cnk:nkjp - 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~~
====== Korpus NKJP_1M ======

Korpus NKJP_1M je ručně označkovaný milionový subkorpus Národního korpusu polského jazyka (NKJP – //Narodowy Korpus Języka Polskiego//) složený ze vzorků různorodých textů obsahující 1 milion textových slov. Je korpusem současné polštiny s texty vydanými pro roce 1945, zahrnuje psanou, mluvenou a webovou komunikaci. Korpus NKJP_1M je [[pojmy:lemma|lemmatizovaný]] a morfologicky [[pojmy:tag|tagovaný]] a vůči kategorizaci textů je reprezentativní. 

<WRAP right 35%>
^ <fs medium>Název</fs> ^^ <fs medium>NKJP_1M</fs> ^
^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|pozic (tokenů)]] |  1 215 513 |  
^ ::: ^ Počet pozic bez interpunkce |  992 014 |  
^ ::: ^ Počet [[pojmy:word|slovních tvarů (wordů)]] |  143 477 |  
^ ::: ^ Počet [[pojmy:lemma|lemmat]] |  54 174 |
^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:doc|dokumentů]] <doc> |  3 889 |
^ ::: ^ Počet odstavců <p> |  18 484 |
^ ::: ^ Počet vět <s> |  85 663 |
^ Další informace ^ [[pojmy:referencni|Referenční]] |  ANO |  
^ ::: ^ [[pojmy:reprezentativnost|Reprezentativní]] |  ANO |
^ ::: ^ Rok zveřejnění |  2018 |
</WRAP>
===== Klasifikace textů =====
Klasifikace textů v NKJP_1M prolíná tradiční stylistické a žánrové členění textů. Vplývá ono z inherentních vlastností struktury textu – stylistických nebo žánrových, občas – i když výjimečně – implikovaných tematikou textu, ačkoli v podstatě nezávislých na tematickém členění. Členění na žánry (v polské korpusové terminologii spíše //typy//) je často integrován s členěním zohledujícím medium (v polské korpusové terminologii spíše //komunikační kanál//), avšak tyto dva typy členění zůstávají samostatné.
 
^Komunikační rovina^ doc.genre ^ Kategorie ^ Podíl ^
| psaná | #typ_publ | Publicistická |  48,85 % |
| ::: | #typ_lit | Beletrie|  17,04 % |
| ::: | #typ_fakt | Literatura faktu|  5,34 % |
| ::: | #typ_inf-por | Typ informační|  5,62 % |
| ::: | #typ_urzed| Právní |  2,97 % |
| ::: | #typ_nd| Typ vědecko-didaktický|  1,91 % |
| ::: | #typ_nklas| Kniha non-fiction nezařazená|  1,00 % |
| ::: | #typ_listy | Korespondence |  0,04 % |
| ::: | #typ_lit_poezja | Poezie|  0,01 % |
|mluvená | #typ_qmow| Kvazi-mluvené|  2,50 % |
| ::: | #typ_media| Mluvené mediální |  2,07 % |
| ::: | #typ_konwers | Mluvené konverzační|  5,57 % |
|webová |#typ_net_interakt | Internetové interakční|  5,18 % |
| ::: | #typ_net_nieinterakt| Internetové neinterakční|  1,91 % |

===== Poziční anotace a značkování =====

Oproti českým korpusům NJKP obsahuje poziční značku specifickou pro polštinu:
  * ''[[pojmy:flexém| flexeme]]''–  je to množina forem jednotně anebo téměř jednotně diferencovaných vzhledem k  gramatickým kategoriím jim určeným.

===== Struktura korpusu a strukturní značky =====

Struktura korpusu NKJP_1M má nejvyšší [[pojmy:atributy_strukturni|strukturní jednotku]] ''<doc>'', která je ve shodě s mezinárodní konvencí. Texty se dále člení do odstavců ''<p>'' a vět ''<s>''. Každá z těchto struktur je charakterizována konkrétními atributy, jejichž přehled uvádíme v následující tabulce. 
^ ''<doc>'' ^ Poznámka ^ ''<p>''  ^ Poznámka ^'' <s>''  ^ Poznámka ^
| title | název dokumentu | id | jednoznačný identifikátor | id | jednoznačný identifikátor |
| author | autor dokumentu |  |  |  |
| date | datum vydání |  |  |  | 
| publisher | vydavatel |  |  |  |   
| pubplace | místo vydání |  |  |  | 
| idno | jednoznačný identifikátor s informací o zdrojovém korpusu |  |  |  | 
| note| informace o zdrojovém korpusu |  |  |  |  
| genre | žánr (textový typ) |  |  |  |  | 
| medium | médium (komunikační kanál) |  |  |  | 
| id | jednoznačný identifikátor |  |  |  |
====== Jak citovat NKJP 1M ======

<WRAP round tip 70%>
Degórski, Ł. & Przepiórkowski, A. (2012). Ręcznie znakowany milionowy podkorpus NKJP. In A. Przepiórkowski, M. Bańko, R. L. Górski & B. Lewandowska-Tomaszczyk (eds), Narodowy Korpus Języka Polskiego. Warszawa: Wydawnictwo Naukowe PWN, 51–58.
</WRAP>
Historie: • ortofon • ukwac • parlcorp • klaus • dialekt • nkjp • dialekt • lindsei_cz • diakorp • kolokace
Hledat

Navigace

Tisk/export

Nástroje

Jazyky

Licence
