cnk:intercorp:verze6 - 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.
~~NOTOC~~

<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 6=====

<WRAP right>
^ Název ^^ čeština jádro ^ čeština kolekce ^ cizí jazyky jádro ^ cizí jazyky kolekce ^
^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|tokenů]] |  76 861 107 |  46 880 365 |  167 141 155 |  890 129 077|
^ ::: ^ Počet [[pojmy:word|slovních tvarů]] |  61 962 499 |  37 584 764 |  138 762 949 |  728 507 959 |
^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:atributy_strukturni|dokumentů]] |  996 |  4 |  1 939 |  56 |
^ ::: ^ Počet div |  996 |  96 988 |  1 939 |  1 728 492 |
^ ::: ^ Počet vět |  5 254 361 |  2 392 808 |  10 283 732 |  44 113 753 |
^ Další informace ^ [[pojmy:referencni|referenční]] |  ANO   ^^^^
^ ::: ^ [[pojmy:reprezentativnost|reprezentativní]] |  NE ([[seznamy:txtype|různé textové typy]])  ^^^^ 
^ ::: ^ rok zveřejnění |  2013  ^^^^
^ ::: ^ cizích jazyků |  31  ^^^^
^ ::: ^ [[pojmy:tag|tagovaných]] jazyků |  17  ^^^^
^ ::: ^ [[pojmy:lemma|lemmat.]] jazyků |  14  ^^^^
</WRAP>

====Přístup k textům====

InterCorp verze 6 je přístupný přes běžný webový prohlížeč třemi způsoby z jednotného vyhledávacího rozhraní [[manualy:kontext:index|KonText]] pomocí speciálního [[kurz:hledani_v_paralelnim_korpusu|dotazovacího formuláře]] pro paralelní korpusy. 

Texty z korpusu InterCorp lze získat po podpisu licenčního ujednání pro neziskové účely také v podobě dvojjazyčných souborů náhodně seřazených dvojic vět. Zájemci se mohou obrátit na níže uvedenou e-mailovou adresu.

Specifikem InterCorpu je jeho inkrementální povaha: zatímco většina ostatních korpusů ČNK jsou neměnné [[pojmy:referencni|referenční]] entity, objem textů a případně i počet jazyků a rozsah anotace se postupně zvětšuje, a to vždy s vydáním  nové verze. Starší verze InterCorpu jsou od roku 2014 zpětně dostupné.


====Odkazy====
<HTML>


<p>Budeme rádi, když k výsledkům práce, při níž využijete korpus InterCorp, připojíte odkaz na stránky projektu <a href="http://www.korpus.cz/intercorp">www.korpus.cz/intercorp</a> a k odborným publikacím odkaz na  
článek ČERMÁK, F. – ROSEN, A. (2012). The case of InterCorp, a multilingual parallel corpus. <i>International Journal of Corpus Linguistics</i>. Vol. 13, no. 3, p. 411–427
(<a href="http://ucnk.ff.cuni.cz/intercorp/?req=page:references_bibtex&lang=cs">bibtex</a>, <a href="http://dx.doi.org/10.1075/ijcl.17.3.05cer">elektronické vydání na serveru <i>ingentaConnect</i></a>, <a href="http://utkl.ff.cuni.cz/~rosen/public/2012_intercorp_ijcl.pdf">verze před tiskem</a>). </p> 

<p>Seznam další literatury najdete <a href="http://ucnk.ff.cuni.cz/intercorp/?req=page:ic_bibl&lang=cs">zde</a>.  Vítáme všechny další odkazy na práce s využitím korpusu InterCorp. Prosíme o jejich zaslání na níže uvedenou e-mailovou adresu.  </p>

</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 publistické články a zpravodajství 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>, právní texty Evropské Unie z korpusu <a href="http://langtech.jrc.it/JRC-Acquis.html" target="_blank">Acquis Communautaire</a> a zápisy jednání Evropského Parlamentu z let 2007–2011 z korpusu <a href="http://www.statmt.org/europarl/" target="_blank">Europarl</a>. Tyto texty jsou zarovnané jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají. Některé texty z korpusů Acquis Communautaire a Europarl byly částečně opraveny nebo vytříděny, takže se mohou ve srovnání s původním zdrojem lišit podobou i rozsahem. Jen automatické zarovnání bez ruční kontroly mají ve verzi 6 dočasně i některé texty z jádra, a to část textů převzatých z korpusu <a href="http://www.uva.nl/over-de-uva/organisatie/medewerkers/content/b/a/a.a.barentsen/a.a.barentsen.html#tab_3" target="_blank">ASPAC – Amsterdam Slavic Parallel Aligned Corpus</a>. Zarovnání těchto textů bude opraveno v další verzi. </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 6 z dubna 2013 je 138 779 000
  slov v zarovnaných cizojazyčných textech v jádru a 728 508 000 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 uvedena v milionech slov.</p>

<br>



<img src="http://ucnk.ff.cuni.cz/intercorp/img/intercorp_wordcounts2_v6.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_v6.png" alt="Graf složení korpusů jednotlivých jazyků – Kolekce" title="Složení korpusů jednotlivých jazyků - Kolekce">

<br>

<br>

<br>

<a name="Counts"></a>

</HTML>
====Velikost korpusu v tisících slov====
<HTML>

<table class="std">
<tbody>
<tr> <th>Zkratka</th> <th>Jazyk</th> <th>Jádro</th> <th>Syndicate</th> <th>Presseurop</th> <th>Acquis</th> <th>Europarl</th> <th>Celkem </th></tr>
<tr><td align="left">ar</td><td align="left">arabština</td><td align="right">29</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">29</td></tr>
<tr><td align="left">be</td><td align="left">běloruština</td><td align="right">1 308</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">1 308</td></tr>
<tr><td align="left">bg</td><td align="left">bulharština</td><td align="right">3 979</td> <td align="right">0</td> <td align="right">0</td> <td align="right">13 816</td> <td align="right">9 083</td> <td align="right">26 879</td></tr>
<tr><td align="left">ca</td><td align="left">katalánština</td><td align="right">1 758</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">1 758</td></tr>
<tr><td align="left">da</td><td align="left">dánština</td><td align="right">190</td> <td align="right">0</td> <td align="right">0</td> <td align="right">21 680</td> <td align="right">13 916</td> <td align="right">35 785</td></tr>
<tr><td align="left">de</td><td align="left">němčina</td><td align="right">17 256</td> <td align="right">3 050</td> <td align="right">1 715</td> <td align="right">21 724</td> <td align="right">13 089</td> <td align="right">56 835</td></tr>
<tr><td align="left">el</td><td align="left">řečtina</td><td align="right">210</td> <td align="right">0</td> <td align="right">0</td> <td align="right">25 070</td> <td align="right">15 404</td> <td align="right">40 683</td></tr>
<tr><td align="left">en</td><td align="left">angličtina</td><td align="right">10 019</td> <td align="right">3 083</td> <td align="right">1 863</td> <td align="right">24 208</td> <td align="right">15 580</td> <td align="right">54 753</td></tr>
<tr><td align="left">es</td><td align="left">španělština</td><td align="right">14 552</td> <td align="right">3 479</td> <td align="right">1 948</td> <td align="right">27 001</td> <td align="right">15 885</td> <td align="right">62 865</td></tr>
<tr><td align="left">et</td><td align="left">estonština</td><td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">15 963</td> <td align="right">10 900</td> <td align="right">26 862</td></tr>
<tr><td align="left">fi</td><td align="left">finština</td><td align="right">2 131</td> <td align="right">0</td> <td align="right">0</td> <td align="right">16 667</td> <td align="right">10 241</td> <td align="right">29 040</td></tr>
<tr><td align="left">fr</td><td align="left">francouzština</td><td align="right">3 816</td> <td align="right">3 535</td> <td align="right">2 054</td> <td align="right">27 352</td> <td align="right">17 178</td> <td align="right">53 936</td></tr>
<tr><td align="left">hi</td><td align="left">hindština</td><td align="right">155</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">155</td></tr>
<tr><td align="left">hr</td><td align="left">chorvatština</td><td align="right">12 625</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">12 625</td></tr>
<tr><td align="left">hu</td><td align="left">maďarština</td><td align="right">2 511</td> <td align="right">0</td> <td align="right">0</td> <td align="right">19 168</td> <td align="right">12 307</td> <td align="right">33 985</td></tr>
<tr><td align="left">it</td><td align="left">italština</td><td align="right">4 081</td> <td align="right">247</td> <td align="right">1 893</td> <td align="right">24 850</td> <td align="right">15 489</td> <td align="right">46 560</td></tr>
<tr><td align="left">lt</td><td align="left">litevština</td><td align="right">358</td> <td align="right">0</td> <td align="right">0</td> <td align="right">18 433</td> <td align="right">11 020</td> <td align="right">29 811</td></tr>
<tr><td align="left">lv</td><td align="left">lotyština</td><td align="right">1 337</td> <td align="right">0</td> <td align="right">0</td> <td align="right">18 745</td> <td align="right">11 689</td> <td align="right">31 770</td></tr>
<tr><td align="left">mk</td><td align="left">makedonština</td><td align="right">2 664</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">2 664</td></tr>
<tr><td align="left">mt</td><td align="left">maltština</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">0</td> <td align="right">14 133</td></tr>
<tr><td align="left">nl</td><td align="left">nizozemština</td><td align="right">9 426</td> <td align="right">0</td> <td align="right">2 082</td> <td align="right">24 746</td> <td align="right">15 563</td> <td align="right">51 817</td></tr>
<tr><td align="left">no</td><td align="left">norština</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">0</td> <td align="right">2 301</td></tr>
<tr><td align="left">pl</td><td align="left">polština</td><td align="right">12 710</td> <td align="right">0</td> <td align="right">1 660</td> <td align="right">20 464</td> <td align="right">12 805</td> <td align="right">47 640</td></tr>
<tr><td align="left">pt</td><td align="left">portugalština</td><td align="right">2 318</td> <td align="right">0</td> <td align="right">2 103</td> <td align="right">28 599</td> <td align="right">16 481</td> <td align="right">49 502</td></tr>
<tr><td align="left">ro</td><td align="left">rumunština</td><td align="right">2 433</td> <td align="right">0</td> <td align="right">1 917</td> <td align="right">8 200</td> <td align="right">9 446</td> <td align="right">21 995</td></tr>
<tr><td align="left">ru</td><td align="left">ruština</td><td align="right">4 937</td> <td align="right">2 651</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">7 588</td></tr>
<tr><td align="left">sk</td><td align="left">slovenština</td><td align="right">8 152</td> <td align="right">0</td> <td align="right">0</td> <td align="right">19 222</td> <td align="right">12 734</td> <td align="right">40 108</td></tr>
<tr><td align="left">sl</td><td align="left">slovinština</td><td align="right">1 855</td> <td align="right">0</td> <td align="right">0</td> <td align="right">19 646</td> <td align="right">12 241</td> <td align="right">33 741</td></tr>
<tr><td align="left">sr</td><td align="left">srbština</td><td align="right">6 972</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">6 972</td></tr>
<tr><td align="left">sv</td><td align="left">švédština</td><td align="right">7 205</td> <td align="right">0</td> <td align="right">0</td> <td align="right">20 615</td> <td align="right">13 874</td> <td align="right">41 694</td></tr>
<tr><td align="left">uk</td><td align="left">ukrajinština</td><td align="right">1 493</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">0</td> <td align="right">1 493</td></tr>
<tr><td align="left"><b>celkem</b></td><td align="left"><b></b></td><td align="right"><b>138 779</b></td> <td align="right"><b>16 044</b></td> <td align="right"><b>17 237</b></td> <td align="right"><b>430 300</b></td> <td align="right"><b>264 926</b></td> <td align="right"> <b>867 287</b></td></tr>
<tr><td align="left">cs</td><td align="left">čeština</td><td align="right">61 962</td> <td align="right">2 741</td> <td align="right">1 639</td> <td align="right">20 285</td> <td align="right">12 920</td> <td align="right">99 547</td></tr>
</tbody>
</table> 


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


</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://courses.washington.edu/hypertxt/csar-v02/penntable.html" target="_blank">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/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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" target="_blank">anglicky</a> *)</td>
<td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/pdt/Morphology_and_Tagging/Doc/docc0pos.pdf">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://ufal.mff.cuni.cz/morce/" target="_blank">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" target="_blank">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/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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="ftp://ftp.ims.uni-stuttgart.de/pub/corpora/italian-tagset.txt" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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" target="_blank">česky a anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://utkl.ff.cuni.cz/~skoumal/CZ-LT-CORP/LT-POS.pdf" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap">Autor: <a href="http://senas.vdu.lt/staff/informatics/CVPDF/CV_Daudaravicius_en.pdf" target="_blank">
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/" target="_blank">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">&nbsp;</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/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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"><a href="http://www.inl.nl/tst-centrale/images/stories/producten/documentatie/ehc_handleiding_nl.pdf">nizozemsky</a></td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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" target="_blank">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/" target="_blank">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" target="_blank">anglicky</a> <a href="http://korpus.pl/pl/cheatsheet/node2.html" target="_blank">polsky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nlp.ipipan.waw.pl/%7Eadamp/Papers/2003-eacl-ws12/" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://sgjp.pl/morfeusz/" target="_blank">Morfeusz</a>, <a href="http://nlp.pwr.wroc.pl/takipi/" target="_blank">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" target="_blank">španělsky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nl.ijs.si/ME/V4/msd/html/msd-ru.html" target="_blank">anglicky</a> **)</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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/" target="_blank">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" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap"><a href="http://nl2.ijs.si/analyze/" target="_blank">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" target="_blank">anglicky</a></td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ims.uni-stuttgart.de/forschung/ressourcen/werkzeuge/treetagger.html" target="_blank">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>
====Strukturní atributy====

^Struktura^Atribut^Popis^Možné hodnoty^
|doc|doc.id|unikátní identifikátor dokumentu|text|
| |doc.lang|jazyk textu|ar / be / bg / ca / cs / da / de / el / en / es / et / fi / fr / hi / hr / hu / it / lt / lv / mk / mt / nl / no / pl / pt / ro / ru / sk / sl / sr / sv / uk|
| |doc.version|verze textu|číslo|
| |doc.wordcount|velikost dokumentu ve slovech|číslo|
|div|div.id|identifikace textu|příjmení_autora-zkrácený_název_textu / _ACQUIS / _EUROPARL / _PRESSEUROP / _SYNDICATE|
| |div.group|rozdělení na:|jádro / kolekce|
| |div.wordcount|počet slov textu|číslo|
| |div.author|autor textu|příjmení, jméno|
| |div.title|úplný název textu|text|
| |div.publisher|vydavatel|text|
| |div.pubplace|místo vydání|text|
| |div.pubyear|rok vydání|letopočet|
| |div.txtype|typ textu|drama / literatura faktu / poezie / právní texty / próza / publicistika - komentáře / publicistika - zprávy / různé / zápis debaty|
| |div.original|je text originálem?|ANO / NE|
| |div.srclang|jazyk originálu|bg / bt / ca / cs / ct / cz / da / de / dk / eb / el / en / es / et / eu / fi / fr / ga / hi / hr / hu / ie / it / lt / lv / mt / ni / nl / no / pl / po / pt / ro / ru / se / sk / sl / sr / sv / uk / un|
| |div.translator|překladatel textu|příjmení, jméno|
| |div.transsex|pohlaví překladatele|F / M|
| |div.authsex|pohlaví autora:|F / M|
|p|p.id|unikátní identifikátor odstavce|text|
|s|s.id|unikátní identifikátor věty|text|

====Dotazy, připomínky a podněty====
<HTML>

  <p>
... k obsahu korpusu a podobě vyhledávacích 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 texty a software:</p>

</HTML>
===Texty:===
<HTML>
	<ul>
		<li>beletristické texty v řadě slovanských i jiných jazyků z korpusu <a href="http://www.uva.nl/over-de-uva/organisatie/medewerkers/content/b/a/a.a.barentsen/a.a.barentsen.html#tab_3" target="_blank">ASPAC – Amsterdam Slavic Parallel Aligned Corpus</a> – zvláštní poděkování patří Adrianu Barentsenovi</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>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>jednání Evropského parlamentu z korpusu <a href="http://www.statmt.org/europarl/" target="_blank">EuroParl</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>za více textů v česko-litevské části korpusu a za práci Jiřího Levého Umění překladu ve více jazycích vděčíme Patricku Cornessovi</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/" target="_blank">PolUkr</a> (připravuje se)</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>

</HTML>
===Předzpracování===
<HTML>

	<ul>
                <li>editor paralelních textů <a href="http://wanthalf.saga.cz/intertext" target="_blank">InterText</a> (autor Pavel Vondřička)</li>
		<li>zarovnávač <a href="http://mokk.bme.hu/resources/hunalign" target="_blank">Hunalign</a></li>		   
		<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>
	</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/forschung/ressourcen/werkzeuge/treetagger.html/" 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>tagger pro litevštinu, s poděkováním Vidasovi Daudaravičiusovi a Haně Skoumalové
		</li><li><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>

==== Související odkazy ====

<WRAP round box 51%>
[[cnk:intercorp|InterCorp]] • [[cnk:intercorp:verze7|Verze 7]] • [[cnk:intercorp:verze5|Verze 5]] • [[cnk:intercorp:verze4|Verze 4]] • [[cnk:intercorp:verze3|Verze 3]] • [[cnk:intercorp:historie|Historie verzí]]
</WRAP>
Historie: • syn2006pub • navigation_en • intercorp • first_query • verze5 • verze6 • verze7 • collocations • frekvence
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
