cnk:intercorp:verze5 - 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.
<HTML>
<style>
table.std {
    margin-bottom: 15px;
    padding: 0px;
    border-collapse: separate;
    border-spacing: 0px;
    border: 1px solid #DEE7EC;
		vertical-align: middle;
    border-collapse: expression('separate', cellSpacing = '0px'); /* ie fix */
}
table.std th {
    background-color: #DEE7EC;
    padding: 3px 6px;
    color: #0d2a40;
    font-weight: bold;
    border-bottom: 1px solid #8CACBB;
    border-right: 1px solid #8CACBB;
    border-top: 1px solid #8CACBB;
    border-left: 1px solid #8CACBB;
    white-space: nowrap;
}
table.std td {
    padding: 3px 6px;
    vertical-align: middle;
    border-bottom: 1px solid #8CACBB;
    border-right: 1px solid #8CACBB;
    border-top: 1px solid #8CACBB;
    border-left: 1px solid #8CACBB;
    color:#0d2a40;
    white-space: nowrap;
    background-color: transparent;
}

table.std img	{       
		display: inline;
		margin: 5px;
    vertical-align: middle;
} 
	
 table.std thead  {
    font-weight: bold;
   	font-size: medium;
}  

table.std a:hover img    {       
		border: 1px solid;
		background: #f3e4a7; color: #0d2a40; 
} 

table.std a:hover {
	background: transparent;
}    
</style>

</HTML>
=====Korpus InterCorp verze 5=====
<HTML>
 
<p>
Korpus InterCorp je hlavním výstupem stejnojmenného projektu, jehož cílem je vybudovat rozsáhlý paralelní synchronní korpus, pokrývající co největší počet 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.
</p>

<p>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="?req=page:manual&amp;lang=cs">zde</a>; autorem Parku je Michal Štourač</li></ul>

<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====
<HTML>


<p><b>Jádrem</b> korpusu InterCorp jsou ručně zarovnané, převážně beletristické texty. Kromě toho korpus obsahuje také nabídku automaticky zpracovaných textů, tzv. <b>kolekce</b>. Aktuálně jsou k dispozici kolekce publistických článků z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</a> a <a href="http://www.presseurop.eu/" target="_blank">Presseurop</a>, a dále balíček právních textů <a href="http://langtech.jrc.it/JRC-Acquis.html" target="_blank">Acquis Communautaire</a>. Tyto texty jsou zarovnané jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají.</p> 
    
<p>Každý cizojazyčný text má v korpusu svou českou verzi. Čeština je tedy tzv. pivot, česká verze textu (originál nebo překlad) je zarovnaná s jednou nebo více verzemi cizojazyčnými. Celkový rozsah zpřístupněné části korpusu ve verzi InterCorp č. 5 (historii verzí najdete <a href="?req=page:releaseNotes&amp;lang=cs">zde</a>) z června 2012 je 91 529 000 slov v zarovnaných cizojazyčných textech v jádru a 451 112 000 slov v zarovnaných cizojazyčných textech v kolekcích. Rozložení textů v rámci jádra a v jednotlivých kolekcích je znázorněno na následujících grafech. Velikost je udávána v milionech slov.</p>

<img src="http://ucnk.ff.cuni.cz/intercorp/img/intercorp_wordcounts2_v5.png" alt="Graf složení korpusů jednotlivých jazyků - Jádro" title="Složení korpusů jednotlivých jazyků - Jádro">
<br>
<br>
<img src="http://ucnk.ff.cuni.cz/intercorp/img/intercorp_wordcounts3_v5.png" alt="Graf složení korpusů jednotlivých jazyků - Kolekce" title="Složení korpusů jednotlivých jazyků - Kolekce">

<br>

<a name="Counts"></a>
<br>
</HTML>
====Velikost korpusu v tisících slov====
<HTML>
<table class="std">
<tbody>
<tr> <th>jazyk</th> <th>Jádro</th> <th>Syndicate</th> <th>Presseurop</th> <th>Acquis</th> <th>Celkem </th></tr>
<tr><td align="left">be</td><td align="right">   67</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">     67</td></tr>
<tr><td align="left">bg</td><td align="right"> 1 415</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 13 816</td> <td align="right">  15 231</td></tr>
<tr><td align="left">da</td><td align="right">   189</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 21 680</td> <td align="right">  21 869</td></tr>
<tr><td align="left">de</td><td align="right">12 004</td> <td align="right"> 2 567</td> <td align="right">  752</td> <td align="right"> 21 723</td> <td align="right">  37 048</td></tr>
<tr><td align="left">el</td><td align="right">       0</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 25 069</td> <td align="right">  25 069</td></tr>
<tr><td align="left">en</td><td align="right"> 5 914</td> <td align="right"> 2 567</td> <td align="right">  799</td> <td align="right"> 24 207</td> <td align="right">  33 489</td></tr>
<tr><td align="left">es</td><td align="right">11 811</td> <td align="right"> 2 896</td> <td align="right">  860</td> <td align="right"> 27 001</td> <td align="right">  42 570</td></tr>
<tr><td align="left">et</td><td align="right">       0</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 15 962</td> <td align="right">  15 962</td></tr>
<tr><td align="left">fi</td><td align="right"> 2 081</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 16 667</td> <td align="right">  18 748</td></tr>
<tr><td align="left">fr</td><td align="right"> 3 217</td> <td align="right"> 2 969</td> <td align="right">  874</td> <td align="right"> 27 351</td> <td align="right">  34 414</td></tr>
<tr><td align="left">hr</td><td align="right"> 8 103</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">   8 103</td></tr>
<tr><td align="left">hu</td><td align="right"> 1 122</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 19 167</td> <td align="right">  20 290</td></tr>
<tr><td align="left">it</td><td align="right"> 3 484</td> <td align="right">   80</td> <td align="right">  793</td> <td align="right"> 24 849</td> <td align="right">  29 207</td></tr>
<tr><td align="left">lt</td><td align="right">   352</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 18 432</td> <td align="right">  18 785</td></tr>
<tr><td align="left">lv</td><td align="right"> 1 085</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 18 744</td> <td align="right">  19 830</td></tr>
<tr><td align="left">mk</td><td align="right">   32</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">     32</td></tr>
<tr><td align="left">mt</td><td align="right">       0</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 14 133</td> <td align="right">  14 133</td></tr>
<tr><td align="left">nl</td><td align="right"> 6 486</td> <td align="right">       0</td> <td align="right">  899</td> <td align="right"> 24 746</td> <td align="right">  32 132</td></tr>
<tr><td align="left">no</td><td align="right"> 2 301</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">   2 301</td></tr>
<tr><td align="left">pl</td><td align="right"> 8 396</td> <td align="right">       0</td> <td align="right">  710</td> <td align="right"> 20 464</td> <td align="right">  29 571</td></tr>
<tr><td align="left">pt</td><td align="right"> 2 127</td> <td align="right">       0</td> <td align="right">  913</td> <td align="right"> 28 599</td> <td align="right">  31 640</td></tr>
<tr><td align="left">ro</td><td align="right"> 1 370</td> <td align="right">       0</td> <td align="right">  819</td> <td align="right">  8 199</td> <td align="right">  10 389</td></tr>
<tr><td align="left">ru</td><td align="right"> 1 664</td> <td align="right"> 2 304</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">   3 969</td></tr>
<tr><td align="left">sk</td><td align="right"> 7 257</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 19 221</td> <td align="right">  26 479</td></tr>
<tr><td align="left">sl</td><td align="right">   991</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 19 645</td> <td align="right">  20 636</td></tr>
<tr><td align="left">sr</td><td align="right"> 4 295</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right">        0</td> <td align="right">   4 295</td></tr>
<tr><td align="left">sv</td><td align="right"> 5 754</td> <td align="right">       0</td> <td align="right">      0</td> <td align="right"> 20 615</td> <td align="right">  26 369</td></tr>
<tr><td align="left"><b>Celkem</b></td><td align="right"><b>91 528</b></td> <td align="right"><b>13 385</b></td> <td align="right"><b>7 425</b></td> <td align="right"><b>430 300</b></td> <td align="right"> <b>542 640</b></td></tr>
<tr><td align="left">cs</td><td align="right">52 651</td> <td align="right"> 2 285</td> <td align="right">  704</td> <td align="right"> 20 285</td> <td align="right">  75 926</td></tr>
</tbody>
</table> 

<p>*) U českých textů se počítají slova jen jednou za každý text, i když má více cizojazyčných protějšků.</p>



<!-- ###

<p>Následující tabulka ukazuje přehled velikostí jednotlivých paralelních korpusů různých jazyků. V řádku jsou uvedeny počty slov příslušného jazyka (v tisících), platné pro průnik s jazykem uvedeným ve sloupci. Např. virtuální bulharsko-chorvatský korpus (1. řádek - "bg") obsahuje celkem 187 tisíc slov v bulharštině (1. řádek - "bg", 9. sloupec – "hr") a 189 tisíc slov v chorvatštině (9. řádek – "hr", 1. sloupec – "bg"). Druhý, zvýrazněný sloupec ukazuje množství slov zarovnaných vůči češtině, a tedy i celkovou velikost jednojazyčného korpusu jazyka uvedeného na příslušném řádku.</p>
-->

<!--

<p>Následující tabulka ukazuje přehled velikostí vzájemných průniků jednotlivých paralelních korpusů různých jazyků. Objem dat je uveden v tisících slov. Druhý, zvýrazněný sloupec ukazuje množství slov zarovnaných vůči češtině, a tedy i celkovou velikost korpusu daného jazyka. Čísla v každém řádku uvádějí, kolik tisíc slov z korpusu daného jazyka je součástí textů společných s korpusem jazyka uvedenému v záhlaví každého sloupce. Např. bulharský korpus (první řádka - "bg") obsahuje 187 tisíc slov v textech současně dostupných také v chorvatštině (9. sloupec - "hr"), a chorvatský korpus (9. řádka - "hr") obsahuje 189 tisíc slov v textech současně dostupných v bulharštině (první sloupec - "bg"). Virtuální bulharsko-chorvatský paralelní korpus tedy obsahuje 187 tisíc bulharských a 189 tisíc chorvatských slov.</p>

-->

<!-- ###

<table class="velikosti">
<tr><th>korpus</th><th>bg</th><th>cs</th><th>da</th><th>de</th><th>en</th><th>es</th><th>fi</th><th>fr</th><th>hr</th><th>hu</th><th>it</th><th>lt</th><th>lv</th><th>nl</th><th>no</th><th>pl</th><th>pt</th><th>ro</th><th>ru</th><th>sl</th><th>sk</th><th>sr</th><th>sv</th></tr>
<tr><th>bg</th><td class="diag">1135</td><td class="sec">1135</td><td class="sec">0</td><td class="sec">82</td><td class="sec">74</td><td class="sec">82</td><td class="sec">74</td><td class="sec">0</td><td class="sec">187</td><td class="sec">141</td><td class="sec">156</td><td class="sec">0</td><td class="sec">0</td><td class="sec">74</td><td class="sec">0</td><td class="sec">156</td><td class="sec">74</td><td class="sec">0</td><td class="sec">0</td><td class="sec">0</td><td class="sec">0</td><td class="sec">0</td><td class="sec">156</td></tr>
<tr><th>cs</th><td>1139</td><td class="diag">46196</td><td class="sec">149</td><td class="sec">10544</td><td class="sec">6287</td><td class="sec">12177</td><td class="sec">1678</td><td class="sec">4075</td><td class="sec">6415</td><td class="sec">1162</td><td class="sec">3502</td><td class="sec">418</td><td class="sec">1128</td><td class="sec">4175</td><td class="sec">1815</td><td class="sec">6217</td><td class="sec">2109</td><td class="sec">1416</td><td class="sec">3563</td><td class="sec">893</td><td class="sec">7072</td><td class="sec">2521</td><td class="sec">4633</td></tr>
<tr><th>da</th><td>0</td><td>190</td><td class="diag">190</td><td class="sec">87</td><td class="sec">130</td><td class="sec">0</td><td class="sec">0</td><td class="sec">0</td><td class="sec">87</td><td class="sec">0</td><td class="sec">0</td><td class="sec">87</td><td class="sec">0</td><td class="sec">0</td><td class="sec">130</td><td class="sec">136</td><td class="sec">0</td><td class="sec">0</td><td class="sec">130</td><td class="sec">87</td><td class="sec">0</td><td class="sec">87</td><td class="sec">87</td></tr>
<tr><th>de</th><td>87</td><td>12166</td><td>83</td><td class="diag">12167</td><td class="sec">3802</td><td class="sec">4953</td><td class="sec">176</td><td class="sec">3717</td><td class="sec">1967</td><td class="sec">295</td><td class="sec">1654</td><td class="sec">259</td><td class="sec">22</td><td class="sec">1973</td><td class="sec">1020</td><td class="sec">1850</td><td class="sec">749</td><td class="sec">835</td><td class="sec">2934</td><td class="sec">428</td><td class="sec">431</td><td class="sec">552</td><td class="sec">989</td></tr>
<tr><th>en</th><td>80</td><td>7296</td><td>135</td><td>3821</td><td class="diag">7297</td><td class="sec">3761</td><td class="sec">438</td><td class="sec">3448</td><td class="sec">519</td><td class="sec">104</td><td class="sec">1053</td><td class="sec">381</td><td class="sec">2</td><td class="sec">1092</td><td class="sec">397</td><td class="sec">1449</td><td class="sec">876</td><td class="sec">954</td><td class="sec">2836</td><td class="sec">286</td><td class="sec">0</td><td class="sec">383</td><td class="sec">343</td></tr>
<tr><th>es</th><td>90</td><td>14235</td><td>0</td><td>5331</td><td>4141</td><td class="diag">14237</td><td class="sec">353</td><td class="sec">4072</td><td class="sec">2409</td><td class="sec">164</td><td class="sec">2924</td><td class="sec">169</td><td class="sec">0</td><td class="sec">2150</td><td class="sec">670</td><td class="sec">1834</td><td class="sec">1098</td><td class="sec">1128</td><td class="sec">2988</td><td class="sec">98</td><td class="sec">133</td><td class="sec">790</td><td class="sec">1375</td></tr>
<tr><th>fi</th><td>62</td><td>1435</td><td>0</td><td>128</td><td>332</td><td>325</td><td class="diag">1435</td><td class="sec">107</td><td class="sec">234</td><td class="sec">73</td><td class="sec">62</td><td class="sec">73</td><td class="sec">0</td><td class="sec">109</td><td class="sec">107</td><td class="sec">242</td><td class="sec">62</td><td class="sec">73</td><td class="sec">81</td><td class="sec">73</td><td class="sec">0</td><td class="sec">98</td><td class="sec">164</td></tr>
<tr><th>fr</th><td>0</td><td>5232</td><td>0</td><td>4228</td><td>3947</td><td>4207</td><td>155</td><td class="diag">5234</td><td class="sec">515</td><td class="sec">0</td><td class="sec">1181</td><td class="sec">0</td><td class="sec">0</td><td class="sec">948</td><td class="sec">155</td><td class="sec">1272</td><td class="sec">870</td><td class="sec">873</td><td class="sec">3003</td><td class="sec">68</td><td class="sec">0</td><td class="sec">78</td><td class="sec">414</td></tr>
<tr><th>hr</th><td>189</td><td>6735</td><td>76</td><td>1736</td><td>461</td><td>2175</td><td>280</td><td>409</td><td class="diag">6735</td><td class="sec">83</td><td class="sec">1491</td><td class="sec">324</td><td class="sec">43</td><td class="sec">1084</td><td class="sec">870</td><td class="sec">1160</td><td class="sec">447</td><td class="sec">277</td><td class="sec">232</td><td class="sec">352</td><td class="sec">54</td><td class="sec">927</td><td class="sec">997</td></tr>
<tr><th>hu</th><td>132</td><td>1123</td><td>0</td><td>256</td><td>81</td><td>135</td><td>81</td><td>0</td><td>79</td><td class="diag">1123</td><td class="sec">0</td><td class="sec">81</td><td class="sec">0</td><td class="sec">56</td><td class="sec">202</td><td class="sec">287</td><td class="sec">0</td><td class="sec">81</td><td class="sec">202</td><td class="sec">283</td><td class="sec">284</td><td class="sec">115</td><td class="sec">0</td></tr>
<tr><th>it</th><td>174</td><td>4028</td><td>0</td><td>1678</td><td>1059</td><td>2815</td><td>84</td><td>1064</td><td>1607</td><td>0</td><td class="diag">4028</td><td class="sec">162</td><td class="sec">0</td><td class="sec">1308</td><td class="sec">844</td><td class="sec">1214</td><td class="sec">1384</td><td class="sec">798</td><td class="sec">62</td><td class="sec">72</td><td class="sec">0</td><td class="sec">732</td><td class="sec">849</td></tr>
<tr><th>lt</th><td>0</td><td>358</td><td>58</td><td>185</td><td>259</td><td>115</td><td>71</td><td>0</td><td>253</td><td>71</td><td>113</td><td class="diag">358</td><td class="sec">16</td><td class="sec">196</td><td class="sec">173</td><td class="sec">297</td><td class="sec">43</td><td class="sec">71</td><td class="sec">101</td><td class="sec">129</td><td class="sec">13</td><td class="sec">171</td><td class="sec">58</td></tr>
<tr><th>lv</th><td>0</td><td>1075</td><td>0</td><td>18</td><td>2</td><td>0</td><td>0</td><td>0</td><td>39</td><td>0</td><td>0</td><td>18</td><td class="diag">1075</td><td class="sec">2</td><td class="sec">2</td><td class="sec">36</td><td class="sec">0</td><td class="sec">0</td><td class="sec">0</td><td class="sec">19</td><td class="sec">233</td><td class="sec">0</td><td class="sec">0</td></tr>
<tr><th>nl</th><td>80</td><td>5203</td><td>0</td><td>2202</td><td>1176</td><td>2273</td><td>149</td><td>968</td><td>1286</td><td>73</td><td>1433</td><td>281</td><td>3</td><td class="diag">5203</td><td class="sec">724</td><td class="sec">1632</td><td class="sec">1039</td><td class="sec">1047</td><td class="sec">64</td><td class="sec">78</td><td class="sec">0</td><td class="sec">482</td><td class="sec">574</td></tr>
<tr><th>no</th><td>0</td><td>2158</td><td>135</td><td>965</td><td>394</td><td>693</td><td>144</td><td>144</td><td>990</td><td>164</td><td>891</td><td>259</td><td>3</td><td>706</td><td class="diag">2158</td><td class="sec">597</td><td class="sec">524</td><td class="sec">0</td><td class="sec">407</td><td class="sec">255</td><td class="sec">263</td><td class="sec">759</td><td class="sec">678</td></tr>
<tr><th>pl</th><td>143</td><td>6173</td><td>111</td><td>1652</td><td>1256</td><td>1536</td><td>276</td><td>1052</td><td>1101</td><td>296</td><td>1063</td><td>346</td><td>37</td><td>1300</td><td>503</td><td class="diag">6173</td><td class="sec">829</td><td class="sec">900</td><td class="sec">237</td><td class="sec">283</td><td class="sec">178</td><td class="sec">220</td><td class="sec">553</td></tr>
<tr><th>pt</th><td>82</td><td>2503</td><td>0</td><td>853</td><td>931</td><td>1105</td><td>82</td><td>854</td><td>486</td><td>0</td><td>1454</td><td>66</td><td>0</td><td>1003</td><td>519</td><td>1002</td><td class="diag">2503</td><td class="sec">855</td><td class="sec">66</td><td class="sec">0</td><td class="sec">0</td><td class="sec">519</td><td class="sec">263</td></tr>
<tr><th>ro</th><td>0</td><td>1697</td><td>0</td><td>900</td><td>967</td><td>1107</td><td>106</td><td>817</td><td>327</td><td>106</td><td>814</td><td>106</td><td>0</td><td>968</td><td>0</td><td>1064</td><td>815</td><td class="diag">1697</td><td class="sec">0</td><td class="sec">106</td><td class="sec">0</td><td class="sec">578</td><td class="sec">85</td></tr>
<tr><th>ru</th><td>0</td><td>3618</td><td>99</td><td>2636</td><td>2581</td><td>2444</td><td>92</td><td>2382</td><td>215</td><td>197</td><td>50</td><td>123</td><td>0</td><td>52</td><td>387</td><td>230</td><td>52</td><td>0</td><td class="diag">3619</td><td class="sec">268</td><td class="sec">197</td><td class="sec">71</td><td class="sec">163</td></tr>
<tr><th>sl</th><td>0</td><td>992</td><td>81</td><td>407</td><td>257</td><td>106</td><td>91</td><td>60</td><td>377</td><td>308</td><td>78</td><td>172</td><td>21</td><td>78</td><td>297</td><td>317</td><td>0</td><td>91</td><td>297</td><td class="diag">992</td><td class="sec">237</td><td class="sec">243</td><td class="sec">189</td></tr>
<tr><th>sk</th><td>0</td><td>6961</td><td>0</td><td>361</td><td>0</td><td>104</td><td>0</td><td>0</td><td>50</td><td>290</td><td>0</td><td>15</td><td>245</td><td>0</td><td>276</td><td>175</td><td>0</td><td>0</td><td>200</td><td>220</td><td class="diag">6961</td><td class="sec">84</td><td class="sec">117</td></tr>
<tr><th>sr</th><td>0</td><td>2736</td><td>77</td><td>503</td><td>346</td><td>751</td><td>124</td><td>62</td><td>943</td><td>127</td><td>692</td><td>222</td><td>0</td><td>405</td><td>681</td><td>237</td><td>477</td><td>509</td><td>77</td><td>242</td><td>100</td><td class="diag">2736</td><td class="sec">271</td></tr>
<tr><th>sv</th><td>178</td><td>5234</td><td>83</td><td>954</td><td>339</td><td>1366</td><td>214</td><td>371</td><td>1091</td><td>0</td><td>859</td><td>83</td><td>0</td><td>518</td><td>610</td><td>645</td><td>227</td><td>87</td><td>187</td><td>196</td><td>129</td><td>256</td><td class="diag">5234</td></tr>
</table>
-->


</HTML>
====Morfosyntaktická anotace====
<HTML>

<p>Texty v těchto jazycích jsou opatřeny morfologickou anotací.</p>

<table class="std">
<tbody>
<tr>
<th>jazyk</th>
<th>značky</th>
<th>lemmata</th>
<th>stručný popis</th>
<th>podrobný popis</th>
<th>nástroj</th>
</tr>
<tr>
<td align="left" nowrap="nowrap"> angličtina</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/CorpusWorkbench/CQP-HTMLDemo/PennTreebankTS.html">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/%7Erosen/public/Penn-Treebank-Tagset.pdf">anglicky</a> <a href="http://utkl.ff.cuni.cz/%7Erosen/public/PennTagAdd.html">+ dodatky</a></td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> bulharština</td><td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.bultreebank.org/TechRep/BTB-TR03.pdf">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> čeština</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://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>
</tr>
<tr>
<td align="left" nowrap="nowrap"> estonština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://www.cl.ut.ee/korpused/morfliides/seletus">estonsky a anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> francouzština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/%7Eschmid/french-tagset.html">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> italština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/ftp/pub/corpora/italian-tagset.txt">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap">litevština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/~skoumal/CZ-LT-CORP/tags.html">česky a anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://donelaitis.vdu.lt/~vidas/">Vidas Daudaravičius</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> maďarština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/%7Erosen/public/kr_for_ldc.pdf">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://code.google.com/p/hunpos/">HunPos</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> němčina</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TagSets/stts-table.html">německy</a></td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/%7Erosen/public/stts_guide.pdf">německy</a></td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> nizozemština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> norština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://tekstlab.uio.no/obt-ny/english/tagset.html">anglicky</a>
<a href="http://tekstlab.uio.no/obt-ny/index.html">norsky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://omilia.uio.no/obt/">Oslo Bergen Tagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> polština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://korpus.pl/en/cheatsheet/node2.html">anglicky</a> <a href="http://korpus.pl/pl/cheatsheet/node2.html">polsky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nlp.ipipan.waw.pl/%7Eadamp/Papers/2003-eacl-ws12/">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://sgjp.pl/morfeusz/">Morfeusz</a>, <a href="http://nlp.pwr.wroc.pl/takipi/">TaKIPI</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> portugalština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/%7Erosen/public/ETIQUETAS_EAGLES_REDUCIDAS.webarchive">španělsky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> ruština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://corpus.leeds.ac.uk/mocky/ru-table.tab">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nl.ijs.si/ME/V4/msd/html/msd-ru.html">anglicky</a> **)</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> slovenština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="http://korpus.sk/morpho.html/">slovensky</a></td>
<td align="center" nowrap="nowrap"><a href="http://korpus.sk/files/tagset-www.pdf ">slovensky</a></td>
<td align="center" nowrap="nowrap"><a href="http://conference.ui.sav.sk/wikt2010/papers/01_garabik_f.pdf">Radovan Garabík, Morče</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> slovinština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://nl.ijs.si/ME/V3/msd/html/msd.html#SECTION05600000000000000000">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nl2.ijs.si/analyze/">totale</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap"> španělština</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap">✔</td>
<td align="center" nowrap="nowrap"><a href="ftp://ftp.ims.uni-stuttgart.de/pub/corpora/spanish-tagset.txt">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/">TreeTagger</a></td>
</tr>
</tbody>
</table>
<br>

<p>*) Formulaci dotazu, který obsahuje české morfologické značky, usnadní <a href="http://utkl.ff.cuni.cz/~skoumal/morfo/?lang=cs">klikátko</a>. </p>

<p>**) Značky v korpusu někdy neodpovídají značkám uvedeným v podrobném popisu. V korpusu se zanedbávají některé morfologické kategorie, např. zájmena jsou vždy označkována jen jako "P-". Všechny značky, tak jak se užívají v korpusu, jsou uvedeny ve stručném popisu.</p>

<p>Jak používat značky při hledání v korpusu se dozvíte v <a href="?req=page:manual&amp;lang=cs">návodu</a> k Parku.</p> 



</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====
<HTML>

<p>Děkujeme za možnost využívat následující software a data:</p>

</HTML>
===Předzpracování===
<HTML>

	<ul>
		<li>větný segmentátor pro češtinu (autor Pavel Květoň)</li>
		<li>větný segmentátor pro norštinu (autoři Jarle Ebeling a Pavel Vondřička)</li>
		<li>větný segmentátor Punkt pro všechny ostatní jazyky ze sady <a href="http://www.nltk.org/" target="_blank">Natural Language Toolkit</a> </li>
		<li>zarovnávač <a href="http://mokk.bme.hu/resources/hunalign" target="_blank">Hunalign</a></li>
	</ul>
</HTML>
===Značkovače / lematizátory:===
<HTML>

	<ul>
		<li><a href="http://ufal.mff.cuni.cz/morce/" target="_blank">Morče</a> pro češtinu</li>
		<li><a href="http://www.ims.uni-stuttgart.de/projekte/corplex/TreeTagger/" target="_blank">TreeTagger</a> pro angličtinu, bulharštinu, estonštinu, francouzštinu, italštinu, němčinu, nizozemštinu, portugalštinu (s poděkováním Pablu Gamallovi), ruštinu a španělštinu</li>
		<li><a href="http://sgjp.pl/morfeusz/" target="_blank">Morfeusz</a> a <a href="http://nlp.pwr.wroc.pl/takipi/" target="_blank">TaKIPI</a> pro polštinu</li>
		<li><a href="http://code.google.com/p/hunpos/" target="_blank">HunPOS</a> pro maďarštinu</li>
		<li><a href="http://conference.ui.sav.sk/wikt2010/papers/01_garabik_f.pdf" target="_blank">tagger pro slovenštinu</a> (s poděkováním Radovanu Garabíkovi) </li>
		<li><a href="http://donelaitis.vdu.lt/~vidas/" target="_blank">tagger pro litevštinu</a> </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>
		<li><a href="http://nl2.ijs.si/analyze/">totale</a> pro slovinštinu (s poděkováním Tomaži Erjavcovi)</li>
	</ul>

</HTML>
===Korpusový manažer:===
<HTML>

	<ul>
		<li><a href="http://www.textforge.cz/products" target="_blank">Manatee</a></li>
	</ul>
</HTML>
===Data:===
<HTML>

	<ul>
		<li>publicistické texty ve více jazycích z webových stránek <a href="http://www.project-syndicate.org/" target="_blank">Project Syndicate</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><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>ukrajinské a polské texty z korpusu <a href="http://www.domeczek.pl/~polukr/">PolUkr</a> (připravuje se)</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></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>

<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>20. července 2012</i></p>

</HTML>
Historie: • frekvence • syn2006pub • navigation_en • intercorp • verze6 • first_query • verze5 • verze7
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
