Toto je starší verze dokumentu!
Obsah
Korpus InterCorp verze 16ud – Universal Dependencies
| Název | čeština jádro | čeština kolekce | cizí jazyky jádro | cizí jazyky kolekce | |
|---|---|---|---|---|---|
| Pozice | Počet tokenů | 154 391 397 | 362 409 841 | 461 601 109 | 5 732 688 636 |
| Počet slovních tvarů | 124 681 856 | 272 671 041 | 385 829 717 | 4 473 418 338 | |
| Struktury | Počet 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 | referenční | ANO | |||
| reprezentativní | NE (různé textové typy) | ||||
| rok zveřejnění | 2024 | ||||
| cizích jazyků | 61 | ||||
| tagovaných jazyků | 47 | ||||
| jazyků s lemmaty | 47 | ||||
| jazyků se syntaktickou anotací | 47 | ||||
Přístup k textům
Po registraci na stránce 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 KonText pomocí speciálního 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 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 Universal Dependencies ve Slovníčku pojmů ČNK.
- Po verzi 13ud, 16ud je druhá verze InterCorpu s lingvistickou anotací podle standardu Universal Dependencies.
- Verze 16ud je prvním korpusem ČNK, který obsahuje metriky syntaktické komplexity a lexikální diverzity.1)
- 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 (Universal Dependencies).
Obsah korpusu
InterCorp verze 16ud obsahuje stejné texty jako 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 Project Syndicate a VoxEurop (dříve PressEurop)
- právní texty Evropské unie z korpusu Acquis Communautaire (Acquis)
- zápisy jednání Evropského parlamentu z let 2007–2011 z korpusu Europarl (Europarl)
- filmové titulky z databáze 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 historie verzí). Rozložení textů v rámci jádra a v jednotlivých kolekcích je znázorněno na následujících grafech. Čísla v grafech ukazují velikost v milionech slov.
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
| Jazyk | Počet | Tisíce | |||
|---|---|---|---|---|---|
| dokumentů | textů | vět | slov | tokenů | |
| af | 1 | 24 | 23,0 | 134,6 | 161,7 |
| ar | 7 | 34 629 | 28 748,8 | 126 614,3 | 157 671,0 |
| be | 108 | 108 | 632,7 | 7 126,4 | 9 054,9 |
| bg | 90 | 97 190 | 34 421,2 | 194 375,7 | 250 957,1 |
| bn | 1 | 252 | 363,8 | 1 517,7 | 2 072,1 |
| br | 1 | 27 | 19,7 | 97,4 | 145,2 |
| bs | 1 | 14 208 | 12 165,3 | 56 465,9 | 75 945,3 |
| ca | 95 | 828 | 1 201,8 | 13 381,4 | 15 617,1 |
| cs | 1 845 | 164 425 | 61 420,9 | 397 352,9 | 516 801,2 |
| da | 98 | 101 609 | 16 583,0 | 115 590,0 | 146 193,4 |
| de | 504 | 115 755 | 23 827,8 | 181 773,9 | 229 774,0 |
| el | 3 | 125 684 | 33 174,5 | 200 922,9 | 254 776,7 |
| en | 455 | 157 490 | 54 572,6 | 357 080,3 | 449 890,9 |
| eo | 1 | 46 | 48,4 | 221,0 | 305,4 |
| es | 386 | 150 798 | 45 280,2 | 305 112,0 | 388 664,2 |
| et | 4 | 100 709 | 13 904,0 | 80 349,3 | 104 726,8 |
| eu | 1 | 652 | 732,9 | 2 999,9 | 4 039,0 |
| fa | 1 | 6 556 | 6 594,8 | 32 635,9 | 38 097,3 |
| fi | 117 | 116 660 | 25 976,1 | 123 357,7 | 165 696,1 |
| fr | 310 | 138 571 | 33 957,7 | 258 555,1 | 315 325,2 |
| gl | 1 | 146 | 121,7 | 622,1 | 797,9 |
| he | 1 | 33 935 | 27 608,8 | 129 458,6 | 172 973,7 |
| hi | 8 | 61 | 116,6 | 832,7 | 988,1 |
| hr | 327 | 35 447 | 30 758,6 | 162 943,8 | 208 413,5 |
| hs | 13 | 13 | 41,6 | 466,3 | 586,3 |
| hu | 95 | 125 933 | 34 510,0 | 178 525,6 | 240 411,9 |
| hy | 1 | 7 | 3,9 | 23,5 | 30,6 |
| id | 1 | 8 350 | 8 112,7 | 37 824,9 | 49 694,7 |
| is | 1 | 1 135 | 1 497,9 | 7 374,2 | 9 299,9 |
| it | 194 | 134 401 | 33 361,2 | 226 224,9 | 286 343,4 |
| ja | 37 | 2 363 | 2 296,7 | 16 138,6 | 18 020,3 |
| ka | 1 | 204 | 198,4 | 871,1 | 1 179,0 |
| kk | 1 | 4 | 4,1 | 13,9 | 19,2 |
| ko | 1 | 1 605 | 1 641,1 | 5 964,3 | 7 294,3 |
| lt | 28 | 87 642 | 3 622,1 | 34 786,3 | 45 134,4 |
| lv | 78 | 86 356 | 3 023,6 | 35 425,1 | 45 293,5 |
| mk | 109 | 3 541 | 3 907,8 | 23 993,1 | 30 898,6 |
| ml | 1 | 285 | 365,3 | 1 258,4 | 1 793,5 |
| ms | 1 | 1 496 | 1 712,1 | 7 828,0 | 10 573,3 |
| mt | 1 | 8 963 | 784,8 | 13 805,0 | 16 643,6 |
| nl | 232 | 132 791 | 33 065,4 | 233 111,3 | 284 402,6 |
| no | 105 | 9 163 | 8 344,6 | 48 750,2 | 61 120,3 |
| nl | 360 | 140 055 | 41 282,4 | 227 242,6 | 300 207,8 |
| pt | 107 | 147 063 | 46 510,1 | 280 566,2 | 355 121,8 |
| rn | 2 | 2 | 1,7 | 13,6 | 17,7 |
| ru | 55 | 102 904 | 39 561,2 | 235 702,3 | 295 301,3 |
| ro | 184 | 32 839 | 22 985,2 | 122 130,4 | 163 120,7 |
| si | 1 | 499 | 522,5 | 2 313,4 | 3 021,8 |
| sk | 170 | 94 585 | 10 080,0 | 74 862,7 | 95 881,0 |
| sl | 76 | 104 460 | 20 501,3 | 118 457,1 | 155 788,9 |
| sq | 1 | 1 575 | 1 769,0 | 9 171,4 | 12 098,4 |
| sr | 149 | 38 177 | 32 117,7 | 165 130,2 | 211 727,6 |
| sv | 237 | 104 739 | 19 113,9 | 135 088,4 | 164 715,5 |
| ta | 1 | 20 | 29,4 | 104,0 | 141,8 |
| te | 1 | 18 | 26,0 | 96,0 | 127,1 |
| th | 1 | 3 932 | 3 457,0 | 5 626,0 | 7 288,3 |
| tl | 1 | 5 | 8,0 | 37,0 | 52,7 |
| tr | 1 | 44 015 | 35 975,7 | 147 635,3 | 199 108,2 |
| uk | 202 | 1 271 | 2 138,0 | 19 225,4 | 24 818,3 |
| ur | 1 | 19 | 27,0 | 155,7 | 180,8 |
| vi | 1 | 3 468 | 3 304,5 | 19 281,4 | 23 984,0 |
| 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
| Jazyk | Core-fiction | Core-misc | Core-nonfiction | Acquis | Bible | Europarl | PressEurop | Subtitles | Syndicate | CELKEM |
|---|---|---|---|---|---|---|---|---|---|---|
| af | – | – | – | – | – | – | – | 134,6 | – | 134,6 |
| ar | 28,8 | 5,5 | – | – | – | – | – | 126 195,5 | 384,5 | 126 614,3 |
| be | 7 068,7 | 57,7 | – | – | – | – | – | – | – | 7 126,4 |
| bg | 7 067,3 | – | – | 13 582,3 | – | 9 082,0 | – | 164 644,1 | – | 194 375,7 |
| bn | – | – | – | – | – | – | – | 1 517,7 | – | 1 517,7 |
| br | – | – | – | – | – | – | – | 97,4 | – | 97,4 |
| bs | – | – | – | – | – | – | – | 56 465,9 | – | 56 465,9 |
| ca | 9 951,3 | 9,7 | – | – | 728,2 | – | – | 2 692,1 | – | 13 381,4 |
| 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 |
| da | 9 460,8 | 11,9 | 56,0 | 20 014,9 | 655,2 | 13 800,4 | – | 71 590,8 | – | 115 590,0 |
| 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 |
| el | – | – | – | 23 684,5 | – | 15 381,7 | – | 161 856,7 | – | 200 922,9 |
| 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 |
| eo | – | – | – | – | – | – | – | 221,0 | – | 221,0 |
| 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 |
| et | 78,8 | – | – | 14 884,2 | – | 10 898,7 | – | 54 487,7 | – | 80 349,3 |
| eu | – | – | – | – | – | – | – | 2 999,9 | – | 2 999,9 |
| fa | – | – | – | – | – | – | – | 32 635,9 | – | 32 635,9 |
| fi | 6 714,9 | 44,4 | 200,5 | 15 264,2 | 542,6 | 10 109,3 | – | 90 481,8 | – | 123 357,7 |
| 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 |
| gl | – | – | – | – | – | – | – | 622,1 | – | 622,1 |
| he | – | – | – | – | – | – | – | 129 458,6 | – | 129 458,6 |
| hi | 402,8 | – | – | – | – | – | – | 429,9 | – | 832,7 |
| hr | 22 763,6 | 242,6 | 1 523,4 | – | 569,9 | – | – | 137 844,3 | – | 162 943,8 |
| hs | 405,3 | 36,6 | 24,4 | – | – | – | – | – | – | 466,3 |
| hu | 6 890,1 | 28,9 | – | 17 851,3 | – | 12 187,9 | – | 141 559,0 | 8,4 | 178 525,6 |
| hy | – | – | – | – | – | – | – | 23,5 | – | 23,5 |
| id | – | – | – | – | – | – | – | 37 824,9 | – | 37 824,9 |
| is | – | – | – | – | – | – | – | 7 374,2 | – | 7 374,2 |
| 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 |
| ja | 3 766,7 | 64,9 | 163,1 | – | – | – | – | 12 141,5 | 2,5 | 16 138,6 |
| ka | – | – | – | – | – | – | – | 871,1 | – | 871,1 |
| kk | – | – | – | – | – | – | – | 13,9 | – | 13,9 |
| ko | – | – | – | – | – | – | – | 5 964,3 | – | 5 964,3 |
| lt | 669,1 | 7,2 | 17,4 | 17 175,1 | 471,2 | 11 198,5 | – | 5 247,7 | – | 34 786,3 |
| lv | 3 207,6 | 362,1 | 66,9 | 17 519,4 | 536,7 | 11 682,0 | – | 2 050,4 | – | 35 425,1 |
| mk | 8 794,5 | 86,5 | – | – | – | – | – | 15 112,0 | – | 23 993,1 |
| ml | – | – | – | – | – | – | – | 1 258,4 | – | 1 258,4 |
| ms | – | – | – | – | – | – | – | 7 828,0 | – | 7 828,0 |
| mt | – | – | – | 13 805,0 | – | – | – | – | – | 13 805,0 |
| nl | 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 |
| no | 7 690,7 | 138,1 | 392,0 | – | 723,9 | – | – | 39 805,6 | – | 48 750,2 |
| pl | 27 056,2 | 283,2 | 754,2 | 19 482,9 | 576,1 | 12 662,8 | 2 367,5 | 164 059,8 | – | 227 242,6 |
| pt | 7 204,0 | 81,3 | – | 24 385,0 | 706,2 | 15 188,4 | 2 782,5 | 229 480,2 | 738,5 | 280 566,2 |
| rn | 8,4 | 5,2 | – | – | – | – | – | – | – | 13,6 |
| ro | 4 132,6 | 64,1 | – | 8 043,5 | – | 9 426,4 | 2 725,2 | 211 310,4 | – | 235 702,3 |
| ru | 11 757,6 | 143,8 | 518,7 | – | 565,5 | – | – | 104 831,9 | 4 312,8 | 122 130,4 |
| si | – | – | – | – | – | – | – | 2 313,4 | – | 2 313,4 |
| sk | 7 626,6 | 402,2 | 558,0 | 18 398,8 | 560,8 | 12 727,0 | – | 34 589,4 | – | 74 862,7 |
| sl | 4 611,2 | 6,1 | 22,4 | 18 510,4 | – | 12 249,8 | – | 83 057,1 | – | 118 457,1 |
| sq | – | – | – | – | – | – | – | 9 171,4 | – | 9 171,4 |
| sr | 12 556,0 | 29,3 | 119,3 | – | – | – | – | 152 425,6 | – | 165 130,2 |
| sv | 18 011,7 | 454,8 | 1 273,0 | 19 443,0 | 637,9 | 13 777,6 | – | 81 490,5 | – | 135 088,4 |
| ta | – | – | – | – | – | – | – | 104,0 | – | 104,0 |
| te | – | – | – | – | – | – | – | 96,0 | – | 96,0 |
| th | – | – | – | – | – | – | – | 5 626,0 | – | 5 626,0 |
| tl | – | – | – | – | – | – | – | 37,0 | – | 37,0 |
| tr | – | – | – | – | – | – | – | 147 635,3 | – | 147 635,3 |
| uk | 14 478,3 | 38,9 | 333,0 | – | 596,1 | – | – | 3 779,0 | – | 19 225,4 |
| ur | – | – | – | – | – | – | – | 155,7 | – | 155,7 |
| vi | – | – | – | – | – | – | – | 19 281,4 | – | 19 281,4 |
| 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).
| Jazyk | Kolekce | Počet | Tisíce | Lexikální diverzita | Syntaktická komplexita (průměr) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| dokumentů | textů | vět | slov | tokenů | lexDivWord | lexDivLemma | sLength | subRatio | maxTreeDepth | maxNPLength | maxNPDepth | mdd | ||
| 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 |
| 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 | |
| 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 | |
| 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 | |
| bn | Subtitles | 1 | 252 | 363,8 | 1 517,7 | 2 072,1 | 419,4 | – | – | – | – | – | – | – |
| br | Subtitles | 1 | 27 | 19,7 | 97,4 | 145,2 | 363,5 | – | – | – | – | – | – | – |
| bs | Subtitles | 1 | 14 208 | 12 165,3 | 56 465,9 | 75 945,3 | 450,2 | – | – | – | – | – | – | – |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| eo | Subtitles | 1 | 46 | 48,4 | 221,0 | 305,4 | 384,4 | – | – | – | – | – | – | – |
| 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 | |
| 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 | |
| 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 |
| 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 |
| 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 | |
| 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 | |
| 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 | |
| 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 |
| 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 |
| 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 | |
| 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 | |
| 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 | – | – | – | – | – | – | – | |
| 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 | |
| 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 |
| 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 |
| 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 |
| 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 | |
| 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 | |
| ka | Subtitles | 1 | 204 | 198,4 | 871,1 | 1 179,0 | 380,8 | – | – | – | – | – | – | – |
| 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 |
| 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 |
| 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 | |
| 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 | |
| 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 | – | – | – | – | – | – | – | |
| ml | Subtitles | 1 | 285 | 365,3 | 1 258,4 | 1 793,5 | 489,8 | – | – | – | – | – | – | – |
| ms | Subtitles | 1 | 1 496 | 1 712,1 | 7 828,0 | 10 573,3 | 371,2 | – | – | – | – | – | – | – |
| 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 |
| 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 | |
| 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 | |
| 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 | |
| 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 | |
| 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 | – | – | – | – | – | – | – | |
| 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 | |
| si | Subtitles | 1 | 499 | 522,5 | 2 313,4 | 3 021,8 | 443,6 | – | – | – | – | – | – | – |
| 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 | |
| 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 | |
| sq | Subtitles | 1 | 1 575 | 1 769,0 | 9 171,4 | 12 098,4 | 395,5 | – | – | – | – | – | – | – |
| 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 | |
| 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 | |
| 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 |
| 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 |
| th | Subtitles | 1 | 3 932 | 3 457,0 | 5 626,0 | 7 288,3 | 658,1 | – | – | – | – | – | – | – |
| tl | Subtitles | 1 | 5 | 8,0 | 37,0 | 52,7 | 344,9 | – | – | – | – | – | – | – |
| 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 |
| 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 | |
| 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 |
| 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 |
| 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 České biblické společnosti, zvláště Petru Fryšovi
- beletristické texty v řadě slovanských i jiných jazyků z korpusu ASPAC – Amsterdam Slavic Parallel Aligned Corpus – zvláštní poděkování patří Adrianu Barentsenovi
- publicistické texty ve více jazycích z webových stránek Project Syndicate
- publicistické texty ve více jazycích ze serveru VoxEurop
- právnické texty v jazycích EU z korpusu JRC-ACQUIS
- jednání Evropského parlamentu z korpusu EuroParl
- slovensko-české konkordance ze Slovenského národního korpusu
- povídky ve více jazycích z projektu Můj rok 1989 z 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 Multext-East
- ukrajinské a polské texty z korpusu PolUkr
- norské texty z nakladatelství Forlaget Oktober
- filmové titulky z databáze Open Subtitles
Předzpracování:
- editor paralelních textů InterText (autor Pavel Vondřička)
- zarovnávač 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 Natural Language Toolkit
Nástroj na lingvistické značkování:
- 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. Záznam workshopu z 17. 9. 2024, doprovodné akce Bienále české lingvistiky 2024, viz též 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. 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. Záznam přednášky, 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. 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. Článek, 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. Záznam přednášky, prezentace: zážitky tvůrců, zážitky uživatelů
Jak citovat
Budeme rádi, když k výsledkům práce, při níž využijete korpus InterCorp, připojíte odkaz na stránky projektu www.intercorp.korpus.cz a k odborným publikacím odkaz na tento článek:
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 (bibtex, elektronické vydání na serveru ingentaConnect, verze před tiskem).
Seznam další literatury najdete v Repozitáři bibliografických informací založených na ČNK. Každý odkaz na práci využívající InterCorp je vítán, viz 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 – čeština3), verze 16ud ze 17. 9. 2024. Ústav Českého národního korpusu, FF UK, Praha 2021. Dostupné z WWW: https://kontext.korpus.cz/
Viz též
InterCorp • Version 16 • Version 15 • Version 14 • Version 13ud • Version 13 • Version 12 • Version 11 • Version 10 • Version 9 • Version 8 • Version 7 • Version 6 • Version 5 • Verze 4 • Version 3 • Version history
Původní stránky projektu InterCorp jsou stále zde.
1)
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.
2)
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.
3)
Vložte konkrétní jazyky.
