Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

--- cnk:intercorp:verze17ud [2026/10/05 23:12] – [Předzpracování:] rosen
+++ cnk:intercorp:verze17ud [2026/10/11 18:44] (aktuální) – [Obsah korpusu] rosen
@@ Řádek 28: / Řádek 28: @@
   * filmové titulky z databáze [[http://www.opensubtitles.org|OpenSubtitles]] (**Subtitles**)
   * překlady **Bible**
-  * přepisy přednášek z projektu **[[https://www.ted.com|TED Talks]]**
+  * přepisy přednášek z projektu **[[https://www.ted.com|TED]]**
 Celkový rozsah zpřístupněné části korpusu ve verzi 17ud zveřejněné v říjnu 2026 činí 5 340 milionů slov, z toho 527 milionů slov v jádru a 4 813 milionů slov v kolekcích. Podrobnosti viz **[[https://jakobson.korpus.cz/~rosen/INTERCORP/ICv17ud/intercorp-tools-static/index.html|InterCorp Tools]]**.
@@ Řádek 34: / Řádek 34: @@
 ===== Anotace =====
-  * Z celkového počtu 63 jazyků (včetně češtiny) je ve verzi 17ud lingvisticky anotovaných 48; všechny takové jazyky jsou navíc vybaveny i syntaktickou anotací.
+  * Z celkového počtu 63 jazyků (včetně češtiny) je ve verzi 17ud lingvisticky anotovaných 48; všechny takové jazyky jsou navíc vybaveny i syntaktickou anotací.((Jazyky bez lingvistické anotace jsou albánština, bengálština, bosenština, bretonština, esperanto, filipínština, gruzínština, hornolužická srbština, kašubština, makedonština, malajština, malajálamština, romština, sinhálština a thajština.))
-  * Texty jsou ve všech jazycích anotované stejně, a to podle standardu **[[https://universaldependencies.org|Universal Dependencies]]** (UD).
+  * Slovní tvary jsou ve všech 48 jazycích anotované stejně, a to podle standardu **[[https://universaldependencies.org|Universal Dependencies]]** (UD).
-  * Verze 17ud je první, která je anotována jen takto. Poslední verze morfologicky anotovaná jazykově specifickými značkami je verze 16.
+  * Verze 17ud je první, která je anotována jen podle UD. Poslední verze morfologicky anotovaná jazykově specifickými značkami je verze 16.
   * Podrobný popis využití anotace podle UD v korpusu InterCorp najdete pod heslem [[pojmy:ud|Universal Dependencies]] ve [[pojmy:prehled_pojmu|Slovníčku pojmů ČNK]].
   * Stejně jako verze 16ud obsahuje i verze 17ud metriky **[[pojmy:syntakticka_komplexita|syntaktické komplexity]]** a **[[https://wiki.korpus.cz/doku.php/pojmy:lexikalni_bohatost#lexikalni_diverzita|lexikální diverzity]]**.
   * Anotaci provedl u všech 48 jazyků kromě čínštiny 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-2.17-251125, albanian-staf-ud-2.17-251125, arabic-padt-ud-2.17-251125, armenian-armtdp-ud-2.17-251125, basque-bdt-ud-2.17-251125, belarusian-hse-ud-2.17-251125, bulgarian-btb-ud-2.17-251125, catalan-ancora-ud-2.17-251125, croatian-set-ud-2.17-251125, czech-fictree-ud-2.17-251125, danish-ddt-ud-2.17-251125, dutch-alpino-ud-2.17-251125, english-gum-ud-2.17-251125, estonian-edt-ud-2.17-251125, finnish-tdt-ud-2.17-251125, french-gsd-ud-2.17-251125, galician-treegal-ud-2.17-251125, german-gsd-ud-2.17-251125, greek-gdt-ud-2.17-251125, hebrew-htb-ud-2.17-251125, hindi-hdtb-ud-2.17-251125, hungarian-szeged-ud-2.17-251125, icelandic-modern-ud-2.17-251125, indonesian-gsd-ud-2.17-251125, italian-isdt-ud-2.17-251125, japanese-gsd-ud-2.17-251125, kazakh-ud-2.0-170801, korean-kaist-ud-2.17-251125, latvian-lvtb-ud-2.17-251125, lithuanian-alksnis-ud-2.17-251125, maltese-mudt-ud-2.17-251125, norwegian-bokmaal-ud-2.17-251125, norwegian-nynorsk-ud-2.17-251125, persian-perdt-ud-2.17-251125, polish-pdb-ud-2.17-251125, portuguese-bosque-ud-2.17-251125, romanian-rrt-ud-2.17-251125, russian-syntagrus-ud-2.17-251125, serbian-set-ud-2.17-251125, slovak-snk-ud-2.17-251125, slovenian-ssj-ud-2.17-251125, spanish-ancora-ud-2.17-251125, swedish-talbanken-ud-2.17-251125, tamil-ttb-ud-2.17-251125, telugu-mtg-ud-2.17-251125, turkish-boun-ud-2.17-251125, ukrainian-iu-ud-2.17-251125, urdu-udtb-ud-2.17-251125, vietnamese-vtb-ud-2.17-251125.)) Anotaci čínštiny provedl nástroj [[https://trankit.readthedocs.io/|Trankit]].
+  * Ve slovanských a románských jazycích jsou anotovány složené slovesné tvary, viz poziční atribut ''cw_feats'' – **content-word features** ([[pojmy:content-word features|cw_feats]]).
@@ Řádek 49: / Řádek 50: @@
 ===== Poděkování =====
-Děkujeme za možnost využívat následující texty a software:
+Děkujeme všem koordinátorům a editorům pro jednotlivé jazyky, kteří všichni přispěli k vytvoření a rozšiřování jádra InterCorpu. Ti, kdo se obětavě podíleli na zařazení nových textů do verze 17ud, mají své místo v [[https://jakobson.korpus.cz/~rosen/INTERCORP/ICv17ud/intercorp-tools-static/hall-of-fame.html|Síni slávy]].
+Děkujeme také za možnost využívat následující texty a software:
 ==== Texty: ====
@@ Řádek 84: / Řádek 87: @@
 ===== Odkazy – o korpusu InterCorp s anotací podle UD =====
-Olga Nádvorníková, Jiří Milička, and Alexandr Rosen (2026): Exploring cross-linguistic and register variation in syntactic complexity: insights from a multilingual parallel corpus. Linguistics Vanguard, 11. [https://doi.org/10.1515/lingvan-2025-0109]
+Olga Nádvorníková, Jiří Milička, and Alexandr Rosen (2026): Exploring cross-linguistic and register variation in syntactic complexity: insights from a multilingual parallel corpus. //Linguistics Vanguard//, 11. [https://doi.org/10.1515/lingvan-2025-0109]
+Olga Nádvorníková, Alexandr Rosen, a Karolína Pavlíková (2025). Možnosti využití anotace syntaktické komplexity v paralelním korpusu: příklad francouzských tvarů na -ant v konverbální funkci a jejich českých protějšků. //Časopis pro moderní filologii//, 107(1):80–101. [https://dspace.cuni.cz/handle/20.500.11956/199846]
 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]].
@@ Řádek 97: / Řádek 102: @@
 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]]
+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.
@@ Řádek 108: / Řádek 113: @@
 <WRAP round info 50%>
-ROSEN, Alexandr (2023). The InterCorp parallel corpus with a uniform annotation for all languages. Jazykovedný časopis, 74(1):254–265. [[https://www.researchgate.net/publication/376822442_The_Intercorp_Parallel_Corpus_with_a_Uniform_Annotation_for_All_Languages|download]]
+ROSEN, Alexandr (2023). The InterCorp parallel corpus with a uniform annotation for all languages. //Jazykovedný časopis//, 74(1):254–265. [[https://www.researchgate.net/publication/376822442_The_Intercorp_Parallel_Corpus_with_a_Uniform_Annotation_for_All_Languages|download]]
 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

Historie: • olgarichterova • verze17ud

Rozdíly

Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence