| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze |
| cnk:syn2006pub [2013/07/09 14:56] – olgarichterova | cnk:syn2006pub [2022/08/29 18:07] (aktuální) – BatchEdit: pojmy>seznamy dokumenty cvrcek |
|---|
| | ~~NOTOC~~ |
| ====== Korpus SYN2006PUB ====== | ====== Korpus SYN2006PUB ====== |
| |
| Korpus SYN2006PUB je [[pojmy:synchronni|synchronní]] korpus psané publicistiky o rozsahu 300 milionů textových slov ([[[[pojmy:token|tokenů]]). Obsahuje výhradně publicistiku od listopadu 1989 do konce roku 2004, tedy z období, jež pokrývají též korpusy [[SYN2000]] a [[SYN2005]]. Všechny tři korpusy jsou však co se zařazených textů týče **disjunktní**, tj. každý text může být zařazen pouze do jednoho z nich. Celkem tedy korpusy SYN2000, SYN2005 a SYN2006PUB obsahují 500 milionů textových slov, korpusy celé řady [[SYN]] pak obsahují 1,3 miliardy slov. | Korpus SYN2006PUB je [[pojmy:synchronni|synchronní]] korpus psané publicistiky o rozsahu 300 milionů textových slov ([[[[pojmy:token|tokenů]]). Obsahuje výhradně publicistiku od listopadu 1989 do konce roku 2004, tedy z období, jež pokrývají též korpusy [[SYN2000]] a [[SYN2005]]. Všechny korpusy řady SYN jsou však co se zařazených textů týče **disjunktní**, tj. každý text může být zařazen pouze do jednoho z nich. |
| |
| | <WRAP right 35%> |
| ^ <fs medium>Název</fs> ^^ <fs medium>[[cnk:syn2006pub|SYN2006PUB]]</fs> ^ | ^ <fs medium>Název</fs> ^^ <fs medium>[[cnk:syn2006pub|SYN2006PUB]]</fs> ^ |
| ^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|pozic (tokenů)]] | 361 224 456 | | ^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|pozic (tokenů)]] | 361 224 456 | |
| ^ ::: ^ Počet [[pojmy:lemma|lemmat]] | 1 381 900 | | ^ ::: ^ Počet [[pojmy:lemma|lemmat]] | 1 381 900 | |
| ^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:opus|opusů]] | 8 922 | | ^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:opus|opusů]] | 8 922 | |
| ^ ::: ^ Počet [[pojmy:atributy_strukturni|dokumentů]] | 1 218 300 | | ^ ::: ^ Počet [[seznamy:strukturni_atributy_syn|dokumentů]] | 1 218 300 | |
| ^ ::: ^ Počet vět | 22 339 344 | | ^ ::: ^ Počet vět | 22 339 344 | |
| ^ Další informace ^ [[pojmy:referencni|Referenční]] | ANO | | ^ Další informace ^ [[pojmy:referencni|Referenční]] | ANO | |
| ^ ::: ^ [[pojmy:reprezentativnost|Reprezentativní]] | NE ([[seznamy:txtype|publicistika]]) | | ^ ::: ^ [[pojmy:reprezentativnost|Reprezentativní]] | NE ([[seznamy:txtype|publicistika]]) | |
| ^ ::: ^ Rok zveřejnění | 2006 | | ^ ::: ^ Rok zveřejnění | 2006 | |
| | </WRAP> |
| |
| ===== Změny oproti korpusu SYN2005 ===== | ===== Změny oproti korpusu SYN2005 ===== |
| ===== Složení korpusu SYN2006PUB ===== | ===== Složení korpusu SYN2006PUB ===== |
| |
| Je třeba zdůraznit, že korpus SYN2006PUB si v žádném ohledu nečiní nárok na reprezentativnost. Z grafů je zřejmé, že je nevyvážené jak složení korpusu podle roku vydání, tak podle titulů. Korpus SYN2006PUB tedy ocení především uživatelé, kteří potřebují pracovat s velkými objemy dat. | Je třeba zdůraznit, že korpus SYN2006PUB si v žádném ohledu nečiní nárok na reprezentativnost. Z grafů je zřejmé, že je nevyvážené jak složení korpusu podle roku vydání, tak podle titulů. Korpus SYN2006PUB tedy ocení především uživatelé, kteří potřebují pracovat s velkými objemy dat. |
| | <WRAP clear></WRAP> |
| | [{{:cnk:syn2006pub-roky.gif?direct&370|Složení korpusu SYN2006PUB podle let (počet slov v mil.).}}] |
| | [{{:cnk:syn2006pub-tituly.gif?direct&378|Složení korpusu SYN2006PUB podle titulů (počet slov v mil.).}}] |
| |
| | ====== Struktura korpusu SYN2006PUB ====== |
| |
| **[[Grafy]]** | Mezi [[pojmy:atributy_strukturni|strukturní jednotky]] používané v tomto korpusu patří ''<opus>'', ''<doc>'' a ''<s>'', tedy text, dokument a věta - a pak každá jednotlivá [[pojmy:atributy_strukturni#pozice_jako_strukturni_jednotka|pozice]]. |
| | Zobrazit si je můžete v položce menu [[manualy:kontext:moznosti_zobrazeni|Zobrazení]]. |
| |
| ===== Struktura korpusu ===== | {{:cnk:struktur-znacky-syn2006pub.png?600|Strukturní jednotky korpusu SYN2006PUB.}} |
| | |
| Mezi [[pojmy:atributy_strukturni|strukturní jednotky]] používané v tomto korpusu patří ''<opus>'', ''<doc>'' a ''<s>'', tedy text, dokument a věta. | |
| Zobrazit si je můžete v položce menu [[cnk:rozhranixx#menu...|Možnosti zobrazení]] | |
| | |
| {{:cnk:struktur_znacky.jpg?300|}} | |
| |
| | K těmto strukturním jednotkám náležejí [[pojmy:atributy_strukturni#strukturni_atributy_atributy_strukturnich_jednotek|následující atributy]], na obrázku patrné pod nadpisem Reference. |
| | ====== Jak citovat SYN2006PUB ====== |
| | <WRAP round tip 70%> |
| | Čermák, F. – Doležalová-Spoustová, D. – Hlaváčová, J. – Hnátková, M. – Jelínek, T. – Kocek, J. – Kopřivová, M. – Křen, M. – Novotná, R. – Petkevič, V. – Schmiedtová, V. – Skoumalová, H. – Šulc, M. – Velíšek, Z.: //SYN2006PUB: korpus psané publicistiky//. Ústav Českého národního korpusu FF UK, Praha 2006. Dostupný z WWW: http://www.korpus.cz |
| | </WRAP> |
| |
| |
| --- //Michal Křen, Olga Richterová// | --- //Michal Křen, Olga Richterová// |
| |
| | ====== Související odkazy ====== |
| ==== Související odkazy ==== | <WRAP round box 49%> |
| [[SYN2000]], [[SYN2005]], [[cnk:syn2010|SYN2010]], [[SYN2009PUB]], [[SYN]] | [[cnk:syn|SYN]] • [[cnk:syn2000|SYN2000]] • [[cnk:syn2005|SYN2005]] • [[cnk:syn2009pub|SYN2009PUB]] • [[cnk:syn2010|SYN2010]] • [[cnk:SYN2013PUB|SYN2013PUB]] |
| | </WRAP> |
