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=====

====Přístup k textům====

InterCorp má v řadě korpusů budovaných v ÚČNK zvláštní postavení hned v několika ohledech:

  * 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)


====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 5 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, historii verzí najdete <a href="https://wiki.korpus.cz/doku.php/cnk:intercorp:historie">zde</a>. 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://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/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="http://ucnk.ff.cuni.cz/intercorp/?req=page:manual&lang=cs">návodu</a> k Parku.</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> <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>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>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>

<p>Poslední aktualizace: <i>20. července 2012</i></p>

</HTML>

==== Související odkazy ====

<WRAP round box 50%>
[[cnk:intercorp|InterCorp]] • [[cnk:intercorp:verze7|Verze 7]] • [[cnk:intercorp:verze6|Verze 6]] • [[cnk:intercorp:verze4|Verze 4]] • [[cnk:intercorp:verze3|Verze 3]] • [[cnk:intercorp:historie|Historie verzí]]
</WRAP>
Historie: • verze6 • intercorp • competing_forms • alignment • solution • first_query • verze7 • verze5 • specific_query
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
