bohatost#lexikalni_diverzita|lexikální diverzity]]**</fs>.((Děkujeme Olze Nádvorníkové, která rozšíření anotace korpusu o míry syntaktické komplexity a lexikální diverzity iniciovala a vedla. Děkujeme také Jiřímu Miličkovi za cenné rady při výběru vhodných měr lexikální diverzity.))
  * Z celkového počtu 62 jazyků (včetně češtiny) je ve verzi 16ud **lingvisticky anotovaných 47**; všechny takové jazyky jsou navíc vybaveny i **syntaktickou anotací**.
  * Texty jsou ve všech jazycích **anotované stejně**, a to podle standardu UD ([[https://universaldependencies.org|Universal Dependencies]]).
  * Anotaci provedl u všech jazyků nástroj [[https://ufal.mff.cuni.cz/udpipe|UDPipe]] na základě dat vytvořených v projektu UD.((Při anotaci toho korpusu jsme použili tyto modely:: afrikaans-afribooms-ud-2.12-230717, 
arabic-padt-ud-2.12-230717, 
armenian-armtdp-ud-2.12-230717, 
basque-bdt-ud-2.12-230717, 
belarusian-hse-ud-2.12-230717, 
bulgarian-btb-ud-2.12-230717, 
catalan-ancora-ud-2.12-230717, 
chinese-gsdsimp-ud-2.12-230717, 
croatian-set-ud-2.12-230717, 
czech-fictree-ud-2.12-230717, 
danish-ddt-ud-2.12-230717, 
dutch-alpino-ud-2.12-230717, 
english-gum-ud-2.12-230717, 
estonian-edt-ud-2.12-230717, 
finnish-tdt-ud-2.12-230717, 
french-gsd-ud-2.12-230717, 
galician-treegal-ud-2.12-230717, 
german-gsd-ud-2.12-230717, 
greek-gdt-ud-2.12-230717, 
hebrew-htb-ud-2.12-230717, 
hindi-hdtb-ud-2.12-230717, 
hungarian-szeged-ud-2.12-230717, 
icelandic-modern-ud-2.12-230717, 
indonesian-gsd-ud-2.12-230717, 
italian-isdt-ud-2.12-230717, 
japanese-gsd-ud-2.12-230717, 
kazakh-ud-2.0-170801, 
korean-kaist-ud-2.12-230717, 
latvian-lvtb-ud-2.12-230717, 
lithuanian-alksnis-ud-2.12-230717, 
maltese-mudt-ud-2.12-230717, 
norwegian-bokmaal-ud-2.12-230717, 
persian-perdt-ud-2.12-230717, 
polish-pdb-ud-2.12-230717, 
portuguese-bosque-ud-2.12-230717, 
romanian-rrt-ud-2.12-230717, 
russian-syntagrus-ud-2.12-230717, 
serbian-set-ud-2.12-230717, 
slovak-snk-ud-2.12-230717, 
slovenian-ssj-ud-2.12-230717, 
spanish-ancora-ud-2.12-230717, 
swedish-talbanken-ud-2.12-230717, 
tamil-ttb-ud-2.12-230717, 
telugu-mtg-ud-2.12-230717, 
turkish-boun-ud-2.12-230717, 
ukrainian-iu-ud-2.12-230717, 
urdu-udtb-ud-2.12-230717, 
vietnamese-vtb-ud-2.12-230717.))

===== Obsah korpusu =====

InterCorp verze 16ud obsahuje **stejné texty** jako [[cnk:intercorp:verze16|InterCorp verze 16]], obě verze se **liší jen v lingvistické anotaci**. Údaje o počtu tokenů a slov ve verzi 16ud se však můžou mírně lišit kvůli jinému způsobu tokenizace. 

**Jádrem** korpusu InterCorp jsou ručně zarovnané, převážně beletristické texty, ale i menší podíl jiných textových typů, např. divadelních her nebo poezie. Kromě toho korpus obsahuje také nabídku automaticky zpracovaných textů, tzv. **kolekce**. Ve verzi 16ud jsou k dispozici tyto kolekce:

 * publistické články a zpravodajství z webových stránek [[http://www.project-syndicate.org|Project Syndicate]] a [[http://www.voxeurop.eu|VoxEurop]] (dříve **PressEurop**)
  * právní texty Evropské unie z korpusu [[https://ec.europa.eu/jrc/en/language-technologies/jrc-acquis|Acquis Communautaire]] (**Acquis**)
  * zápisy jednání Evropského parlamentu z let 2007–2011 z korpusu [[http://www.statmt.org/europarl|Europarl]] (**Europarl**)
  * filmové titulky z databáze [[http://www.opensubtitles.org|OpenSubtitles]] (**Subtitles**)
  * překlady **Bible** 

Tyto texty jsou zarovnány jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají. Kolekce také neobsahují všechny texty z původního zdroje, např. ty, které nemají český protějšek. Některé texty z korpusů //Acquis Communautaire// a //Europarl// byly rovněž částečně opraveny nebo vytříděny, takže se mohou ve srovnání s původním zdrojem lišit podobou i rozsahem. Podobně byla zredukována i databáze //OpenSubtitles//, kde jsme navíc u každého titulu převzali z více verzí překladu jen jednu. Zato byly doplněny některé metainformace, které v původním zdroji chyběly, ale daly se zjistit z kontextu nebo jiných zdrojů.

Každý cizojazyčný text má v korpusu svou českou verzi. Čeština je tedy tzv. pivot, česká verze textu (originál nebo překlad) je zarovnána s jednou nebo více verzemi cizojazyčnými. Celkový rozsah zpřístupněné části korpusu ve verzi 16ud zveřejněné v září 2024 činí 5 257 milionů slov, z toho v zarovnaných cizojazyčných textech 386 milionů slov v jádru a 4 473 milionů slov v kolekcích. V českých textech je v jádru 125 a v kolekcích 273 milionů slov (viz [[cnk:intercorp:historie|historie verzí]]). Rozložení textů v rámci jádra a v jednotlivých kolekcích je znázorněno na následujících grafech. Čísla v grafech ukazují velikost v milionech slov.

[{{:cnk:intercorp:intercorp_wordcounts_v16.png?1000|Skladba korpusu podle jednotlivých jazyků – jádro i kolekce}}] \\

[{{:cnk:intercorp:intercorp_wordcounts2_v16.png?1000|Skladba korpusu podle jednotlivých jazyků – jádro}}] \\

[{{:cnk:intercorp:intercorp_wordcounts3_v16.png?1000|Skladba korpusu podle jednotlivých jazyků – kolekce}}]

===== Korpus v číslech =====

====Počet textů v jádru korpusu====

^ Zkratka ^ Jazyk ^ Počet textů ^ z toho originály ^
^  ar  ^ arabština |  3 |  1 |
^  be  ^ běloruština |  108 |  14 |
^  bg  ^ bulharština |  87 |  19 |
^  ca  ^ katalánština |  92 |  1 |
^  cs  ^ čeština |  1 812 |  368 |
^  da  ^ dánština |  93 |  9 |
^  de  ^ němčina |  471 |  163 |
^  en  ^ angličtina |  422 |  271 |
^  es  ^ španělština |  355 |  142 |
^  et  ^ estonština |  1 |  0 |
^  fi  ^ finština |  112 |  36 |
^  fr  ^ francouzština |  277 |  126 |
^  hi  ^ hindština |  7 |  2 |
^  hr  ^ chorvatština |  324 |  37 |
^  hs  ^ hornolužická srbština |  13 |  5 |
^  hu  ^ maďarština |  89 |  1 |
^  it  ^ italština |  171 |  26 |
^  ja  ^ japonština |  35 |  15 |
^  lt  ^ litevština |  23 |  4 |
^  lv  ^ lotyština |  73 |  15 |
^  mk  ^ makedonština |  108 |  4 |
^  nl  ^ nizozemština |  215 |  52 |
^  no  ^ norština |  102 |  23 |
^  pl  ^ polština |  348 |  54 |
^  pt  ^ portugalština |  87 |  24 |
^  rn  ^ romština |  2 |  2 |
^  ro  ^ rumunština |  45 |  5 |
^  ru  ^ ruština |  160 |  37 |
^  sk  ^ slovenština |  165 |  62 |
^  sl  ^ slovinština |  73 |  25 |
^  sr  ^ srbština |  148 |  13 |
^  sv  ^ švédština |  232 |  101 |
^  uk  ^ ukrajinština |  199 |  8 |
^  zh  ^ čínština |  3 |  3 |
^  **CELKEM**  ^   |  6 455 |  1 668 |

V níže uvedených tabulkách je jádro InterCorpu rozděleno podle typu textu na beletrii (**Core-fiction**), literaturu faktu (**Core-nonfiction**) a různé (**Core-misc**), kategorii zahrnující divadelní hry, poezii a dětskou literaturu. 

==== Velikost korpusu podle kolekcí ====

^  Kolekce  ^  Počet  ^^  Tisíce  ^^^
^::: ^  dokumentů  ^  textů  ^  vět  ^  slov  ^  tokenů  ^
^Core-fiction|   5 879|   5 879|   37 270|   473 208|   572 187|
^Core-misc|    226|    226|    623|   7 853|   9 424|
^Core-nonfiction|    350|    350|   1 483|   29 450|   34 381|
^Acquis|    22|   380 049|   28 903|   424 874|   531 415|
^Bible|    38|   1 252|    899|   12 050|   14 405|
^Europarl|    21|  1 369 378|   13 709|   276 543|   315 134|
^PressEurop|    70|   69 894|   1 637|   26 964|   31 538|
^Subtitles|    58|   965 557|   793 931|  3 970 273|  5 162 184|
^Syndicate|    162|   39 158|   1 697|   35 385|   40 423|
^CELKEM^   6 826^  2 831 743^   880 152^  5 256 601^  6 711 091^


==== Velikost korpusu podle jazyků ====

^  [[https://en.wikipedia.org/wiki/ISO_639-1|Jazyk]]  ^  Počet  ^^  Tisíce  ^^^
^::: ^  dokumentů  ^  textů  ^  vět  ^  slov  ^  tokenů  ^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=af|af]]|    1|    24|    23,0|    134,6|    161,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ar|ar]]|    7|   34 629|   28 748,8|   126 614,3|   157 671,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=be|be]]|    108|    108|    632,7|   7 126,4|   9 054,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bg|bg]]|    90|   97 190|   34 421,2|   194 375,7|   250 957,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bn|bn]]|    1|    252|    363,8|   1 517,7|   2 072,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=br|br]]|    1|    27|    19,7|    97,4|    145,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bs|bs]]|    1|   14 208|   12 165,3|   56 465,9|   75 945,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ca|ca]]|    95|    828|   1 201,8|   13 381,4|   15 617,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=cs|cs]]|   1 845|   164 425|   61 420,9|   397 352,9|   516 801,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=da|da]]|    98|   101 609|   16 583,0|   115 590,0|   146 193,4|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=de|de]]|    504|   115 755|   23 827,8|   181 773,9|   229 774,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=el|el]]|    3|   125 684|   33 174,5|   200 922,9|   254 776,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=en|en]]|    455|   157 490|   54 572,6|   357 080,3|   449 890,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eo|eo]]|    1|    46|    48,4|    221,0|    305,4|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=es|es]]|    386|   150 798|   45 280,2|   305 112,0|   388 664,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=et|et]]|    4|   100 709|   13 904,0|   80 349,3|   104 726,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eu|eu]]|    1|    652|    732,9|   2 999,9|   4 039,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fa|fa]]|    1|   6 556|   6 594,8|   32 635,9|   38 097,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fi|fi]]|    117|   116 660|   25 976,1|   123 357,7|   165 696,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fi|fi]]|    310|   138 571|   33 957,7|   258 555,1|   315 325,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fr|fr]]|    1|    146|    121,7|    622,1|    797,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=gl|gl]]|    1|   33 935|   27 608,8|   129 458,6|   172 973,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=he|he]]|    8|    61|    116,6|    832,7|    988,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hi|hi]]|    327|   35 447|   30 758,6|   162 943,8|   208 413,5|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hr|hr]]|    13|    13|    41,6|    466,3|    586,3|
^[[https://en.wikipedia.org/wiki/Upper_Sorbian_language|hs]]|    95|   125 933|   34 510,0|   178 525,6|   240 411,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hu|hu]]|    1|    7|    3,9|    23,5|    30,6|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hy|hy]]|    1|   8 350|   8 112,7|   37 824,9|   49 694,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=id|id]]|    1|   1 135|   1 497,9|   7 374,2|   9 299,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=is|is]]|    194|   134 401|   33 361,2|   226 224,9|   286 343,4|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=it|it]]|    37|   2 363|   2 296,7|   16 138,6|   18 020,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ja|ja]]|    1|    204|    198,4|    871,1|   1 179,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ka|ka]]|    1|    4|    4,1|    13,9|    19,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=kk|kk]]|    1|   1 605|   1 641,1|   5 964,3|   7 294,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ko|ko]]|    28|   87 642|   3 622,1|   34 786,3|   45 134,4|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lt|lt]]|    78|   86 356|   3 023,6|   35 425,1|   45 293,5|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lv|lv]]|    109|   3 541|   3 907,8|   23 993,1|   30 898,6|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mk|mk]]|    1|    285|    365,3|   1 258,4|   1 793,5|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ml|ml]]|    1|   1 496|   1 712,1|   7 828,0|   10 573,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ms|ms]]|    1|   8 963|    784,8|   13 805,0|   16 643,6|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mt|mt]]|    232|   132 791|   33 065,4|   233 111,3|   284 402,6|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=nl|nl]]|    105|   9 163|   8 344,6|   48 750,2|   61 120,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=no|no]]|    360|   140 055|   41 282,4|   227 242,6|   300 207,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pl|pl]]|    107|   147 063|   46 510,1|   280 566,2|   355 121,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pt|pt]]|    2|    2|    1,7|    13,6|    17,7|
^[[https://en.wikipedia.org/wiki/Romani_language|rn]]|    55|   102 904|   39 561,2|   235 702,3|   295 301,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ro|ro]]|    184|   32 839|   22 985,2|   122 130,4|   163 120,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=si|si]]|    1|    499|    522,5|   2 313,4|   3 021,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sk|sk]]|    170|   94 585|   10 080,0|   74 862,7|   95 881,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sl|sl]]|    76|   104 460|   20 501,3|   118 457,1|   155 788,9|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sq|sq]]|    1|   1 575|   1 769,0|   9 171,4|   12 098,4|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sr|sr]]|    149|   38 177|   32 117,7|   165 130,2|   211 727,6|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sv|sv]]|    237|   104 739|   19 113,9|   135 088,4|   164 715,5|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ta|ta]]|    1|    20|    29,4|    104,0|    141,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=te|te]]|    1|    18|    26,0|    96,0|    127,1|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=th|th]]|    1|   3 932|   3 457,0|   5 626,0|   7 288,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tl|tl]]|    1|    5|    8,0|    37,0|    52,7|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tr|tr]]|    1|   44 015|   35 975,7|   147 635,3|   199 108,2|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=uk|uk]]|    202|   1 271|   2 138,0|   19 225,4|   24 818,3|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ur|ur]]|    1|    19|    27,0|    155,7|    180,8|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=vi|vi]]|    1|   3 468|   3 304,5|   19 281,4|   23 984,0|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=zh|zh]]|    9|   12 035|   11 993,7|   71 855,3|   80 560,0|
^CELKEM^   6 826^  2 831 743^   880 152,2^  5 256 601,0^  6 711 091,0^

==== Velikost korpusu v tisících slov podle jazyků a kolekcí ====

^  [[https://en.wikipedia.org/wiki/ISO_639-1|Lang]]  ^	 Core-fiction  ^  Core-misc  ^  Core-nonfiction  ^  Acquis  ^  Bible  ^  Europarl  ^  PressEurop  ^  Subtitles  ^  Syndicate  ^  CELKEM  ^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=af|af]]|  – |  – |  – |  – |  – |  – |  – |     134,6|  – ^     134,6^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ar|ar]]|     28,8|     5,5|  – |  – |  – |  – |  – |    126 195,5|     384,5^    126 614,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=be|be]]|    7 068,7|     57,7|  – |  – |  – |  – |  – |  – |  – ^    7 126,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bg|bg]]|    7 067,3|  – |  – |    13 582,3|  – |    9 082,0|  – |    164 644,1|  – ^    194 375,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bn|bn]]|  – |  – |  – |  – |  – |  – |  – |    1 517,7|  – ^    1 517,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=br|br]]|  – |  – |  – |  – |  – |  – |  – |     97,4|  – ^     97,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bs|bs]]|  – |  – |  – |  – |  – |  – |  – |    56 465,9|  – ^    56 465,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ca|ca]]|    9 951,3|     9,7|  – |  – |     728,2|  – |  – |    2 692,1|  – ^    13 381,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=cs|cs]]|    113 632,3|    2 637,1|    8 412,5|    19 188,9|     562,5|    12 918,7|    2 313,3|    232 969,1|    4 718,6^    397 352,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=da|da]]|    9 460,8|     11,9|     56,0|    20 014,9|     655,2|    13 800,4|  – |    71 590,8|  – ^    115 590,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=de|de]]|    35 653,3|    1 066,1|    4 037,3|    20 716,9|     725,0|    13 156,2|    2 506,5|    98 808,9|    5 103,7^    181 773,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=el|el]]|  – |  – |  – |    23 684,5|  – |    15 381,7|  – |    161 856,7|  – ^    200 922,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=en|en]]|    36 519,3|     778,3|    4 618,7|    23 062,9|     727,6|    15 593,0|    2 663,8|    267 843,8|    5 272,8^    357 080,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eo|eo]]|  – |  – |  – |  – |  – |  – |  – |     221,0|  – ^     221,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=es|es]]|    29 664,1|     165,1|     830,9|    26 269,3|  – |    16 248,5|    2 857,8|    223 006,0|    6 070,2^    305 112,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=et|et]]|     78,8|  – |  – |    14 884,2|  – |    10 898,7|  – |    54 487,7|  – ^    80 349,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eu|eu]]|  – |  – |  – |  – |  – |  – |  – |    2 999,9|  – ^    2 999,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fa|fa]]|  – |  – |  – |  – |  – |  – |  – |    32 635,9|  – ^    32 635,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fi|fi]]|    6 714,9|     44,4|     200,5|    15 264,2|     542,6|    10 109,3|  – |    90 481,8|  – ^    123 357,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fr|fr]]|    20 454,4|     194,3|    3 687,5|    26 298,4|     762,6|    17 186,4|    3 044,3|    181 033,4|    5 893,7^    258 555,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=gl|gl]]|  – |  – |  – |  – |  – |  – |  – |     622,1|  – ^     622,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=he|he]]|  – |  – |  – |  – |  – |  – |  – |    129 458,6|  – ^    129 458,6^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hi|hi]]|     402,8|  – |  – |  – |  – |  – |  – |     429,9|  – ^     832,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hr|hr]]|    22 763,6|     242,6|    1 523,4|  – |     569,9|  – |  – |    137 844,3|  – ^    162 943,8^
^[[https://en.wikipedia.org/wiki/Upper_Sorbian_language|hs]]|     405,3|     36,6|     24,4|  – |  – |  – |  – |  – |  – ^     466,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hu|hu]]|    6 890,1|     28,9|  – |    17 851,3|  – |    12 187,9|  – |    141 559,0|     8,4^    178 525,6^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hu|hy]]|  – |  – |  – |  – |  – |  – |  – |     23,5|  – ^     23,5^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=id|id]]|  – |  – |  – |  – |  – |  – |  – |    37 824,9|  – ^    37 824,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=is|is]]|  – |  – |  – |  – |  – |  – |  – |    7 374,2|  – ^    7 374,2^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=it|it]]|    17 435,8|     50,6|     647,8|    23 892,0|     685,2|    15 511,4|    2 750,7|    163 859,9|    1 391,5^    226 224,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ja|ja]]|    3 766,7|     64,9|     163,1|  – |  – |  – |  – |    12 141,5|     2,5^    16 138,6^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ka|ka]]|  – |  – |  – |  – |  – |  – |  – |     871,1|  – ^     871,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=kk|kk]]|  – |  – |  – |  – |  – |  – |  – |     13,9|  – ^     13,9^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ko|ko]]|  – |  – |  – |  – |  – |  – |  – |    5 964,3|  – ^    5 964,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ko|ko]]|     669,1|     7,2|     17,4|    17 175,1|     471,2|    11 198,5|  – |    5 247,7|  – ^    34 786,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lt|lt]]|    3 207,6|     362,1|     66,9|    17 519,4|     536,7|    11 682,0|  – |    2 050,4|  – ^    35 425,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lv|lv]]|    8 794,5|     86,5|  – |  – |  – |  – |  – |    15 112,0|  – ^    23 993,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mk|mk]]|  – |  – |  – |  – |  – |  – |  – |    1 258,4|  – ^    1 258,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ml|ml]]|  – |  – |  – |  – |  – |  – |  – |    7 828,0|  – ^    7 828,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ms|ms]]|  – |  – |  – |    13 805,0|  – |  – |  – |  – |  – ^    13 805,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mt|mt]]|    17 229,8|     356,4|    1 193,5|    23 401,1|     716,8|    15 555,9|    2 952,8|    170 892,9|     812,1^    233 111,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=nl|nl]]|    7 690,7|     138,1|     392,0|  – |     723,9|  – |  – |    39 805,6|  – ^    48 750,2^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=no|no]]|    27 056,2|     283,2|     754,2|    19 482,9|     576,1|    12 662,8|    2 367,5|    164 059,8|  – ^    227 242,6^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pl|pl]]|    7 204,0|     81,3|  – |    24 385,0|     706,2|    15 188,4|    2 782,5|    229 480,2|     738,5^    280 566,2^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pt|pt]]|     8,4|     5,2|  – |  – |  – |  – |  – |  – |  – ^     13,6^
^[[https://en.wikipedia.org/wiki/Romani_language|rn]]|    4 132,6|     64,1|  – |    8 043,5|  – |    9 426,4|    2 725,2|    211 310,4|  – ^    235 702,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ro|ro]]|    11 757,6|     143,8|     518,7|  – |     565,5|  – |  – |    104 831,9|    4 312,8^    122 130,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=si|si]]|  – |  – |  – |  – |  – |  – |  – |    2 313,4|  – ^    2 313,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sk|sk]]|    7 626,6|     402,2|     558,0|    18 398,8|     560,8|    12 727,0|  – |    34 589,4|  – ^    74 862,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sl|sl]]|    4 611,2|     6,1|     22,4|    18 510,4|  – |    12 249,8|  – |    83 057,1|  – ^    118 457,1^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sq|sq]]|  – |  – |  – |  – |  – |  – |  – |    9 171,4|  – ^    9 171,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sr|sr]]|    12 556,0|     29,3|     119,3|  – |  – |  – |  – |    152 425,6|  – ^    165 130,2^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sv|sv]]|    18 011,7|     454,8|    1 273,0|    19 443,0|     637,9|    13 777,6|  – |    81 490,5|  – ^    135 088,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ta|ta]]|  – |  – |  – |  – |  – |  – |  – |     104,0|  – ^     104,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=te|te]]|  – |  – |  – |  – |  – |  – |  – |     96,0|  – ^     96,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=th|th]]|  – |  – |  – |  – |  – |  – |  – |    5 626,0|  – ^    5 626,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tl|tl]]|  – |  – |  – |  – |  – |  – |  – |     37,0|  – ^     37,0^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tr|tr]]|  – |  – |  – |  – |  – |  – |  – |    147 635,3|  – ^    147 635,3^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=uk|uk]]|    14 478,3|     38,9|     333,0|  – |     596,1|  – |  – |    3 779,0|  – ^    19 225,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ur|ur]]|  – |  – |  – |  – |  – |  – |  – |     155,7|  – ^     155,7^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=vi|vi]]|  – |  – |  – |  – |  – |  – |  – |    19 281,4|  – ^    19 281,4^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=zh|zh]]|     215,4|  – |  – |  – |  – |  – |  – |    70 963,9|     675,9^    71 855,3^
^CELKEM^    473 208,2^    7 852,9^    29 450,5^    424 874,2^    12 050,1^    276 542,6^    26 964,4^   3 970 272,9^    35 385,2^   5 256 601,0^
==== Podrobné statistiky ====


Kromě údajů o velikosti korpusu obsahuje tabulka také míry statistické komplexity a lexikální diverzity. U jazyků bez lingvistické anotace je v tabulce uvedena pouze míra lexikální diverzity založená na slovní formě (lexDivWord).

^  [[https://en.wikipedia.org/wiki/ISO_639-1|Jazyk]]  ^  Kolekce  ^  Počet  ^^  Tisíce  ^^^  [[en:pojmy:lexikalni_bohatost|Lexikální diverzita]]  ^^  [[en:pojmy:syntakticka_komplexita|Syntaktická komplexita]] (průměr)  ^^^^^^
^::: ^::: ^  dokumentů  ^  textů  ^  vět  ^  slov  ^  tokenů  ^  lexDivWord  ^  lexDivLemma  ^  sLength  ^  subRatio  ^  maxTreeDepth  ^  maxNPLength  ^  maxNPDepth  ^  mdd  ^
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=af|af]]|Subtitles|  1|  24|  23,0|  134,6|  161,7|  406,4|  347,2|  5,887|  1,093|  0,095|  2,377|  0,811|  2,251|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ar|ar]]|Core-fiction|  2|  2|  2,1|  28,8|  35,6|  620,3|  576,6|  13,830|  2,712|  1,310|  5,293|  2,016|  2,817|
^:::|Core-misc|  1|  1|  1,3|  5,5|  7,4|  451,4|  421,4|  4,150|  1,330|  0,290|  1,870|  0,840|  2,010|
^:::|Subtitles|  1|  34 193|  28 726,4|  126 195,5|  157 188,9|  592,8|  557,3|  4,421|  1,338|  0,336|  2,216|  0,986|  1,678|
^:::|Syndicate|  3|  433|  19,0|  384,5|  439,0|  622,7|  560,3|  20,513|  2,485|  1,312|  11,036|  3,940|  2,405|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=be|be]]|Core-fiction|  104|  104|  625,1|  7 068,7|  8 978,9|  615,4|  492,7|  11,583|  1,865|  0,804|  4,122|  1,436|  2,316|
^:::|Core-misc|  4|  4|  7,6|  57,7|  76,0|  556,2|  425,6|  7,608|  1,672|  0,605|  2,870|  1,002|  2,254|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bg|bg]]|Core-fiction|  87|  87|  559,6|  7 067,3|  8 597,7|  548,3|  439,5|  13,125|  1,728|  0,732|  4,255|  1,532|  2,497|
^:::|Acquis|  1|  10 846|  862,3|  13 582,3|  16 991,2|  392,4|  306,3|  18,073|  1,801|  0,514|  9,389|  2,805|  3,265|
^:::|Europarl|  1|  45 271|  408,3|  9 082,0|  10 379,8|  498,4|  386,3|  23,014|  2,538|  1,263|  10,961|  3,402|  2,581|
^:::|Subtitles|  1|  40 986|  32 591,1|  164 644,1|  214 988,4|  518,2|  384,6|  5,089|  1,336|  0,322|  1,861|  0,706|  1,931|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bn|bn]]|Subtitles|  1|  252|  363,8|  1 517,7|  2 072,1|  419,4|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=br|br]]|Subtitles|  1|  27|  19,7|  97,4|  145,2|  363,5|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=bs|bs]]|Subtitles|  1|  14 208|  12 165,3|  56 465,9|  75 945,3|  450,2|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ca|ca]]|Core-fiction|  91|  91|  678,0|  9 951,3|  11 363,4|  471,6|  375,2|  15,579|  2,140|  0,962|  6,099|  1,920|  2,551|
^:::|Core-misc|  1|  1|  0,7|  9,7|  11,2|  463,7|  362,5|  14,300|  2,040|  0,930|  5,850|  1,880|  2,520|
^:::|Bible|  2|  66|  50,3|  728,2|  839,4|  405,3|  308,0|  15,729|  2,056|  0,912|  6,460|  2,103|  2,602|
^:::|Subtitles|  1|  670|  472,8|  2 692,1|  3 403,2|  487,0|  346,8|  5,726|  1,379|  0,352|  2,617|  0,926|  2,028|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=cs|cs]]|Core-fiction|  1 629|  1,629|  9 979,9|  113 632,3|  141 075,8|  629,8|  484,2|  11,722|  1,702|  0,723|  4,078|  1,459|  2,486|
^:::|Core-nonfict|  113|  113|  488,9|  8 412,5|  10 107,3|  649,3|  501,8|  18,099|  2,107|  1,004|  8,159|  2,685|  2,607|
^:::|Core-misc|  70|  70|  222,5|  2 637,1|  3 208,3|  639,0|  492,3|  12,264|  1,721|  0,704|  5,105|  1,778|  2,412|
^:::|Acquis|  1|  19 269|  1 351,5|  19 188,9|  25 140,4|  472,1|  346,5|  16,575|  1,745|  0,536|  9,788|  2,858|  3,025|
^:::|Bible|  2|  66|  51,0|  562,5|  692,9|  537,1|  372,0|  11,907|  1,603|  0,635|  4,125|  1,590|  2,451|
^:::|Europarl|  1|  69 482|  685,3|  12 918,7|  15 030,4|  600,9|  435,0|  19,380|  2,428|  1,256|  9,361|  3,180|  2,527|
^:::|PressEurop|  7|  7 060|  170,0|  2 313,3|  2 786,6|  669,3|  522,4|  14,002|  1,895|  0,810|  7,023|  2,498|  2,457|
^:::|Subtitles|  1|  60 619|  48 207,7|  232 969,1|  313 262,9|  589,7|  406,3|  4,866|  1,307|  0,319|  1,862|  0,694|  1,971|
^:::|Syndicate|  21|  6 117|  264,0|  4 718,6|  5 496,6|  655,9|  506,1|  18,410|  2,162|  1,059|  8,528|  2,975|  2,552|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=da|da]]|Core-fiction|  90|  90|  685,3|  9 460,8|  11 273,9|  464,6|  388,7|  14,334|  1,712|  0,694|  4,949|  1,649|  2,514|
^:::|Core-nonfict|  1|  1|  2,7|  56,0|  64,2|  447,6|  364,4|  21,690|  2,250|  1,070|  9,140|  2,900|  2,670|
^:::|Core-misc|  2|  2|  0,8|  11,9|  14,2|  441,6|  363,4|  14,515|  1,714|  0,728|  5,350|  1,836|  2,466|
^:::|Acquis|  1|  18 263|  1 566,7|  20 014,9|  25 402,6|  395,0|  333,1|  14,462|  1,647|  0,485|  8,314|  2,491|  2,762|
^:::|Bible|  2|  66|  46,1|  655,2|  782,3|  389,8|  318,7|  18,349|  1,970|  0,843|  5,542|  1,828|  2,811|
^:::|Europarl|  1|  67 202|  721,6|  13 800,4|  15 775,5|  448,2|  376,6|  19,372|  2,025|  0,910|  9,165|  2,947|  2,597|
^:::|Subtitles|  1|  15 985|  13 559,9|  71 590,8|  92 880,6|  438,1|  346,4|  5,338|  1,184|  0,190|  1,985|  0,701|  1,925|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=de|de]]|Core-fiction|  412|  412|  2 603,0|  35 653,3|  43 380,5|  515,3|  421,1|  14,176|  1,775|  0,702|  4,819|  1,458|  3,095|
^:::|Core-nonfict|  43|  43|  205,6|  4 037,3|  4 754,4|  525,3|  434,8|  20,302|  2,015|  0,862|  8,836|  2,456|  3,384|
^:::|Core-misc|  16|  16|  63,4|  1 066,1|  1 255,8|  515,6|  425,5|  17,694|  1,942|  0,817|  7,345|  2,138|  3,219|
^:::|Acquis|  1|  18 782|  1 451,4|  20 716,9|  26 206,7|  407,9|  343,3|  16,124|  1,506|  0,388|  9,197|  2,496|  3,519|
^:::|Bible|  2|  66|  49,2|  725,0|  854,0|  395,2|  302,4|  15,637|  1,648|  0,657|  5,263|  1,737|  2,998|
^:::|Europarl|  1|  62 391|  661,2|  13 156,2|  15 169,0|  487,1|  396,8|  20,448|  2,074|  0,914|  9,361|  2,646|  3,473|
^:::|PressEurop|  7|  6 909|  175,9|  2 506,5|  3 013,6|  545,0|  456,2|  14,623|  1,702|  0,621|  6,859|  2,124|  3,123|
^:::|Subtitles|  1|  21 322|  18 354,4|  98 808,9|  129 234,7|  489,6|  380,9|  5,414|  1,240|  0,231|  2,119|  0,712|  2,271|
^:::|Syndicate|  21|  5 814|  263,6|  5 103,7|  5 905,3|  541,1|  453,0|  19,817|  2,000|  0,867|  8,766|  2,590|  3,380|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=el|el]]|Acquis|  1|  18 904|  1 432,0|  23 684,5|  28 955,7|  409,0|  313,2|  17,722|  1,884|  0,707|  10,688|  2,957|  2,690|
^:::|Europarl|  1|  68 069|  623,6|  15 381,7|  17 233,2|  488,5|  366,9|  25,498|  2,664|  1,379|  12,485|  3,413|  2,682|
^:::|Subtitles|  1|  38 711|  31 118,9|  161 856,7|  208 587,8|  516,7|  376,8|  6,335|  1,613|  0,519|  2,566|  0,881|  2,083|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=en|en]]|Core-fiction|  366|  366|  2 701,0|  36 519,3|  43 557,4|  466,2|  403,2|  14,159|  2,107|  0,945|  5,371|  1,689|  2,576|
^:::|Core-nonfict|  39|  39|  216,2|  4 618,7|  5 302,9|  466,7|  412,4|  22,976|  2,623|  1,292|  10,373|  2,893|  2,793|
^:::|Core-misc|  17|  17|  53,4|  778,3|  905,9|  455,8|  393,7|  15,091|  2,160|  0,967|  6,561|  1,987|  2,557|
^:::|Acquis|  1|  18 930|  1 327,2|  23 062,9|  28 075,3|  346,1|  307,3|  20,073|  2,193|  0,806|  11,086|  2,912|  3,176|
^:::|Bible|  2|  66|  47,5|  727,6|  843,4|  354,0|  296,2|  17,458|  2,166|  1,051|  6,271|  2,125|  2,608|
^:::|Europarl|  1|  69 283|  680,9|  15 593,0|  17 455,0|  411,9|  362,9|  23,743|  2,692|  1,402|  11,274|  3,135|  2,736|
^:::|PressEurop|  7|  7 019|  152,5|  2 663,8|  3 107,7|  485,4|  431,4|  18,016|  2,286|  1,033|  8,828|  2,614|  2,689|
^:::|Subtitles|  1|  55 657|  49 130,9|  267 843,8|  344 553,0|  445,1|  362,4|  5,491|  1,401|  0,372|  2,273|  0,811|  2,067|
^:::|Syndicate|  21|  6 113|  263,1|  5 272,8|  6 090,3|  494,2|  438,7|  20,792|  2,447|  1,186|  9,516|  2,843|  2,733|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eo|eo]]|Subtitles|  1|  46|  48,4|  221,0|  305,4|  384,4|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=es|es]]|Core-fiction|  338|  338|  1 981,3|  29 664,1|  34 294,8|  495,7|  400,3|  15,586|  2,176|  0,974|  6,243|  1,919|  2,574|
^:::|Core-nonfict|  10|  10|  29,6|  830,9|  932,4|  446,5|  361,9|  29,055|  2,939|  1,456|  13,399|  3,468|  2,797|
^:::|Core-misc|  7|  7|  15,0|  165,1|  198,8|  475,1|  370,6|  11,674|  1,781|  0,662|  4,887|  1,575|  2,382|
^:::|Acquis|  1|  19 056|  1 333,1|  26 269,3|  31 277,0|  348,0|  290,7|  22,339|  1,851|  0,588|  12,954|  3,099|  3,098|
^:::|Europarl|  1|  67 754|  660,7|  16 248,5|  18 032,0|  437,6|  353,4|  25,496|  2,614|  1,350|  12,798|  3,348|  2,618|
^:::|PressEurop|  7|  6 891|  154,6|  2 857,8|  3 268,7|  478,0|  399,9|  18,995|  2,144|  0,940|  9,483|  2,729|  2,567|
^:::|Subtitles|  1|  50 705|  40 849,5|  223 006,0|  293 901,1|  498,6|  355,5|  5,499|  1,404|  0,373|  2,378|  0,862|  1,972|
^:::|Syndicate|  21|  6 037|  256,4|  6 070,2|  6 759,4|  462,1|  384,1|  24,411|  2,437|  1,189|  11,558|  3,194|  2,675|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=et|et]]|Core-fiction|  1|  1|  6,7|  78,8|  96,1|  626,8|  478,0|  11,790|  2,020|  0,920|  4,200|  1,540|  2,530|
^:::|Acquis|  1|  18 727|  1 349,8|  14 884,2|  19 414,5|  543,8|  404,0|  13,084|  2,744|  0,961|  6,654|  2,304|  2,972|
^:::|Europarl|  1|  68 478|  704,3|  10 898,7|  12 761,7|  635,2|  463,0|  15,935|  2,687|  1,347|  7,271|  2,669|  2,517|
^:::|Subtitles|  1|  13 503|  11 843,3|  54 487,7|  72 454,4|  575,2|  386,4|  4,625|  1,284|  0,281|  1,616|  0,600|  1,967|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=eu|eu]]|Subtitles|  1|  652|  732,9|  2 999,9|  4 039,0|  600,9|  401,1|  4,112|  1,280|  0,265|  1,371|  0,522|  1,745|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fa|fa]]|Subtitles|  1|  6 556|  6 594,8|  32 635,9|  38 097,3|  520,5|  472,5|  4,973|  1,368|  0,338|  2,363|  0,974|  2,301|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fi|fi]]|Core-fiction|  106|  106|  661,7|  6 714,9|  8 221,3|  683,9|  507,1|  10,287|  1,844|  0,806|  3,437|  1,295|  2,279|
^:::|Core-nonfict|  4|  4|  14,4|  200,5|  237,0|  685,3|  489,0|  14,336|  2,401|  1,208|  5,977|  2,378|  2,435|
^:::|Core-misc|  2|  2|  3,5|  44,4|  52,2|  733,0|  532,9|  12,820|  2,148|  1,051|  4,791|  1,821|  2,385|
^:::|Acquis|  1|  18 563|  1 310,5|  15 264,2|  19 702,1|  556,9|  380,4|  13,209|  2,369|  0,886|  6,990|  2,588|  2,647|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fi|fi]]|Bible|  2|  66|  48,0|  542,6|  675,3|  529,0|  351,4|  13,324|  1,911|  0,871|  4,231|  1,534|  2,511|
^:::|Europarl|  1|  67 019|  675,6|  10 109,3|  11 838,6|  670,8|  462,7|  15,260|  2,483|  1,242|  6,924|  2,670|  2,395|
^:::|Subtitles|  1|  30 900|  23 262,2|  90 481,8|  124 969,7|  666,5|  444,7|  3,909|  1,244|  0,242|  1,404|  0,513|  1,689|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=fr|fr]]|Core-fiction|  230|  230|  1 277,5|  20 454,4|  23 802,5|  471,0|  377,5|  16,762|  2,156|  0,998|  6,617|  1,994|  2,685|
^:::|Core-nonfict|  37|  37|  152,5|  3 687,5|  4 206,8|  456,2|  373,9|  26,628|  2,938|  1,451|  12,424|  3,202|  2,807|
^:::|Core-misc|  10|  10|  20,0|  194,3|  229,5|  443,7|  336,9|  9,973|  1,703|  0,614|  4,205|  1,321|  2,427|
^:::|Acquis|  1|  19 057|  1 338,5|  26 298,4|  31 764,2|  353,5|  289,2|  22,521|  2,416|  0,946|  13,347|  3,212|  3,144|
^:::|Bible|  2|  66|  50,6|  762,6|  886,3|  384,9|  285,9|  17,822|  2,060|  0,893|  6,743|  2,171|  2,758|
^:::|Europarl|  1|  68 220|  677,7|  17 186,4|  18 984,0|  425,6|  338,2|  26,070|  2,866|  1,565|  13,013|  3,423|  2,638|
^:::|PressEurop|  7|  7 025|  163,8|  3 044,3|  3 510,4|  476,4|  396,4|  19,097|  2,279|  1,036|  9,836|  2,826|  2,606|
^:::|Subtitles|  1|  38 341|  30 038,8|  181 033,4|  225 399,3|  453,5|  325,6|  6,061|  1,405|  0,394|  2,563|  0,926|  2,031|
^:::|Syndicate|  21|  5 585|  238,3|  5 893,7|  6 542,1|  457,8|  379,9|  25,332|  2,742|  1,410|  12,251|  3,308|  2,698|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=gl|gl]]|Subtitles|  1|  146|  121,7|  622,1|  797,9|  529,5|  411,1|  5,144|  1,339|  0,323|  2,602|  0,940|  1,958|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=he|he]]|Subtitles|  1|  33 935|  27 608,8|  129 458,6|  172 973,7|  549,8|  479,7|  4,747|  1,370|  0,346|  2,637|  1,064|  1,918|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hi|hi]]|Core-fiction|  7|  7|  35,6|  402,8|  462,1|  449,6|  348,6|  11,386|  1,586|  0,524|  4,610|  1,625|  2,692|
^:::|Subtitles|  1|  54|  81,0|  429,9|  526,0|  401,1|  324,0|  5,336|  1,156|  0,146|  2,358|  0,838|  2,190|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hr|hr]]|Core-fiction|  292|  292|  1 822,5|  22 763,6|  27 339,1|  591,4|  460,5|  12,720|  1,902|  0,837|  4,247|  1,472|  2,623|
^:::|Core-nonfict|  22|  22|  72,0|  1 523,4|  1 742,7|  600,4|  451,3|  21,425|  2,682|  1,368|  9,323|  2,963|  2,718|
^:::|Core-misc|  10|  10|  19,6|  242,6|  298,0|  570,4|  431,2|  12,616|  2,062|  0,909|  4,645|  1,536|  2,570|
^:::|Bible|  2|  66|  48,1|  569,9|  686,1|  519,1|  381,3|  12,989|  1,855|  0,773|  4,359|  1,599|  2,504|
^:::|Subtitles|  1|  35 057|  28 796,3|  137 844,3|  178 347,5|  566,6|  421,2|  4,795|  1,392|  0,373|  1,814|  0,681|  1,929|
^[[https://en.wikipedia.org/wiki/Upper_Sorbian_language|hs]]|Core-fiction|  8|  8|  36,2|  405,3|  512,1|  503,3|  – |  – |  – |  – |  – |  – |  – |
^:::|Core-nonfict|  1|  1|  1,9|  24,4|  29,5|  571,5|  – |  – |  – |  – |  – |  – |  – |
^:::|Core-misc|  4|  4|  3,5|  36,6|  44,7|  513,6|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hu|hu]]|Core-fiction|  87|  87|  573,2|  6 890,1|  8 657,7|  603,6|  499,1|  12,888|  1,709|  0,706|  3,698|  1,367|  2,759|
^:::|Core-misc|  2|  2|  6,1|  28,9|  39,5|  568,2|  457,3|  4,817|  1,269|  0,254|  1,817|  0,650|  2,100|
^:::|Acquis|  1|  18 539|  1 290,2|  17 851,3|  22 815,8|  485,6|  385,2|  16,126|  1,825|  0,515|  7,743|  2,832|  3,421|
^:::|Europarl|  1|  66 229|  677,3|  12 187,9|  14 266,5|  591,1|  469,4|  18,625|  2,202|  1,013|  7,465|  2,741|  2,799|
^:::|Subtitles|  1|  41 067|  31 962,7|  141 559,0|  194 622,6|  586,7|  466,0|  4,609|  1,261|  0,268|  1,644|  0,627|  1,859|
^:::|Syndicate|  3|  9|  0,5|  8,4|  9,8|  598,4|  481,5|  16,869|  2,080|  0,933|  6,351|  2,436|  2,685|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=hy|hy]]|Subtitles|  1|  7|  3,9|  23,5|  30,6|  601,7|  445,9|  6,057|  1,375|  0,382|  2,179|  0,860|  2,075|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=id|id]]|Subtitles|  1|  8 350|  8 112,7|  37 824,9|  49 694,7|  475,7|  401,9|  4,699|  1,344|  0,317|  2,343|  0,911|  1,742|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=is|is]]|Subtitles|  1|  1 135|  1 497,9|  7 374,2|  9 299,9|  503,5|  369,4|  4,951|  1,233|  0,233|  1,913|  0,699|  1,841|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=it|it]]|Core-fiction|  164|  164|  1 205,7|  17 435,8|  20 566,1|  529,6|  414,7|  15,157|  2,092|  0,973|  6,471|  1,970|  2,578|
^:::|Core-nonfict|  5|  5|  22,4|  647,8|  738,9|  486,6|  389,2|  31,080|  3,082|  1,564|  16,597|  3,877|  2,931|
^:::|Core-misc|  2|  2|  4,0|  50,6|  61,7|  505,7|  378,9|  14,351|  2,299|  1,040|  5,722|  1,817|  2,633|
^:::|Acquis|  1|  18 893|  1 345,7|  23 892,0|  29 413,1|  390,7|  306,5|  20,391|  2,112|  0,766|  13,152|  3,242|  3,156|
^:::|Bible|  2|  65|  47,3|  685,2|  806,6|  421,8|  317,0|  16,561|  1,969|  0,881|  6,739|  2,168|  2,723|
^:::|Europarl|  1|  69 139|  650,3|  15 511,4|  17 235,8|  486,8|  381,6|  24,916|  2,686|  1,409|  13,989|  3,644|  2,603|
^:::|PressEurop|  7|  7 024|  156,3|  2 750,7|  3 155,3|  524,2|  421,2|  18,041|  2,121|  0,943|  9,814|  2,803|  2,553|
^:::|Subtitles|  1|  37 721|  29 870,5|  163 859,9|  212 801,7|  532,8|  384,1|  5,518|  1,325|  0,319|  2,535|  0,903|  2,008|
^:::|Syndicate|  11|  1 388|  58,9|  1 391,5|  1 564,2|  504,3|  403,4|  24,516|  2,535|  1,261|  12,837|  3,463|  2,682|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ja|ja]]|Core-fiction|  33|  33|  201,2|  3 766,7|  4 262,0|  365,4|  336,3|  18,928|  3,094|  1,432|  8,630|  2,666|  2,697|
^:::|Core-nonfict|  1|  1|  7,0|  163,1|  184,2|  361,2|  334,5|  23,420|  3,540|  1,720|  11,650|  3,490|  2,810|
^:::|Core-misc|  1|  1|  2,1|  64,9|  75,9|  280,9|  257,8|  31,520|  4,300|  1,990|  16,990|  4,490|  3,160|
^:::|Subtitles|  1|  2 326|  2 086,3|  12 141,5|  13 495,4|  381,9|  348,5|  6,212|  1,417|  0,375|  3,221|  1,312|  1,909|
^:::|Syndicate|  1|  2|  0,1|  2,5|  2,9|  385,4|  372,0|  38,705|  4,330|  2,015|  20,881|  4,923|  3,215|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ka|ka]]|Subtitles|  1|  204|  198,4|  871,1|  1 179,0|  380,8|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=kk|kk]]|Subtitles|  1|  4|  4,1|  13,9|  19,2|  657,7|  607,3|  3,389|  1,243|  0,247|  1,761|  0,892|  1,603|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ko|ko]]|Subtitles|  1|  1 605|  1 641,1|  5 964,3|  7 294,3|  690,6|  686,3|  3,682|  1,529|  0,457|  1,146|  0,440|  1,785|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lt|lt]]|Core-fiction|  20|  20|  61,4|  669,1|  842,6|  685,2|  545,5|  11,223|  1,901|  0,813|  3,957|  1,479|  2,487|
^:::|Core-nonfict|  1|  1|  1,3|  17,4|  23,1|  657,2|  492,4|  14,180|  2,190|  0,930|  6,670|  2,230|  2,600|
^:::|Core-misc|  2|  2|  1,2|  7,2|  9,0|  764,9|  628,4|  6,184|  1,430|  0,409|  2,921|  1,136|  1,887|
^:::|Acquis|  1|  18 809|  1 477,8|  17 175,1|  22 835,1|  515,0|  346,3|  13,456|  2,504|  0,938|  6,985|  2,531|  2,867|
^:::|Bible|  2|  66|  46,1|  471,2|  596,3|  550,9|  439,8|  10,822|  1,668|  0,706|  3,866|  1,500|  2,281|
^:::|Europarl|  1|  67 719|  688,5|  11 198,5|  13 475,2|  627,2|  441,4|  16,816|  3,016|  1,607|  7,683|  2,906|  2,469|
^:::|Subtitles|  1|  1 025|  1 345,9|  5 247,7|  7 353,0|  624,6|  461,7|  3,923|  1,278|  0,286|  1,552|  0,569|  1,760|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=lv|lv]]|Core-fiction|  65|  65|  291,9|  3 207,6|  4 032,0|  639,2|  494,8|  11,339|  1,758|  0,756|  3,605|  1,343|  2,563|
^:::|Core-nonfict|  1|  1|  3,3|  66,9|  89,0|  680,0|  541,3|  21,810|  2,310|  1,070|  9,480|  2,800|  2,910|
^:::|Core-misc|  7|  7|  30,0|  362,1|  440,5|  688,1|  543,4|  12,147|  1,759|  0,776|  4,397|  1,668|  2,337|
^:::|Acquis|  1|  18 348|  1 486,3|  17 519,4|  23 361,6|  490,0|  340,4|  13,790|  2,296|  0,831|  7,109|  2,492|  2,865|
^:::|Bible|  2|  66|  40,1|  536,7|  671,7|  495,5|  343,1|  13,645|  1,663|  0,754|  4,180|  1,602|  2,658|
^:::|Europarl|  1|  67 482|  683,7|  11 682,0|  13 896,8|  590,6|  416,3|  17,627|  2,434|  1,255|  7,884|  2,853|  2,497|
^:::|Subtitles|  1|  387|  488,4|  2 050,4|  2 801,9|  592,2|  425,9|  4,227|  1,269|  0,264|  1,568|  0,592|  1,811|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mk|mk]]|Core-fiction|  104|  104|  694,6|  8 794,5|  10 571,7|  464,3|  – |  – |  – |  – |  – |  – |  – |
^:::|Core-misc|  4|  4|  12,1|  86,5|  109,3|  422,0|  – |  – |  – |  – |  – |  – |  – |
^:::|Subtitles|  1|  3 433|  3 201,0|  15 112,0|  20 217,5|  412,3|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ml|ml]]|Subtitles|  1|  285|  365,3|  1 258,4|  1 793,5|  489,8|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ms|ms]]|Subtitles|  1|  1 496|  1 712,1|  7 828,0|  10 573,3|  371,2|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=mt|mt]]|Acquis|  1|  8 963|  784,8|  13 805,0|  16 643,6|  373,4|  1,0|  20,381|  2,683|  1,141|  11,437|  3,347|  2,933|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=nl|nl]]|Core-fiction|  194|  194|  1 152,0|  17 229,8|  19 889,7|  466,9|  403,0|  15,424|  2,149|  0,959|  5,255|  1,558|  3,176|
^:::|Core-nonfict|  12|  12|  50,6|  1 193,5|  1 336,2|  449,2|  391,5|  25,698|  2,909|  1,375|  10,658|  2,784|  3,453|
^:::|Core-misc|  9|  9|  27,2|  356,4|  413,4|  463,6|  395,9|  13,450|  1,993|  0,860|  5,102|  1,550|  2,981|
^:::|Acquis|  1|  18 975|  1 483,9|  23 401,1|  28 140,1|  356,2|  317,3|  18,005|  2,217|  0,766|  9,491|  2,375|  3,553|
^:::|Bible|  2|  66|  45,8|  716,8|  821,3|  386,8|  326,1|  17,940|  2,264|  1,067|  5,942|  1,936|  3,042|
^:::|Europarl|  1|  67 139|  693,8|  15 555,9|  17 074,8|  425,7|  371,8|  22,952|  2,500|  1,217|  10,132|  2,744|  3,274|
^:::|PressEurop|  7|  7 009|  175,4|  2 952,8|  3 337,6|  483,7|  429,2|  17,267|  2,172|  0,967|  7,879|  2,300|  3,107|
^:::|Subtitles|  1|  38 546|  29 399,1|  170 892,9|  212 492,5|  444,4|  354,8|  5,847|  1,485|  0,439|  2,180|  0,728|  2,291|
^:::|Syndicate|  5|  841|  37,6|  812,1|  897,2|  477,2|  422,9|  22,671|  2,570|  1,225|  10,005|  2,810|  3,282|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=no|no]]|Core-fiction|  91|  91|  558,7|  7 690,7|  9 028,3|  461,6|  383,6|  14,346|  1,842|  0,849|  4,850|  1,579|  2,599|
^:::|Core-nonfict|  5|  5|  17,0|  392,0|  439,5|  467,7|  381,2|  24,705|  2,716|  1,366|  11,077|  3,100|  2,842|
^:::|Core-misc|  6|  6|  10,7|  138,1|  163,5|  450,0|  372,8|  14,035|  1,835|  0,794|  5,029|  1,509|  2,619|
^:::|Bible|  2|  66|  55,3|  723,9|  831,4|  364,6|  294,7|  13,099|  1,573|  0,620|  4,645|  1,713|  2,447|
^:::|Subtitles|  1|  8 995|  7 702,8|  39 805,6|  50 657,6|  448,4|  353,0|  5,188|  1,299|  0,298|  1,960|  0,697|  1,917|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pl|pl]]|Core-fiction|  328|  328|  2 400,0|  27 056,2|  33 548,9|  632,2|  499,6|  11,498|  1,896|  0,833|  4,162|  1,523|  2,355|
^:::|Core-nonfict|  11|  11|  36,6|  754,2|  897,7|  613,7|  460,1|  20,825|  2,743|  1,407|  9,385|  3,192|  2,509|
^:::|Core-misc|  9|  9|  24,4|  283,2|  345,5|  622,9|  471,6|  12,263|  1,981|  0,881|  4,978|  1,892|  2,266|
^:::|Acquis|  1|  19 024|  1 657,3|  19 482,9|  24 945,6|  481,4|  350,6|  13,373|  2,035|  0,714|  7,737|  2,681|  2,622|
^:::|Bible|  2|  66|  48,2|  576,1|  712,9|  537,0|  387,8|  12,695|  1,724|  0,727|  4,479|  1,725|  2,397|
^:::|Europarl|  1|  67 443|  713,3|  12 662,8|  14 667,8|  607,5|  447,2|  18,340|  2,643|  1,309|  9,387|  3,283|  2,322|
^:::|PressEurop|  7|  6 999|  166,6|  2 367,5|  2 879,1|  659,8|  520,6|  14,632|  2,143|  0,957|  7,092|  2,645|  2,334|
^:::|Subtitles|  1|  46 175|  36 236,0|  164 059,8|  222 210,4|  602,1|  441,5|  4,556|  1,324|  0,319|  1,855|  0,717|  1,832|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=pt|pt]]|Core-fiction|  82|  82|  519,8|  7 204,0|  8 608,5|  511,2|  408,1|  14,436|  2,299|  1,142|  6,372|  2,041|  2,497|
^:::|Core-misc|  5|  5|  6,9|  81,3|  96,0|  495,3|  388,9|  12,461|  2,159|  0,977|  6,238|  1,780|  2,486|
^:::|Acquis|  1|  18 934|  1 356,4|  24 385,0|  29 549,7|  377,3|  305,5|  20,372|  2,488|  0,967|  12,971|  3,327|  3,020|
^:::|Bible|  2|  66|  54,3|  706,2|  840,4|  380,3|  293,5|  19,149|  2,385|  1,111|  7,620|  2,305|  2,957|
^:::|Europarl|  1|  65 92|  648,7|  15 188,4|  17 127,0|  467,5|  379,1|  24,202|  3,093|  1,726|  13,821|  3,724|  2,591|
^:::|PressEurop|  7|  6 967|  160,9|  2 782,5|  3 286,5|  507,4|  422,0|  17,848|  2,388|  1,150|  10,138|  2,951|  2,536|
^:::|Subtitles|  1|  54 342|  43 730,9|  229 480,2|  294 774,7|  495,5|  360,1|  5,278|  1,449|  0,432|  2,528|  0,955|  1,939|
^:::|Syndicate|  8|  747|  32,4|  738,5|  839,0|  489,9|  405,1|  23,875|  2,980|  1,575|  12,669|  3,544|  2,646|
^[[https://en.wikipedia.org/wiki/Romani_language|rn]]|Core-fiction|  1|  1|  1,1|  8,4|  11,1|  424,3|  – |  – |  – |  – |  – |  – |  – |
^:::|Core-misc|  1|  1|  0,7|  5,2|  6,6|  416,4|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ro|ro]]|Core-fiction|  44|  44|  233,3|  4 132,6|  4 833,2|  534,2|  406,3|  18,106|  2,262|  1,146|  6,360|  2,019|  2,604|
^:::|Core-misc|  1|  1|  2,7|  64,1|  74,2|  539,5|  414,1|  23,970|  2,690|  1,500|  10,330|  2,910|  2,680|
^:::|Acquis|  1|  6 318|  650,0|  8 043,5|  9 884,4|  405,3|  301,4|  14,150|  2,221|  0,770|  7,930|  2,544|  2,900|
^:::|Europarl|  1|  44 143|  406,6|  9 426,4|  10 585,4|  499,1|  368,7|  23,966|  2,798|  1,517|  11,591|  3,558|  2,484|
^:::|PressEurop|  7|  6 991|  160,6|  2 725,2|  3 192,6|  546,7|  429,5|  17,486|  2,219|  1,017|  8,508|  2,772|  2,492|
^:::|Subtitles|  1|  45 407|  38 108,1|  211 310,4|  266 731,5|  509,0|  351,2|  5,572|  1,388|  0,383|  2,129|  0,795|  1,954|
^:::|Core-nonfict|  10|  10|  30,6|  518,7|  625,2|  645,0|  495,9|  17,765|  2,613|  1,223|  8,126|  2,801|  2,603|
^:::|Core-fiction|  144|  144|  1 043,5|  11 757,6|  14 913,7|  633,0|  501,9|  11,643|  1,959|  0,865|  4,203|  1,557|  2,386|
^:::|Core-misc|  6|  6|  12,8|  143,8|  180,7|  633,2|  484,5|  11,439|  1,947|  0,870|  4,378|  1,718|  2,265|
^:::|Bible|  2|  66|  39,0|  565,5|  703,9|  486,6|  346,2|  20,730|  2,746|  1,302|  6,198|  2,121|  2,828|
^:::|Subtitles|  1|  27 195|  21 625,8|  104 831,9|  141 586,8|  574,9|  428,1|  4,878|  1,423|  0,401|  1,930|  0,744|  1,887|
^:::|Syndicate|  21|  5 418|  233,5|  4 312,8|  5 110,5|  637,5|  487,3|  19,037|  2,653|  1,288|  9,232|  3,298|  2,424|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=si|si]]|Subtitles|  1|  499|  522,5|  2 313,4|  3 021,8|  443,6|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sk|sk]]|Core-fiction|  142|  142|  706,0|  7 626,6|  9 513,5|  617,0|  480,8|  10,845|  1,562|  0,612|  3,503|  1,284|  2,620|
^:::|Core-nonfict|  10|  10|  39,1|  558,0|  687,3|  650,0|  517,1|  14,785|  1,516|  0,547|  6,760|  2,344|  2,518|
^:::|Core-misc|  13|  13|  32,4|  402,2|  496,9|  652,5|  515,7|  12,636|  1,564|  0,555|  5,338|  1,707|  2,493|
^:::|Acquis|  1|  18 302|  1 363,0|  18 398,8|  23 542,1|  482,7|  353,1|  15,458|  1,732|  0,516|  8,677|  2,746|  3,029|
^:::|Bible|  2|  65|  46,9|  560,8|  690,8|  520,0|  373,4|  12,716|  1,615|  0,662|  4,178|  1,576|  2,567|
^:::|Europarl|  1|  67 731|  677,8|  12 727,0|  14 735,3|  595,1|  433,8|  19,150|  2,344|  1,172|  9,020|  3,065|  2,538|
^:::|Subtitles|  1|  8 322|  7 214,8|  34 589,4|  46 215,1|  575,9|  411,5|  4,821|  1,293|  0,295|  1,835|  0,674|  1,975|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sl|sl]]|Core-fiction|  71|  71|  370,5|  4 611,2|  5 686,2|  556,5|  428,7|  12,704|  2,096|  0,857|  4,122|  1,374|  2,641|
^:::|Core-nonfict|  1|  1|  1,1|  22,4|  24,9|  656,4|  528,9|  21,090|  1,980|  0,830|  8,840|  2,930|  2,890|
^:::|Core-misc|  1|  1|  0,7|  6,1|  7,4|  682,1|  585,6|  8,950|  1,720|  0,650|  4,410|  1,720|  2,210|
^:::|Acquis|  1|  17 414|  1 399,2|  18 510,4|  24 069,9|  466,2|  335,6|  15,345|  1,810|  0,580|  8,359|  2,683|  2,841|
^:::|Europarl|  1|  65 366|  649,6|  12 249,8|  14 263,6|  564,3|  405,6|  19,433|  2,551|  1,254|  9,220|  3,066|  2,539|
^:::|Subtitles|  1|  21 607|  18 080,2|  83 057,1|  111 736,8|  568,0|  399,0|  4,620|  1,333|  0,309|  1,726|  0,625|  1,899|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sq|sq]]|Subtitles|  1|  1 575|  1 769,0|  9 171,4|  12 098,4|  395,5|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sr|sr]]|Core-fiction|  143|  143|  931,6|  12 556,0|  15 029,8|  584,7|  462,0|  13,767|  1,956|  0,898|  4,690|  1,601|  2,638|
^:::|Core-nonfict|	2|  2|  5,9|  119,3|  138,9|  565,0|  417,2|  20,654|  2,876|  1,518|  8,918|  2,889|  2,655|
^:::|Core-misc|  3|  3|  5,0|  29,3|  38,9|  538,0|  411,7|  5,882|  1,394|  0,371|  2,405|  0,906|  2,215|
^:::|Subtitles|  1|  38 029|  31 175,3|  152 425,6|  196 520,1|  561,3|  445,3|  4,901|  1,338|  0,333|  1,905|  0,722|  1,938|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=sv|sv]]|Core-fiction|  208|  208|  1 398,8|  18 011,7|  20 456,7|  490,6|  403,5|  13,175|  1,944|  0,848|  4,403|  1,445|  2,501|
^:::|Core-nonfict|  16|  16|  64,9|  1 273,0|  1 403,1|  508,2|  415,4|  19,801|  2,541|  1,288|  7,980|  2,435|  2,683|
^:::|Core-misc|  8|  8|  28,5|  454,8|  512,3|  490,1|  404,4|  16,027|  2,123|  1,026|  5,575|  1,790|  2,561|
^:::|Acquis|  1|  17 133|  1 285,5|  19 443,0|  23 283,7|  402,1|  327,7|  16,286|  1,913|  0,705|  8,700|  2,448|  2,784|
^:::|Bible|  2|  66|  43,9|  637,9|  731,7|  414,2|  323,2|  14,907|  1,947|  0,895|  4,760|  1,703|  2,542|
^:::|Europarl|  1|  67 898|  720,6|  13 777,6|  15 146,8|  461,9|  374,1|  19,313|  2,381|  1,183|  8,221|  2,554|  2,640|
^:::|Subtitles|  1|  19 41|  15 571,7|  81 490,5|  103 181,3|  455,7|  352,1|  5,256|  1,319|  0,303|  1,921|  0,684|  1,921|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ta|ta]]|Subtitles|  1|  20|  29,4|  104,0|  141,8|  511,8|  434,1|  3,562|  1,196|  0,171|  1,673|  0,639|  1,807|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=te|te]]|Subtitles|  1|  18|  26,0|  96,0|  127,1|  496,5|  1,0|  3,806|  1,324|  0,284|  1,746|  0,658|  2,086|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=th|th]]|Subtitles|  1|  3 932|  3 457,0|  5 626,0|  7 288,3|  658,1|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tl|tl]]|Subtitles|  1|  5|  8,0|  37,0|  52,7|  344,9|  – |  – |  – |  – |  – |  – |  – |
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=tr|tr]]|Subtitles|  1|  44 015|  35 975,7|  147 635,3|  199 108,2|  670,1|  424,8|  4,133|  1,259|  0,257|  1,929|  0,853|  1,815|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=uk|uk]]|Core-fiction|  192|  192|  1 260,0|  14 478,3|  18 490,6|  626,6|  506,4|  11,923|  2,047|  0,892|  4,187|  1,507|  2,377|
^:::|Core-nonfict|  5|  5|  19,1|  333,0|  416,1|  621,1|  469,6|  19,193|  2,945|  1,432|  8,468|  2,909|  2,517|
^:::|Core-misc|  2|  2|  4,0|  38,9|  50,3|  614,9|  484,8|  9,801|  1,851|  0,774|  3,366|  1,282|  2,254|
^:::|Bible|  2|  66|  41,5|  596,1|  738,1|  475,7|  352,8|  14,784|  1,804|  0,777|  4,921|  1,751|  2,585|
^:::|Subtitles|  1|  1 006|  813,4|  3 779,0|  5 123,2|  571,4|  461,9|  4,684|  1,360|  0,334|  1,853|  0,710|  1,897|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=ur|ur]]|Subtitles|  1|  19|  27,0|  155,7|  180,8|  397,6|  344,1|  5,885|  1,204|  0,178|  2,777|  1,098|  2,260|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=vi|vi]]|Subtitles|  1|  3 468|  3 304,5|  19 281,4|  23 984,0|  446,3|  403,8|  5,931|  1,508|  0,458|  2,351|  0,945|  1,849|
^[[https://www.loc.gov/standards/iso639-2/php/langcodes_name.php?iso_639_1=zh|zh]]|Core-fiction|  3|  3|  11,7|  215,4|  253,9|  382,0|  376,8|  18,467|  4,655|  1,684|  4,099|  1,594|  3,435|
^:::|Subtitles|  1|  11 378|  11 952,3|  70 963,9|  79 539,4|  448,9|  439,5|  6,046|  1,689|  0,548|  2,081|  0,791|  2,289|
^:::|Syndicate|  5|  654|  29,7|  675,9|  766,7|  493,8|  489,5|  23,166|  4,110|  1,795|  7,026|  2,391|  3,366|


===== Metadata =====

Metadata (např. název textu, autor nebo jazyk originálu), jsou u většiny textů k dispozici jako atributy strukturních prvků jako je text nebo věta. Chcete-li zobrazit seznam takových atributů a vybrat ty, které se mají zobrazit ve výsledcích dotazu v nástroji KonText, zvolte InterCorp 16ud, příslušný jazyk, a pak v nabídce ''Zobrazení'' a ''Korpusová nastavení'' přejděte na položku ''Struktury'' nebo ''Reference'' . 



===== Poděkování =====

Děkujeme za možnost využívat následující texty a software:
==== Texty: ====

  * za možnost zařadit do korpusu 13. opravené vydání Českého ekumenického překladu Bible z roku 2016 děkujeme [[http://www.dumbible.cz|České biblické společnosti]], zvláště Petru Fryšovi
  * beletristické texty v řadě slovanských i jiných jazyků z korpusu [[http://www.uva.nl/over-de-uva/organisatie/medewerkers/content/b/a/a.a.barentsen/a.a.barentsen.html#tab_3|ASPAC – Amsterdam Slavic Parallel Aligned Corpus]] – zvláštní poděkování patří Adrianu Barentsenovi
  * publicistické texty ve více jazycích z webových stránek [[http://www.project-syndicate.org/|Project Syndicate]]
  * publicistické texty ve více jazycích ze serveru [[http://www.voxeurop.eu|VoxEurop]]
  * právnické texty v jazycích EU z korpusu [[http://wt.jrc.it/lt/Acquis/|JRC-ACQUIS]]
  * jednání Evropského parlamentu z korpusu [[http://www.statmt.org/europarl/|EuroParl]]
  * slovensko-české konkordance ze [[http://korpus.juls.savba.sk/|Slovenského národního korpusu]]
  * povídky ve více jazycích z projektu //Můj rok 1989// z [[http://www.goethe.de/ins/cz/pra/|Goethe Institutu]]
  * za více textů v česko-litevské části korpusu a za práci Jiřího Levého Umění překladu ve více jazycích vděčíme Patricku Cornessovi
  * román George Orwella //1984// ve více jazycích z korpusu [[http://nl.ijs.si/ME/|Multext-East]]
  * ukrajinské a polské texty z korpusu [[http://www.domeczek.pl/~polukr/|PolUkr]]
  * norské texty z nakladatelství [[http://www.aschehoug.no/|Forlaget Oktober]]
  * filmové titulky z databáze [[http://www.opensubtitles.org|Open Subtitles]]

==== Předzpracování: ====

  * editor paralelních textů [[http://wanthalf.saga.cz/intertext|InterText]] (autor Pavel Vondřička)
  * zarovnávač [[http://mokk.bme.hu/resources/hunalign|Hunalign]]
  * větný segmentátor pro češtinu (autor Pavel Květoň)
  * větný segmentátor pro norštinu (autoři Jarle Ebeling a Pavel Vondřička)
  * větný segmentátor Punkt pro všechny ostatní jazyky ze sady [[http://www.nltk.org|Natural Language Toolkit]]
==== Nástroj na lingvistické značkování: ====

  * [[http://ufal.mff.cuni.cz/udpipe|UDPipe]] (s poděkováním Janě a Milanovi Strakovým, Danu Zemanovi a Martinu Popelovi)

===== Odkazy – o korpusu InterCorp s anotací podle UD =====

Olga Nádvorníková a Alexandr Rosen (2024): Vyhledávání v paralelním korpusu za použití anotace Universal Dependencies. [[https://www.youtube.com/watch?v=5l5Vbb1eQDw&t=190s|Záznam workshopu]] z 17. 9. 2024, doprovodné akce [[https://bcl2024.ff.cuni.cz|Bienále české lingvistiky 2024]], viz též [[https://jakobson.korpus.cz/~rosen/BCL2024/P18_SLIDES/Prezentace_Bienale2024_WorkShop.pdf|prezentace]].

Alexandr Rosen (2024): Exploring InterCorp v16ud: the potential of a multilingual parallel treebank with complexity and diversity metrics. Instytut Slawistyki Zachodniej i Południowej, Uniwersytet Warszawski. Warszawa, 10/06/2024. [[https://jakobson.korpus.cz/~rosen/INTERCORP/SLIDES/2024_UDCM_Wwa.pdf|Prezentace]]

Olga Nádvorníková (2024): Analyse contrastive de la complexité syntaxique à l’aide de corpus parallèles. Translitteræ, Laboratoire LATTICE (Langues, Textes, Traitements informatiques et Cognition) – CNRS UMR 8094 (Centre national de la recherche scientifique: Unité mixte de recherche), ENS (L'École normale supérieure). Paris, 28/05/2024. [[https://www.youtube.com/watch?v=wJrCez_XPQY|Záznam přednášky]], [[https://jakobson.korpus.cz/~rosen/INTERCORP/SLIDES/C4%20Nadvornikova%20Analyse%20contrastiv%20e%20de%20la%20complexité%20syntaxique.pdf|prezentace]].

Olga Nádvorníková, Alexandr Rosen, Martin Stluka (2024): InterCorp a Universal Dependencies: nové možnosti výzkumu. Teoreticko-metodologický seminář Ústavu českého jazyka a teorie komunikace FF UK. Praha, 20/03/2024, 27/03/2024. [[https://docs.google.com/document/d/1nSPzyhT6oHKUDN8A_uYmWrZH6tAmxTH_pUMOdjg01Eg/edit?usp=sharing|Program workshopu s odkazy na prezentace a záznamy]]

Alexandr Rosen (2023). The InterCorp parallel corpus with a uniform annotation for all languages. Jazykovedný časopis, 74(1):254–265. [[https://www.juls.savba.sk/ediela/jc/2023/1/jc23-01.pdf|Článek]], [[https://jakobson.korpus.cz/~rosen/INTERCORP/SLIDES/rosen-slovko-2023.pdf|prezentace]]

Olga Nádvorníková, Alexandr Rosen, Martin Vavřín (2021): InterCorp s jednotnou morfologickou a syntaktickou anotací podle Universal Dependencies: zážitky tvůrců a uživatelů. Praha, 16/11/2021. 
[[https://owncloud.korpus.cz/s/n3XSpYPpcMjbdC6|Záznam přednášky]], prezentace: [[https://owncloud.korpus.cz/s/aioW5oXt8Yo7tKp|zážitky tvůrců]], [[https://owncloud.korpus.cz/s/8ALLEPbZnqbLodY|zážitky uživatelů]]

===== Jak citovat =====

Budeme rádi, když k výsledkům práce, při níž využijete korpus InterCorp, připojíte odkaz na stránky projektu [[https://intercorp.korpus.cz/|www.intercorp.korpus.cz]] a k odborným publikacím odkaz na tento článek:

<WRAP round info 50%>
ČERMÁK, František – ROSEN, Alexandr (2012). The case of InterCorp, a multilingual parallel corpus. //International Journal of Corpus Linguistics//. Vol. 13, no. 3, p. 411–427
([[http://utkl.ff.cuni.cz/~rosen/public/mybib_bib.html#cermak:rosen:10|bibtex]],
[[http://dx.doi.org/10.1075/ijcl.17.3.05cer|elektronické vydání na serveru ingentaConnect]], [[http://utkl.ff.cuni.cz/~rosen/public/2012_intercorp_ijcl.pdf|verze před tiskem]]). 

Seznam další literatury najdete v [[https://www.korpus.cz/biblio|Repozitáři bibliografických informací založených na ČNK]]. Každý odkaz na práci využívající InterCorp je vítán, viz [[https://www.korpus.cz/biblio_appeal.php|podrobnosti]].


Při citaci konkrétní části InterCorpu uveďte jako citaci údaj, který je zobrazen v popisu korpusu v rozhraní KonText, např.:

ROSEN, Alexandr – ŠIMČÍK, Bohumil – VAVŘÍN, Martin – ZASINA, Adrian Jan (2024). //Korpus InterCorp – čeština((Vložte konkrétní jazyky.)), verze 16ud ze 17. 9. 2024//. Ústav Českého národního korpusu, FF UK, Praha 2021. Dostupné z WWW: https://kontext.korpus.cz/

</WRAP>

===== Viz též =====

<WRAP round box 51%>
[[en:cnk:intercorp|InterCorp]] • [[en:cnk:intercorp:verze16|Version 16]] • [[en:cnk:intercorp:verze15|Version 15]] • [[en:cnk:intercorp:verze14|Version 14]] • [[en:cnk:intercorp:verze13ud|Version 13ud]] • [[en:cnk:intercorp:verze13|Version 13]] • [[en:cnk:intercorp:verze12|Version 12]] • [[en:cnk:intercorp:verze11|Version 11]]  • [[en:cnk:intercorp:verze10|Version 10]] • [[en:cnk:intercorp:verze9|Version 9]] • [[en:cnk:intercorp:verze8|Version 8]] • [[en:cnk:intercorp:verze7|Version 7]] • [[en:cnk:intercorp:verze6|Version 6]] • [[en:cnk:intercorp:verze5|Version 5]] • [[en:cnk:intercorp:verze4|Verze 4]] • [[en:cnk:intercorp:verze3|Version 3]] • [[en:cnk:intercorp:historie|Version history]]

Původní stránky projektu InterCorp jsou stále [[https://intercorp.korpus.cz|zde]].
</WRAP>
Historie: • verze16ud • verze4 • verze10 • verze3 • verze14 • verze16 • verze15 • api • verze11 • verze13ud
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
