cnk:intercorp:verze7 - 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 7=====


<WRAP right>
^ Název ^^ čeština jádro ^ čeština kolekce ^ cizí jazyky jádro ^ cizí jazyky kolekce ^
^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|tokenů]] |  95 814 527 |  116 374 744 |  192 859 914 |  1 555 749 463 |
^ ::: ^ Počet [[pojmy:word|slovních tvarů]] |  77 121 760 |  88 303 155 |  160 009 304 |  1 223 656 608 |
^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:atributy_strukturni|dokumentů]] |  1 184 |  5 |  2 131 |  89 |
^ ::: ^ Počet div |  1 184 |  107 388 |  2 131 |  1 818 380 |
^ ::: ^ Počet vět |  6 595 174 |  13 497 188 |  11 869 813 |  144 365 895 |
^ Další informace ^ [[pojmy:referencni|referenční]] |  ANO   ^^^^
^ ::: ^ [[pojmy:reprezentativnost|reprezentativní]] |  NE ([[seznamy:txtype|různé textové typy]])  ^^^^ 
^ ::: ^ rok zveřejnění |  2008  ^^^^
^ ::: ^ cizích jazyků |  38  ^^^^
^ ::: ^ [[pojmy:tag|tagovaných]] jazyků |  20  ^^^^
^ ::: ^ [[pojmy:lemma|lemmat.]] jazyků |  17  ^^^^
</WRAP>

====Přístup k textům====

InterCorp verze 7 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>, případně v <a href="http://biblio.korpus.cz/">repozitáři bibliografických informací založených na Českém národním korpusu</a>. Vítáme všechny odkazy na práce s využitím korpusu InterCorp a prosíme o jejich zadání do repozitáře; podrobnější informace o něm najdete <a href="https://www.korpus.cz/biblio_appeal.php">zde</a></font></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>. Ve verzi 7 jsou k dispozici tyto kolekce:</p>

<ul>
  <li>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></li>

<li>právní texty Evropské Unie z korpusu <a href="http://langtech.jrc.it/JRC-Acquis.html" target="_blank">Acquis Communautaire</a></li>

<li>zápisy jednání Evropského Parlamentu z let 2007–2011 z korpusu <a href="http://www.statmt.org/europarl/" target="_blank">Europarl</a></li>

  <li>filmové titulky ze databáze <a href="http://www.opensubtitles.org">Open Subtitles</a></li>
  </ul>

<p>Tyto texty jsou zarovnané jen automaticky, v konkordancích tedy může být více vět, které si navzájem neodpovídají. Kolekce také neobsahují všechny texty z původního zdroje, např. neobsahují texty, které nemají český protějšek. Některé texty z korpusů Acquis Communautaire a Europarl byly také částečně opraveny nebo vytříděny, takže se mohou ve srovnání s původním zdrojem lišit podobou i rozsahem. Podobně byla zredukována i databáze Open Subtitles, kde jsme navíc u každého titulu převzali z více verzí překladu jen jednu. Na druhé straně byly doplněny některé metainformace, které v původním zdroji chyběly, ale daly se zjistit z kontextu nebo jiných zdrojů.</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 7 z prosince 2014 je 173 milionů
  pozic v zarovnaných cizojazyčných textech v jádru a 1 217 milionů 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.</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>Subtitles</th> <th>Celkem</td> </tr>
<tr><td align="left">ar</td><td align="left">arabština</td><td align="right">34</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">34</td></tr>
<tr><td align="left">be</td><td align="left">běloruština</td><td align="right">1&nbsp;751</td><td align="right">0</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&nbsp;751</td></tr>
<tr><td align="left">bg</td><td align="left">bulharština</td><td align="right">4&nbsp;923</td><td align="right">0</td><td align="right">0</td><td align="right">13&nbsp;816</td><td align="right">9&nbsp;083</td><td align="right">0</td><td align="right">27&nbsp;823</td></tr>
<tr><td align="left">ca</td><td align="left">katalánština</td><td align="right">4&nbsp;498</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">4&nbsp;498</td></tr>
<tr><td align="left">da</td><td align="left">dánština</td><td align="right">1&nbsp;311</td><td align="right">0</td><td align="right">0</td><td align="right">21&nbsp;680</td><td align="right">13&nbsp;916</td><td align="right">14&nbsp;430</td><td align="right">51&nbsp;336</td></tr>
<tr><td align="left">de</td><td align="left">němčina</td><td align="right">26&nbsp;315</td><td align="right">3&nbsp;050</td><td align="right">1&nbsp;715</td><td align="right">21&nbsp;724</td><td align="right">13&nbsp;089</td><td align="right">8&nbsp;367</td><td align="right">74&nbsp;260</td></tr>
<tr><td align="left">el</td><td align="left">řečtina</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">25&nbsp;070</td><td align="right">15&nbsp;404</td><td align="right">23&nbsp;715</td><td align="right">64&nbsp;188</td></tr>
<tr><td align="left">en</td><td align="left">angličtina</td><td align="right">12&nbsp;641</td><td align="right">3&nbsp;083</td><td align="right">1&nbsp;863</td><td align="right">24&nbsp;208</td><td align="right">15&nbsp;580</td><td align="right">52&nbsp;101</td><td align="right">109&nbsp;476</td></tr>
<tr><td align="left">es</td><td align="left">španělština</td><td align="right">16&nbsp;907</td><td align="right">3&nbsp;479</td><td align="right">1&nbsp;948</td><td align="right">27&nbsp;001</td><td align="right">15&nbsp;885</td><td align="right">36&nbsp;379</td><td align="right">101&nbsp;599</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&nbsp;963</td><td align="right">10&nbsp;900</td><td align="right">10&nbsp;296</td><td align="right">37&nbsp;158</td></tr>
<tr><td align="left">fi</td><td align="left">finština</td><td align="right">3&nbsp;054</td><td align="right">0</td><td align="right">0</td><td align="right">16&nbsp;455</td><td align="right">10&nbsp;175</td><td align="right">15&nbsp;098</td><td align="right">44&nbsp;782</td></tr>
<tr><td align="left">fr</td><td align="left">francouzština</td><td align="right">6&nbsp;976</td><td align="right">3&nbsp;535</td><td align="right">2&nbsp;054</td><td align="right">27&nbsp;352</td><td align="right">17&nbsp;178</td><td align="right">25&nbsp;962</td><td align="right">83&nbsp;057</td></tr>
<tr><td align="left">he</td><td align="left">hebrejština</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">16&nbsp;221</td><td align="right">16&nbsp;221</td></tr>
<tr><td align="left">hi</td><td align="left">hindština</td><td align="right">206</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">206</td></tr>
<tr><td align="left">hr</td><td align="left">chorvatština</td><td align="right">14&nbsp;210</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">19&nbsp;093</td><td align="right">33&nbsp;303</td></tr>
<tr><td align="left">hu</td><td align="left">maďarština</td><td align="right">4&nbsp;014</td><td align="right">0</td><td align="right">0</td><td align="right">19&nbsp;177</td><td align="right">12&nbsp;307</td><td align="right">21&nbsp;240</td><td align="right">56&nbsp;737</td></tr>
<tr><td align="left">is</td><td align="left">islandština</td><td align="right">0</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&nbsp;585</td><td align="right">1&nbsp;585</td></tr>
<tr><td align="left">it</td><td align="left">italština</td><td align="right">6&nbsp;313</td><td align="right">247</td><td align="right">1&nbsp;893</td><td align="right">24&nbsp;849</td><td align="right">15&nbsp;489</td><td align="right">14&nbsp;654</td><td align="right">63&nbsp;446</td></tr>
<tr><td align="left">ja</td><td align="left">japonština</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">113</td><td align="right">113</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&nbsp;393</td><td align="right">11&nbsp;213</td><td align="right">558</td><td align="right">30&nbsp;522</td></tr>
<tr><td align="left">lv</td><td align="left">lotyština</td><td align="right">1&nbsp;337</td><td align="right">0</td><td align="right">0</td><td align="right">18&nbsp;745</td><td align="right">11&nbsp;689</td><td align="right">280</td><td align="right">32&nbsp;051</td></tr>
<tr><td align="left">mk</td><td align="left">makedonština</td><td align="right">3&nbsp;221</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&nbsp;877</td><td align="right">5&nbsp;098</td></tr>
<tr><td align="left">ms</td><td align="left">malajština</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">3&nbsp;521</td><td align="right">3&nbsp;521</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&nbsp;133</td><td align="right">0</td><td align="right">0</td><td align="right">14&nbsp;133</td></tr>
<tr><td align="left">nl</td><td align="left">nizozemština</td><td align="right">9&nbsp;370</td><td align="right">0</td><td align="right">2&nbsp;082</td><td align="right">24&nbsp;746</td><td align="right">15&nbsp;563</td><td align="right">29&nbsp;363</td><td align="right">81&nbsp;125</td></tr>
<tr><td align="left">no</td><td align="left">norština</td><td align="right">4&nbsp;103</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">4&nbsp;103</td></tr>
<tr><td align="left">pl</td><td align="left">polština</td><td align="right">16&nbsp;009</td><td align="right">0</td><td align="right">1&nbsp;662</td><td align="right">20&nbsp;628</td><td align="right">12&nbsp;811</td><td align="right">26&nbsp;572</td><td align="right">77&nbsp;683</td></tr>
<tr><td align="left">pt</td><td align="left">portugalština</td><td align="right">2&nbsp;393</td><td align="right">0</td><td align="right">2&nbsp;103</td><td align="right">28&nbsp;603</td><td align="right">16&nbsp;485</td><td align="right">43&nbsp;392</td><td align="right">92&nbsp;976</td></tr>
<tr><td align="left">ro</td><td align="left">rumunština</td><td align="right">3&nbsp;156</td><td align="right">0</td><td align="right">1&nbsp;917</td><td align="right">8&nbsp;200</td><td align="right">9&nbsp;446</td><td align="right">34&nbsp;129</td><td align="right">56&nbsp;847</td></tr>
<tr><td align="left">ru</td><td align="left">ruština</td><td align="right">3&nbsp;308</td><td align="right">2&nbsp;651</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">6&nbsp;886</td><td align="right">12&nbsp;844</td></tr>
<tr><td align="left">sk</td><td align="left">slovenština</td><td align="right">7&nbsp;402</td><td align="right">0</td><td align="right">0</td><td align="right">19&nbsp;223</td><td align="right">12&nbsp;734</td><td align="right">5&nbsp;134</td><td align="right">44&nbsp;493</td></tr>
<tr><td align="left">sl</td><td align="left">slovinština</td><td align="right">900</td><td align="right">0</td><td align="right">0</td><td align="right">19&nbsp;646</td><td align="right">12&nbsp;241</td><td align="right">17&nbsp;025</td><td align="right">49&nbsp;811</td></tr>
<tr><td align="left">sq</td><td align="left">albánština</td><td align="right">0</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&nbsp;004</td><td align="right">2&nbsp;004</td></tr>
<tr><td align="left">sr</td><td align="left">srbština</td><td align="right">8&nbsp;413</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">20&nbsp;777</td><td align="right">29&nbsp;189</td></tr>
<tr><td align="left">sv</td><td align="left">švédština</td><td align="right">7&nbsp;789</td><td align="right">0</td><td align="right">0</td><td align="right">20&nbsp;586</td><td align="right">13&nbsp;840</td><td align="right">14&nbsp;694</td><td align="right">56&nbsp;909</td></tr>
<tr><td align="left">tr</td><td align="left">turečtina</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">21&nbsp;191</td><td align="right">21&nbsp;191</td></tr>
<tr><td align="left">uk</td><td align="left">ukrajinština</td><td align="right">2&nbsp;310</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">0</td><td align="right">246</td><td align="right">2&nbsp;556</td></tr>
<tr><td align="left">vi</td><td align="left">vietnamština</td><td align="right">0</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&nbsp;474</td><td align="right">1&nbsp;474</td></tr>
<tr><td align="left"><b>celkem</b></td><td></td><td align="right">173&nbsp;225</td><td align="right">16&nbsp;044</td><td align="right">17&nbsp;239</td><td align="right">430&nbsp;195</td><td align="right">265&nbsp;029</td><td align="right">488&nbsp;373</td><td align="right">1&nbsp;390&nbsp;105</td></tr>
<tr><td align="left">cs</td><td align="left">čeština</td><td align="right">77&nbsp;122</td><td align="right">2&nbsp;749</td><td align="right">1&nbsp;640</td><td align="right">20&nbsp;303</td><td align="right">12&nbsp;923</td><td align="right">50&nbsp;688</td><td align="right">165&nbsp;425</td></tr>
<tr><td align="left"><b>CELKEM</b></td><td></td><td align="right">250&nbsp;346</td><td align="right">18&nbsp;793</td><td align="right">18&nbsp;880</td><td align="right">450&nbsp;498</td><td align="right">277&nbsp;952</td><td align="right">539&nbsp;061</td><td align="right">1&nbsp;555&nbsp;530</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap"><a href="http://ucnk.ff.cuni.cz/bonito/znacky.php">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/index.php"  target="_blank">Morče</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap">estonština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">finština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://home.gna.org/omorfi/omorfi/omorfi_user.html"  target="_blank">anglicky</a> *)</td>
<td align="center" nowrap="nowrap"><a href="https://github.com/TurkuNLP/Finnish-dep-parser"  target="_blank">OMorFi+HunPOS</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap">francouzština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">islandština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ling.su.se/english/nlp/tools/stagger/stagger-the-stockholm-tagger-1.98986" target="_blank">IceStagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap">italština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap"><a href="http://www.sketchengine.co.uk/documentation/wiki/tagsets/german_rftagger">anglicky</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.cis.uni-muenchen.de/~schmid/tools/RFTagger/" target="_blank">RFTagger</a></td>
</tr>
<tr>
<td align="left" nowrap="nowrap">nizozemština</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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/attachments/publications/2004-garabik-gianitsova-horak-simkova-tokenizacia.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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</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>
<tr>
<td align="left" nowrap="nowrap">švédština</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&#10004;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap">&nbsp;</td>
<td align="center" nowrap="nowrap"><a href="http://www.ling.su.se/english/nlp/tools/stagger/stagger-the-stockholm-tagger-1.98986" target="_blank">Stagger</a></td>
</tr>
</tbody>
</table>
<br>

<p>*) Morfologické značky jsou v korpusu uvedeny v kondenzované podobě, např. V:Sg:Nom:Act:PrfPrc:Pos odpovídá zápisu s atributy [POS=V] [NUM=SG] [CASE=NOM] [VOICE=ACT] [PCP=PRFPRC] [CMP=POS]. Podobně Pron:Pers:Sg:Ade:Up odpovídá zápisu [POS=PRON] [SUBCAT:PERS] [NUM:SG] [CASE=ADE] [CASECHANGE=UP].</p>
  
<p>**) Uvnitř jedné morfologické značky používáme jako oddělovač jednotlivých kategorií dvojtečku místo tečky, tedy např. ADJA:Pos:Nom:Sg:Fem.</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 / he / hi / hr / hu / is / it / ja / lt / lv / mk / ms / mt / nb / nl / no / pl / pt / ro / ru / sk / sl / sq / sr / sv / sy / tr / uk / vi / zh|
| |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 / _SUBTITLES / _SYNDICATE|
| |div.group|rozdělení na:|//Core// / Acquis / Europarl / PressEurop / Subtitles / Syndicate|
| |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|discussions - transcripts / drama / fiction / journalism - commentaries / journalism - news / legal texts / nonfiction / other / poetry / subtitles|
| |div.original|je text originálem?|Yes / No|
| |div.srclang|jazyk originálu|ar / as / az / be / bg / bl / bn / bo / bs / bt / ca / cr / cs / ct / cz / da / de / dk / eb / el / en / es / et / eu / fa / fi / fr / ga / gr / he / hi / hr / hu / hy / id / ie / is / it / ja / ka / ko / ku / lt / lv / mk / mn / ms / mt / my / ni / nl / no / pl / po / ps / pt / rm / ro / ru / se / sk / sl / sq / sr / sv / ta / th / ti / tl / tr / tu / uk / un / ur / vi / zh|
| |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 můžete vznést v <a href="https://podpora.korpus.cz/projects/poradna">Poradně</a> nebo 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>

<h3>Texty:</h3>
	<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.voxeurop.eu" target="_blank">Presseurop/VoxEurop</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>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></li>
		<li>norské texty z nakladatelství <a href="http://www.aschehoug.no/" target="_blank">Aschehoug & co.</a>, <a href="http://www.cappelendamm.no/" target="_blank">Cappelen Forlag</a> a <a href="http://www.oktober.no/" target="_blank">Forlaget Oktober</a></li>
				<li>filmové titulky z databáze <a href="http://www.opensubtitles.org" target="_blank">Open Subtitles</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/morfflex">MorfFlex</a>, <a href="http://ufal.mff.cuni.cz/morce/index.php" target="_blank">Morče</a> a <a href= "https://is.cuni.cz/webapps/zzp/download/140018093/?back_id=10">LanGr</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, 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 a další jazyky</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><a href="http://omilia.uio.no/obt/" target="_blank">tagger</a> pro norštinu</li>
		<li><a href="http://nl2.ijs.si/analyze/" target="_blank">totale</a> pro slovinštinu (s poděkováním Tomaži Erjavcovi)</li>
		<li><a href="http://www.cis.uni-muenchen.de/~schmid/tools/RFTagger/" target="_blank">RFTagger</a> pro němčinu</li>
		<li><a href="https://github.com/TurkuNLP/Finnish-dep-parser" target="_blank">OMorFi+HunPOS</a> pro finštinu (s poděkováním Filipu Ginterovi)</li>
		<li><a href="http://www.ling.su.se/english/nlp/tools/stagger/stagger-the-stockholm-tagger-1.98986" target="_blank">Stagger a IceStagger</a> pro švédštinu a islandštinu (s poděkováním Robertu Östlingovi)</li>
	</ul>

</HTML>

==== Související odkazy ====

<WRAP round box 60%>
[[cnk:intercorp|InterCorp]] • [[cnk:intercorp:verze6|Verze 6]] • [[cnk:intercorp:verze5|Verze 5]] • [[cnk:intercorp:verze4|Verze 4]] • [[cnk:intercorp:verze3|Verze 3]] • [[cnk:intercorp:historie|Historie verzí]]
</WRAP>
Historie: • atributy_strukturni • alignment • spell2 • obc • ulozit • net • morphology2 • verze6 • verze7 • verze5
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
