Korpus prezidentských projevů Speeches

Korpus oficiálních prezidentských projevů Speeches byl vytvořen na základě spolupráce ČNK s Universitou v Oslo. Svým zaměřením na připravené written to be spoken texty, v nichž funkčně převažuje psaná čeština a které se k mluveným textům často dají řadit pouze na základě použitého akustického média, se zařazuje do prostoru mezi řadou Oral (mluvené neformální a nepřipravené promluvy) a řadou SYN (oficiální veřejný psaný jazyk).

Cílem korpusu je pokrývat období let 1918 až 2015, a to na základě mapování prezidentských projevů (příp. projevů jiných politiků mluvících v zastoupení prezidenta) pronesených u příležitosti periodicky se opakujících výročí a svátků (Nový rok, 28. října apod.). Svým rozsahem a zaměřením se řadí mezi malé a relativně úzce specializované korpusy.

Zdrojem textů pro korpus Speeches byly jednak sebrané spisy jednotlivých prezidentů, dále pak denní tisk, který projevy otiskoval v plném znění, a u novějších textů také webové stránky politiků (či Pražského hradu). K mluvené podobě projevů se ve větší míře nepřihlíželo; v případě, že se pronesený projev ve své autentické mluvené podobě (je-li dostupná) odlišuje od tištěné verze (např. přeřeknutí), do korpusu byl včleněn text v takové verzi, kterou je možné považovat za oficiální.

Korpus je vybaven podrobnou strukturní anotací (popisující jednotlivé projevy) a anotací poziční (lemmatizace a tagování).

Z hlediska metadat je korpus označkován na úrovni jednotlivých projevů (struktura <doc>), a to následujícími strukturními atributy:

• id - unikátní identifikátor projevu
• speaker - jméno mluvčího projevu
• year - rok pronesení projevu
• date - datum pronesení projevu
• title - titulek projevu (většinou přidaný až pro tištěné vydání)
• office - úřad zastávaný mluvčím
• occasion - příležitost, při níž byl projev pronesen
• medium - médium, jakým byl projev přenášen (vysílán)
• source - zdroj, z něhož byl text získán
• link - odkaz na dostupný internetový zdroj (neuvádí se, pokud je totožný se source)
• altsource - alternativní zdroj (je-li zdrojů víc)
• notes - poznámky a různočtení
• status - stupeň ruční kontroly textu

V textech byla dále provedena větná segmentace (naznačená strukturními značkami <s>).

Korpus Speeches se soustředí pouze na projevy, které vznikaly u příležitosti periodicky se opakujících svátků (viz atribut doc.occasion):

Z mluvčích jsou v korpusu Speeches zastoupeni tito politici (v abecedním pořadí):

Korpus Speeches je lemmatizován a tagován aktuálními nástroji užívanými pro korpusy řady SYN. Použitý tagset je shodný s tím, který se užívá např. pro korpus SYN2010, přičemž nebylo specificky přihlíženo k dobovému způsobu psaní, který je v textech pokud možno zachováván.