| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| cnk:intercorp:verze4 [2015/01/29 17:06] – michalavacikova | cnk:intercorp:verze4 [2017/07/10 09:18] (aktuální) – [Poděkování] michalskrabal |
|---|
| </HTML> | </HTML> |
| =====Korpus InterCorp verze 4===== | =====Korpus InterCorp verze 4===== |
| <HTML> | |
| | |
| <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> | |
| |
| </HTML> | |
| ====Přístup k textům==== | ====Přístup k textům==== |
| <HTML> | |
| <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. | |
| </p> | |
| |
| <p>InterCorp má v řadě korpusů budovaných v ÚČNK zvláštní postavení hned v několika ohledech: | InterCorp má v řadě korpusů budovaných v ÚČNK zvláštní postavení hned v několika ohledech: |
| </p> | |
| |
| <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&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]] entity, objem textů i počet jazyků zpřístupněných v korpusu InterCorp se postupně zvyšuje (verze jsou ovšem od roku 2014 zpětně dostupné) |
| <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> | |
| | |
| </HTML> | |
| ====Obsah korpusu==== | ====Obsah korpusu==== |
| <HTML> | <HTML> |
| je tedy tzv. pivot, česká verze textu (originál nebo překlad) je | je tedy tzv. pivot, česká verze textu (originál nebo překlad) je |
| zarovnaná s jednou nebo více verzemi cizojazyčnými. | zarovnaná s jednou nebo více verzemi cizojazyčnými. |
| Celkový rozsah zpřístupněné části korpusu ve verzi InterCorp č. 4 (historii verzí najdete <a href="http://www.korpus.cz/intercorp/?req=page:releaseNotes&lang=cs">zde</a>) ze září 2011 je 92 290 000 slov v zarovnaných cizojazyčných textech. | Celkový rozsah zpřístupněné části korpusu ve verzi 4 (historii verzí najdete <a href="https://wiki.korpus.cz/doku.php/cnk:intercorp:historie">zde</a>) ze září 2011 je 92 290 000 slov v zarovnaných cizojazyčných textech. |
| V tomto celkovém počtu slov jsou již započteny zhruba 2,3 - 3 miliony slov z Project Syndicate (pro tyto jazyky: cs, de, en, es, fr, ru) a okolo 0,8 milionu slov z Presseurop (pro tyto jazyky: cs, de, en, es, fr, it, nl, pl, pt, ro), což je přehledně vidět na následujícím grafu. Pod souhrnným názvem "beletrie" jsou v něm zahrnuty všechny ručně zarovnané texty, které jsou z velké většiny tvořeny právě beletrii. Velikost je udávána v milionech slov.</p> | V tomto celkovém počtu slov jsou již započteny zhruba 2,3 - 3 miliony slov z Project Syndicate (pro tyto jazyky: cs, de, en, es, fr, ru) a okolo 0,8 milionu slov z Presseurop (pro tyto jazyky: cs, de, en, es, fr, it, nl, pl, pt, ro), což je přehledně vidět na následujícím grafu. Pod souhrnným názvem "beletrie" jsou v něm zahrnuty všechny ručně zarovnané texty, které jsou z velké většiny tvořeny právě beletrii. Velikost je udávána v milionech slov.</p> |
| |
| <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> |
| |
| </HTML> | </HTML> |
| ====Upozornění==== | |
| <HTML> | |
| |
| <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 | |
| </p> | |
| <p><img src="http://ucnk.ff.cuni.cz/intercorp/img/adresy/mava_a.gif"></p> | |
| |
| |
| </HTML> | |
| ====Poděkování==== | ====Poděkování==== |
| <HTML> | <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> |
| <li>texty ve více jazycích z korpusu <a href="http://www-korpus.uni-r.de/ParaSol/" target="_blank">ParaSol</a> (připravuje se)</li> | <li>texty ve více jazycích z korpusu <a href="http://www-korpus.uni-r.de/ParaSol/" target="_blank">ParaSol</a> (připravuje se)</li> |
| <li>publicistické texty ve více jazycích ze serveru <a href="http://www.presseurop.eu" target="_blank">Presseurop</a></li> | <li>publicistické texty ve více jazycích ze serveru <a href="http://www.presseurop.eu" target="_blank">Presseurop</a></li> |
| <li>právnické texty v jazycích EU z korpusu <a href="http://wt.jrc.it/lt/Acquis/" target="_blank">JRC-ACQUIS</a> (připravuje se)</li> | <li>právnické texty v jazycích EU z korpusu <a href="https://ec.europa.eu/jrc/en/language-technologies/jrc-acquis" target="_blank">JRC-ACQUIS</a> (připravuje se)</li> |
| <li>norské texty z nakladatelství <a href="http://www.aschehoug.no/" target="_blank">Aschehoug & 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 & 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>5. října 2011</i></p> | <p>Poslední aktualizace: <i>5. října 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:verze3|Verze 3]] • [[cnk:intercorp:historie|Historie verzí]] |
| | </WRAP> |
