====== RomCro 2.0 - Paralelní korpus románských jazyků a chorvatštiny ====== 

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 (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**^
|**jazyky**                  |  6  |  **7**               |  1         |
|**překladové jednotky**          |  142,470         |  **166,742**         |  24,272    |
|**originály**                  |  27              |  **33**              |  6         |
|**počet textů**                |  159             |  **213**             |  54        |
|**velikost (v milionech slov)**|  15.7            |  **19.4**            |  3.7       |

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 =====

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

* 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.