| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| cnk:romcro [2026/05/19 11:56] – jankocek | cnk:romcro [2026/05/22 17:09] (aktuální) – [Jak citovat RomCro] michalkren |
|---|
| |
| Projekt Paralelní korpus románských jazyků a chorvatštiny (RomCro) byl zahájen v roce 2019 na katedře románské lingvistiky Katedry romanistiky Fakulty humanitních a sociálních věd Záhřebské univerzity. Korpus sdružuje pět románských jazyků (francouzštinu, portugalštinu, rumunštinu, italštinu, španělštinu a nedávno katalánštinu) a díky zařazení chorvatštiny přispívá k rozšíření stávajících jazykových zdrojů pro chorvatštinu. Skládá se z literárních textů z 20. a 21. století, přičemž každý text v původním jazyce je doplněn překlady do dalších jazyků. | Projekt Paralelní korpus románských jazyků a chorvatštiny (RomCro) byl zahájen v roce 2019 na katedře románské lingvistiky Katedry romanistiky Fakulty humanitních a sociálních věd Záhřebské univerzity. Korpus sdružuje pět románských jazyků (francouzštinu, portugalštinu, rumunštinu, italštinu, španělštinu a nedávno katalánštinu) a díky zařazení chorvatštiny přispívá k rozšíření stávajících jazykových zdrojů pro chorvatštinu. Skládá se z literárních textů z 20. a 21. století, přičemž každý text v původním jazyce je doplněn překlady do dalších jazyků. |
| Korpus RomCro vznikl za podpory Fakulty humanitních a společenských věd Univerzity v Záhřebu v letech 2019 až 2025. Nová verze byla rovněž vyvinuta v rámci projektu podporovaného Chorvatskou vědeckou nadací a financovaného Evropskou unií – NextGenerationEU (číslo projektu: MOBODL 2023 08 9511). Nová verze korpusu obsahuje tři nové tituly v portugalštině a chorvatštině. Dále byl přidán šestý románský jazyk, katalánština, a to integrací stávajících katalánských překladů a zařazením tří katalánských románů s překlady do jiných jazyků. Ve srovnání s první verzí korpusu (viz tabulka 1) obsahuje RomCro v.2.0 54 nových textů, o 24 200 překladových jednotek více a o 3,7 milionu slov více, což činí celkem 19,4 milionu slov. | |
| |
| Translated with DeepL.com (free version) | Korpus RomCro vznikl za podpory Fakulty humanitních a společenských věd Univerzity v Záhřebu v letech 2019 až 2025. Nová verze byla rovněž vyvinuta v rámci projektu podporovaného Chorvatskou vědeckou nadací a financovaného Evropskou unií – NextGenerationEU (číslo projektu: MOBODL 2023 08 9511). Nová verze korpusu obsahuje tři nové tituly v portugalštině a chorvatštině. Dále byl přidán šestý románský jazyk, katalánština, a to integrací stávajících katalánských překladů a zařazením tří katalánských románů s překlady do jiných jazyků. Ve srovnání s první verzí korpusu (není dostupná v ČNK; viz také tabulka 1) obsahuje RomCro v.2.0 54 nových textů, o 24 200 překladových jednotek více a o 3,7 milionu slov více, což činí celkem 19,4 milionu slov. |
| |
| |
| ^ ^**RomCro v.1.0**^**RomCro v.2.0**^**Rozdíl**^ | ^ ^**RomCro v.1.0**^**RomCro v.2.0**^**Rozdíl**^ |
| |**jazyky** | 6 | 7 | **1** | | |**jazyky** | 6 | **7** | 1 | |
| |**překladové jednotky** | 142,470 | 166,742 | **24,272** | | |**překladové jednotky** | 142,470 | **166,742** | 24,272 | |
| |**originály** | 27 | 33 | **6** | | |**originály** | 27 | **33** | 6 | |
| |**počet textů** | 159 | 213 | **54** | | |**počet textů** | 159 | **213** | 54 | |
| |**velikost (v milionech slov)**| 15.7 | 19.4 | **3.7** | | |**velikost (v milionech slov)**| 15.7 | **19.4** | 3.7 | |
| |
| RomCro byl anotován pomocí [[https://ufal.mff.cuni.cz/udpipe|UDPipe]] podle standardu [[https://universaldependencies.org/|Universal Dependencies]] (UD), což znamená, že je nejen lematizován a morfologicky tagován, ale jeho anotace zahrnuje i syntaxi. RomCro je zpřístupněn prostřednictvím uživatelského rozhraní [[http://kontext.korpus.cz/|KonText]] způsobem, který navazuje na UD verze paralelního korpusu [[https://wiki.korpus.cz/doku.php/en:cnk:intercorp|InterCorp]]. | RomCro byl anotován nástrojem [[https://ufal.mff.cuni.cz/udpipe|UDPipe]] podle standardu [[https://universaldependencies.org/|Universal Dependencies]] (UD), což znamená, že je nejen lematizován a morfologicky označkován, ale jeho anotace zahrnuje také syntax. RomCro je zpřístupněn prostřednictvím uživatelského rozhraní [[http://kontext.korpus.cz/|KonText]] podobně jako UD verze paralelního korpusu [[https://wiki.korpus.cz/doku.php/en:cnk:intercorp|InterCorp]]. |
| |
| ===== Jak citovat RomCro ===== | ===== Jak citovat RomCro ===== |
| |
| Bikić-Carić, G., Mikelenić, B. & Bezlaj, M. (2023). Construcción del RomCro, un corpus paralelo multilingüe. //Procesamiento del Lenguaje Natural//, 70. Sociedad Española para el Procesamiento del Lenguaje Natural, 99-110. | Bikić-Carić, G. – Mikelenić, B. – Bezlaj, M. (2023). Construcción del RomCro, un corpus paralelo multilingüe. //Procesamiento del Lenguaje Natural//, 70. Sociedad Española para el Procesamiento del Lenguaje Natural, 99–110. |
| |
| Mikelenić, B., Bikić-Carić, G., Bezlaj, M., Oliver, A. & Tadić, M. (2025). //RomCro v.2.0 - Parallel corpus of Romance languages and Croatian, //HR-CLARIN, http://hdl.handle.net/20.500.14615/2-16 | Mikelenić, B. – Bikić-Carić, G. – Bezlaj, M. – Oliver, A. – Tadić, M. (2025). //RomCro v.2.0 - Parallel corpus of Romance languages and Croatian//, HR-CLARIN, http://hdl.handle.net/20.500.14615/2-16 |
| |
| * Článek z roku 2023 popisuje vytvoření korpusu RomCro v.1.0, zatímco záznam v repozitáři z roku 2025 odkazuje na RomCro v.2.0 v repozitáři HR-CLARIN. Při odkazování na tento korpus prosím uveďte oba zdroje. | * Článek z roku 2023 popisuje vytvoření korpusu RomCro v.1.0, zatímco záznam v repozitáři z roku 2025 odkazuje na RomCro v.2.0 v repozitáři HR-CLARIN. Při odkazování na tento korpus prosím uveďte oba zdroje. |
