cnk:klaus - 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.
====== Korpus textů Václava Klause ======

**Korpus textů Václava Klause** ('VK') je autorským korpusem Václava Klause staršího, který vznikl jako datový podklad [[https://dspace.cuni.cz/handle/20.500.11956/191695|diplomové práce Idiolekt Václava Klause: korpusová analýza]]. Zdrojem dat pro vytvoření korpusu byly [[https://www.klaus.cz/|Klausovy oficiální webové stránky]]. Tento web obsahuje jak texty určené primárně pro tyto stránky, tak i texty původně publikované jinde (např. články v novinách či rozhovory v časopisech), respektive vytvořené k určitým konkrétním událostem (např. prezidentské projevy či přednášky na konferencích).

Kromě vlastních Klausových textů stránky obsahují také texty, u kterých je Klaus pouze spoluautorem (např. společná prohlášení) či jejichž autorem není vůbec (např. sdělení tiskového odboru prezidentské kanceláře). Korpus 'VK' je však [[pojmy:autorsky_korpus|autorským korpusem]] v užším pojetí, a proto v něm tyto texty zahrnuty nejsou. U nezanedbatelného množství textů, především u velké části rozhovorů, nelze zcela spolehlivě určit modus (psaný, nebo mluvený). U prokazatelně mluvených textů (diskuse a některé rozhovory) zase situaci komplikují evidentní redakční úpravy Klausových promluv, přičemž míra i povaha těchto zásahů se mezi jednotlivými texty značně liší. Pro zachování autenticity jazykového materiálu tudíž korpus neobsahuje texty, jejichž modus nebylo možné jednoznačně určit, ani texty „čistě“ mluvené. Texty vybrané k sestavení korpusu lze vymezit následujícími čtyřmi podmínkami:

  - pouze texty zveřejněné na webových stránkách www.klaus.cz;
  - pouze texty, jejichž jediným (uvedeným) autorem je Václav Klaus;
  - pouze texty v modu psaném a v modu psané mluvenosti (tj. texty původně psané, ale určené k mluvenému projevu);
  - pouze texty zveřejněné do 31. října 2023 včetně.

Celý korpus sestává ze 2313 dokumentů, kterým bylo přiřazeno následujících 14 strukturních atributů:

**Korpus korespondence Karla Havlíčka** (kh-dopisy) obsahuje kompletní soubor dopisů, které souvisejí s osobou Karla Havlíčka (1821–1856). Spisovatel je vždy buď autorem, nebo přímým či nepřímým adresátem dopisů: zařazeny jsou i listy adresované redakci novin a časopisů, které Havlíček řídil. Dopisy jsou psány různými jazyky (česky, německy, polsky, francouzsky aj.). Celý soubor zahrnuje 1 203 dokumentů z let 1831–1856. Celkový rozsah korpusu je přibližně 500 tisíc slov.
 
Přepis textů probíhal formou transliterace, je zachován původní pravopis. Korpus není lemmatizován ani morfologicky značkován. Strukturní jednotky a metainformace obsažené v korpusu shrnuje následující tabulka:

^ strukturní atribut ^ popis ^
| ''doc.id'' | označení dokumentu (různé hodnoty) |
| ''doc.title'' | název textu (různé hodnoty) |
| ''doc.lang'' | jazyk (čeština) |
| ''doc.src_lang'' | zdrojový jazyk (čeština) |
| ''doc.author'' | autor (Václav Klaus) |
| ''doc.pubDateYear'' | rok publikování (hodnoty v rozpětí 1995–2023) |
| ''doc.date'' | datum publikování (různé hodnoty) |
| ''doc.period'' | Klausův úřad v době publikování textu (premiér, poslanec, předseda PSP, prezident, exprezident) |
| ''doc.modus'' | modus (psaný, psaná mluvenost) |
| ''doc.registr'' | registr (dokumenty, oborová literatura, publicistika, veřejná vystoupení) |
| ''doc.txtype'' | typ či žánr textu (různé hodnoty) |
| ''doc.medium'' | typ zdroje, kde byl text původně publikován (různé hodnoty) |
| ''doc.source'' | konkrétní zdroj, kde byl text původně publikován (různé hodnoty) |
| ''doc.comment'' | komentář či doplňující informace (různé hodnoty) |

Celkový rozsah korpusu je 1 750 891 pozic (tokenů), z toho 1 475 640 pozic bez interpunkce. Všem pozicím bylo při automatické anotaci přiřazeno následujících 11 pozičních atributů:

^ poziční atribut ^ počet typů s interpunkcí ^ počet typů bez interpunkce ^
| word | 98 892 | 98 830 |
| lc | 88 814 | 88 752 |
| sforma | 98 896 | 98 831 |
| lemma	| 36 604 | 36 555 |
| lemma_lc | 35 893 | 35 844 |
| sublemma | 37 942 | 37 892 |
| sublemma_lc | 37 225 | 37 175 |
| tag | 2013 | 2007 |
| pos | 15 | 14 |
| case | 8 | 8 |
| verbtag | 77 | 77 |


<WRAP round tip 70%>
Schmid, O.: //Idiolekt Václava Klause: korpusová analýza.// Diplomová práce. Ústav českého jazyka a teorie komunikace FF UK, Praha 2024. Dostupný z WWW: <http://hdl.handle.net/20.500.11956/191695>
</WRAP>
Historie: • net • etalon • verze8 • zaciname • czesl-plain • syn2013pub • tokenizace • syn2005 • struktura • klasifikace_textu_syn2015