AplikaceAplikace
Nastavení

Rozdíly

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

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze
Předchozí verze
Poslední revizeObě strany příští revize
cnk:intercorp:verze3 [2015/01/29 10:48] michalavacikovacnk:intercorp:verze3 [2015/04/13 12:00] Václav Cvrček
Řádek 51: Řádek 51:
 table.std a:hover { table.std a:hover {
  background: transparent;  background: transparent;
-   +   
 </style> </style>
-<h1>Korpus InterCorp</h1> 
-  
-<p> 
-Korpus InterCorp je hlavním výstupem stejnojmenného projektu, jehož cílem je vybudovat rozsáhlý paralelní synchronní korpus pokrývající co největší množství jazyků. Na jeho tvorbě se významnou měrou podílejí pedagogové a studenti FF UK v Praze a další spolupracovníci ÚČNK. 
-</p> 
  
-<p>Po registraci na stránce <a href="http://korpus.cz/prohlaseni.php">Prohlášení uživatele korpusů ÚČNK</a>  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. +</HTML
-</p>+=====Korpus InterCorp verze 3=====
  
-<p>InterCorp má v řadě korpusů budovaných v ÚČNK zvláštní postavení hned v několika ohledech: +====Přístup k textům==== 
-</p>+InterCorp má v řadě korpusů budovaných v ÚČNK zvláštní postavení hned v několika ohledech:
  
-<ul><li> je přístupný přes speciální rozhraní <a href="http://www.korpus.cz/Park/" target="_blank">Park</a>které je naší nadstavbou nad  systémem Manatee Pavla Rychlého; stručný návod k použití Parku najdete <a href="http://www.korpus.cz/intercorp/?req=page:manual&amp;lang=cs">zde</a>; autorem Parku je Michal Štourač</li></ul>+  * je přístupný přes rozhraní KonText pomocí speciálního [[kurz:hledani_v_paralelnim_korpusu|dotazovacího formuláře]] 
 +  * specifikem InterCorpu je také jeho inkrementální povaha: zatímco většina ostatních korpusů ČNK jsou neměnné [[pojmy:referencni|referenční]] entityobjem textů i počet jazyků zpřístupněných v korpusu InterCorp se postupně zvyšuje (verze jsou ovšem od roku 2014 zpětně dostupné) 
 +====Obsah korpusu==== 
 +<HTML>
  
-<ul><li><a href="http://www.korpus.cz/corpora/intercorp/" target="_blank">jednojazyčné</a> verze všech paralelních korpusů jsou zpřístupněné pomocí webové verze rozhraní Bonito, takže je možné na korpusy jednotlivých jazyků používat standardní nástroje, jako jsou filtry, třídění, kolokace, frekvenční distribuce, náhodné vzorky atd.; stejně jako se všemi cizojazyčnými korpusy je navíc možné pracovat i s odpovídajícími verzemi češtiny</li></ul> 
- 
-<ul><li>specifikem InterCorpu je také jeho inkrementální povaha: zatímco většina ostatních korpusů ČNK jsou neměnné referenční entity, objem textů i počet jazyků zpřístupněných v korpusu InterCorp se postupně zvyšuje</li></ul> 
- 
-<h2>Obsah korpusu</h2> 
  
 <p>InterCorp obsahuje převážně manuálně zarovnané beletristické texty v češtině a dalších jazycích a výběr publistických článků z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</a>, zatím jde o české, anglické, francouzské, německé, ruské a španělské texty z let 2000 až 2008. Tyto texty jsou zarovnané jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají.</p>  <p>InterCorp obsahuje převážně manuálně zarovnané beletristické texty v češtině a dalších jazycích a výběr publistických článků z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</a>, zatím jde o české, anglické, francouzské, německé, ruské a španělské texty z let 2000 až 2008. Tyto texty jsou zarovnané jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají.</p> 
Řádek 80: Řádek 74:
 tabulce jsou data popisující rozsah zpřístupněné části korpusu, tabulce jsou data popisující rozsah zpřístupněné části korpusu,
 Project Syndicate představuje zhruba 1,5 až 2 milióny slov, která jsou Project Syndicate představuje zhruba 1,5 až 2 milióny slov, která jsou
-již započtena v celkovém počtu slov pro daný jazyk (stav z února 2011 ve verzi InterCorpu č. 3, historii verzí najdete <a href="http://www.korpus.cz/intercorp/?req=page:releaseNotes&amp;lang=cs">zde</a>).</p>+již započtena v celkovém počtu slov pro daný jazyk (stav z února 2011 ve verzi 3, historii verzí najdete <a href="https://wiki.korpus.cz/doku.php/cnk:intercorp:historie">zde</a>).</p>
  
- +</HTML> 
-<table border="1" cellpadding="4" cellspacing="2">+====Velikost korpusu v tisících slov==== 
 +<HTML> 
 +<table class="std">
 <tbody> <tbody>
-<tr> <td align="center" bgcolor="#dbcf95" valign="top"> <b>jazyk</b> </td> <td align="center" bgcolor="#dbcf95" valign="top"> <b>počet&nbsp;slov<br>(v&nbsp;tisících)</b> </td> <td align="center" bgcolor="#dbcf95" valign="top"> <b>počet textů</b> </td> </tr>+<tr> <th> <b>jazyk</b> </th> <th> <b>počet&nbsp;slov<br>(v&nbsp;tisících)</b> </th> <th> <b>počet textů</b> </th> </tr>
 <tr> <td align="left">angličtina</td> <td align="right"> 5 695</td> <td align="right"> Syndicate + 49 </td> </tr> <tr> <td align="left">angličtina</td> <td align="right"> 5 695</td> <td align="right"> Syndicate + 49 </td> </tr>
 <tr> <td align="left">bulharština</td> <td align="right"> 1 135</td> <td align="right"> 15</td> </tr> <tr> <td align="left">bulharština</td> <td align="right"> 1 135</td> <td align="right"> 15</td> </tr>
Řádek 108: Řádek 104:
 <tr> <td align="left">španělština</td> <td align="right"> 10 905 </td> <td align="right"> Syndicate + 108 </td> </tr> <tr> <td align="left">španělština</td> <td align="right"> 10 905 </td> <td align="right"> Syndicate + 108 </td> </tr>
 <tr> <td align="left">švédština</td> <td align="right"> 3 673 </td> <td align="right"> 47 </td> </tr> <tr> <td align="left">švédština</td> <td align="right"> 3 673 </td> <td align="right"> 47 </td> </tr>
-<tr> <td align="left" bgcolor="#dbcf95"> <b>CELKEM</b> </td> <td align="right" bgcolor="#dbcf95"> <b>72 280</b> </td> <td align="right" bgcolor="#dbcf95"> <b>943</b> </td> </tr>+<tr> <th align="left"> CELKEM </th> <th align="right"> 72 280 </th> <th align="right"> 943 </th> </tr>
 <tr> <td align="left">čeština<sup>*)</sup></td> <td align="right"> 41 340</td> <td align="right"> Syndicate + 652</td> </tr> <tr> <td align="left">čeština<sup>*)</sup></td> <td align="right"> 41 340</td> <td align="right"> Syndicate + 652</td> </tr>
 </tbody> </tbody>
Řádek 116: Řádek 112:
  
 <!-- <!--
-<table border="1" cellpadding="4" cellspacing="2">+<table class="std">
 <tbody> <tbody>
-<tr> <td align="center" bgcolor="#dbcf95" valign="top"> <b>jazyk</b> </td> <td align="center" bgcolor="#dbcf95" valign="top"> <b>počet&nbsp;slov (v&nbsp;tis&iacute;c&iacute;ch)</b> </td> <td align="center" bgcolor="#dbcf95" valign="top"> <b>počet textů</b> </td> </tr>+<tr> <td> <b>jazyk</b> </td> <td> <b>počet&nbsp;slov (v&nbsp;tis&iacute;c&iacute;ch)</b> </td> <td> <b>počet textů</b> </td> </tr>
 <tr> <td align="left">čeština</td> <td align="center"> 41 340</td> <td align="center"> Syndicate + 652</td> </tr> <tr> <td align="left">čeština</td> <td align="center"> 41 340</td> <td align="center"> Syndicate + 652</td> </tr>
 </tbody> </tbody>
Řádek 125: Řádek 121:
  
  
 +</HTML>
 +====Morfosyntaktická anotace====
 +<HTML>
  
-<br><h2 class="section">Morfosyntaktická anotace</h2> 
  
 <p>Texty v těchto jazycích jsou opatřeny morfologickou anotací.</p> <p>Texty v těchto jazycích jsou opatřeny morfologickou anotací.</p>
  
-<table border="1" cellpadding="4" cellspacing="2">+<table class="std">
 <tbody> <tbody>
 <tr> <tr>
-<td align="left" bgcolor="#dbcf95" nowrap="nowrap"> <b>jazyk</b></td> +<th align="left"> <b>jazyk</b></td> 
-<td align="center" bgcolor="#dbcf95" nowrap="nowrap"><b>značky</b></td> +<th align="center"><b>značky</b></td> 
-<td align="center" bgcolor="#dbcf95" nowrap="nowrap"><b>lemmata</b></td> +<th align="center"><b>lemmata</b></td> 
-<td align="center" bgcolor="#dbcf95" nowrap="nowrap"><b>stručný popis</b></td> +<th align="center"><b>stručný popis</b></td> 
-<td align="center" bgcolor="#dbcf95" nowrap="nowrap"><b>podrobný popis</b></td> +<th align="center"><b>podrobný popis</b></td> 
-<td align="center" bgcolor="#dbcf95" nowrap="nowrap"><b>nástroj</b></td>+<th align="center"><b>nástroj</b></td>
 </tr> </tr>
 <tr> <tr>
Řádek 159: Řádek 157:
 <td align="center" nowrap="nowrap">✔</td> <td align="center" nowrap="nowrap">✔</td>
 <td align="center" nowrap="nowrap">✔</td> <td align="center" nowrap="nowrap">✔</td>
-<td align="center" nowrap="nowrap"><a href="http://korpus.cz/bonito/znacky.php">česky</a> <a href="http://ufal.mff.cuni.cz/pdt/Morphology_and_Tagging/Doc/hmptagqr.html">anglicky</a> *)</td>+<td align="center" nowrap="nowrap"><a href="http://wiki.korpus.cz/doku.php/seznamy:tagy">česky</a> <a href="http://ufal.mff.cuni.cz/pdt/Morphology_and_Tagging/Doc/hmptagqr.html">anglicky</a> *)</td>
 <td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/pdt/Morphology_and_Tagging/Doc/docc0pos.ps">anglicky</a></td> <td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/pdt/Morphology_and_Tagging/Doc/docc0pos.ps">anglicky</a></td>
 <td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/morce/">Morče</a></td> <td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/morce/">Morče</a></td>
Řádek 262: Řádek 260:
  
  
 +</HTML>
 +====Upozornění====
 +<HTML>
  
- 
-<h2>Upozornění</h2> 
   <p>   <p>
 Vyhledávací rozhraní Park se stále vyvíjí, je proto možné, že při hledání v korpusu narazíte na problémy nebo budete postrádat některé funkce, které znáte z vyhledávače v českém (jednojazykovém) korpusu. Popis problémů, připomínky a podněty k dalšímu vývoji rozhraní uvítáme na adrese  Vyhledávací rozhraní Park se stále vyvíjí, je proto možné, že při hledání v korpusu narazíte na problémy nebo budete postrádat některé funkce, které znáte z vyhledávače v českém (jednojazykovém) korpusu. Popis problémů, připomínky a podněty k dalšímu vývoji rozhraní uvítáme na adrese 
Řádek 271: Řádek 270:
  
  
 +</HTML>
 +====Poděkování====
 +<HTML>
  
-<h2>Poděkování</h2> 
 <p>Děkujeme za možnost využívat následující software a data:</p> <p>Děkujeme za možnost využívat následující software a data:</p>
-<h3>Předzpracování</h3>+</HTML> 
 +===Předzpracování=== 
 +<HTML> 
  <ul>  <ul>
  <li>větný segmentátor pro češtinu (autor Pavel Květoň)</li>  <li>větný segmentátor pro češtinu (autor Pavel Květoň)</li>
Řádek 281: Řádek 285:
  <li>zarovnávač <a href="http://mokk.bme.hu/resources/hunalign" target="_blank">Hunalign</a></li>  <li>zarovnávač <a href="http://mokk.bme.hu/resources/hunalign" target="_blank">Hunalign</a></li>
  </ul>  </ul>
-<h3>Značkovače / lematizátory:</h3>+</HTML> 
 +===Značkovače / lematizátory:=== 
 +<HTML> 
  <ul>  <ul>
  <li><a href="http://ufal.mff.cuni.cz/morce/" target="_blank">Morče</a> pro češtinu</li>  <li><a href="http://ufal.mff.cuni.cz/morce/" target="_blank">Morče</a> pro češtinu</li>
Řádek 291: Řádek 298:
  <li><a href="http://maximos.aksis.uib.no/Aksis-wiki/Oslo-Bergen_Tagger" target="_blank">analyzátor</a> a <a href="http://omilia.uio.no/obt/" target="_blank">tagger</a> pro norštinu</li>  <li><a href="http://maximos.aksis.uib.no/Aksis-wiki/Oslo-Bergen_Tagger" target="_blank">analyzátor</a> a <a href="http://omilia.uio.no/obt/" target="_blank">tagger</a> pro norštinu</li>
  </ul>  </ul>
-<h3>Korpusový manažer:</h3>+</HTML> 
 +===Korpusový manažer:=== 
 +<HTML> 
  <ul>  <ul>
  <li><a href="http://www.textforge.cz/products" target="_blank">Manatee</a></li>  <li><a href="http://www.textforge.cz/products" target="_blank">Manatee</a></li>
  </ul>  </ul>
-<h3>Data:</h3>+</HTML> 
 +===Data:=== 
 +<HTML> 
  <ul>  <ul>
- <li>publicistické texty ve více jazycích z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</a></li>+ <li>publicistické texty ve více jazycích z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</a> <a id="logo" href="http://www.project-syndicate.org/"><img class="nodeco" alt="The highest quality commentaries and analysis from distinguished voices across the world." title="The highest quality commentaries and analysis from distinguished voices across the world." src="http://www.project-syndicate.org/default/images/ps_logo-small.png"></a></li>
  <li>slovensko-české konkordance ze <a href="http://korpus.juls.savba.sk/" target="_blank">Slovenského národního korpusu</a> </li>  <li>slovensko-české konkordance ze <a href="http://korpus.juls.savba.sk/" target="_blank">Slovenského národního korpusu</a> </li>
- <li>povídky ve více jazycích z projektu <a href="http://www.goethe.de/ins/cz/prj/m89/csindex.htm" target="_blank">Můj rok 1989</a> z <a href="http://www.goethe.de/ins/cz/pra/" target="_blank">Goethe Institutu</a> + <li>povídky ve více jazycích z projektu <i>Můj rok 1989</i> z <a href="http://www.goethe.de/ins/cz/pra/" target="_blank">Goethe Institutu</a> 
  </li><li>více textů v česko-litevské části korpusu od Patricka Cornesse</li>  </li><li>více textů v česko-litevské části korpusu od Patricka Cornesse</li>
  <li>román George Orwella <i>1984</i> ve více jazycích z korpusu <a href="http://nl.ijs.si/ME/" target="_blank">Multext-East</a></li>   <li>román George Orwella <i>1984</i> ve více jazycích z korpusu <a href="http://nl.ijs.si/ME/" target="_blank">Multext-East</a></li> 
Řádek 308: Řádek 321:
  <li>norské texty z nakladatelství <a href="http://www.aschehoug.no/" target="_blank">Aschehoug &amp; co.</a>, <a href="http://www.cappelendamm.no/" target="_blank">Cappelen Forlag</a> a <a href="http://www.oktober.no/" target="_blank">Forlaget Oktober</a></li>  <li>norské texty z nakladatelství <a href="http://www.aschehoug.no/" target="_blank">Aschehoug &amp; co.</a>, <a href="http://www.cappelendamm.no/" target="_blank">Cappelen Forlag</a> a <a href="http://www.oktober.no/" target="_blank">Forlaget Oktober</a></li>
  </ul>  </ul>
- 
-<a id="logo" href="http://www.project-syndicate.org/"><img class="nodeco" alt="The highest quality commentaries and analysis from distinguished voices across the world." title="The highest quality commentaries and analysis from distinguished voices across the world." src="img/ProjectSyndycateLogo.jpg"></a> 
  
 <p>Poslední aktualizace: <i>24. února 2011</i></p> <p>Poslední aktualizace: <i>24. února 2011</i></p>
  
 </HTML> </HTML>
 +
 +==== Související odkazy ====
 +
 +<WRAP round box 50%>
 +[[cnk:intercorp|InterCorp]] • [[cnk:intercorp:verze7|Verze 7]] • [[cnk:intercorp:verze6|Verze 6]] • [[cnk:intercorp:verze5|Verze 5]] • [[cnk:intercorp:verze4|Verze 4]] • [[cnk:intercorp:historie|Historie verzí]]
 +</WRAP>
 +