AplikaceAplikace
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Následující verze		Předchozí verze
cnk:syn:verze14 [2026/01/17 21:07] – vytvořeno michalkrencnk:syn:verze14 [2026/01/23 12:14] (aktuální) – [Struktura a anotace korpusu SYN verze 14] krivan
Řádek 4: Řádek 4:
 <WRAP right 35%> <WRAP right 35%>
 ^ <fs medium>Název</fs> ^^ <fs medium>SYN verze 14</fs> ^ ^ <fs medium>Název</fs> ^^ <fs medium>SYN verze 14</fs> ^
-^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|pozic (tokenů)]] |  6 400 899 055 |   +^ [[pojmy:atributy_pozicni|Pozice]] ^ Počet [[pojmy:token|pozic (tokenů)]] |  6 616 455 821 |   
-^ ::: ^ Počet [[pojmy:token|pozic (tokenů) bez interpunkce ]] |  5 310 635 949 |   +^ ::: ^ Počet [[pojmy:token|pozic (tokenů) bez interpunkce ]] |  5 488 909 099 |   
-^ ::: ^ Počet [[pojmy:word|slovních tvarů (wordů)]] |  11 522 926 |   +^ ::: ^ Počet [[pojmy:word|slovních tvarů (wordů)]] |  11 855 023 |   
-^ ::: ^ Počet [[pojmy:lemma|lemmat]] |  7 655 932 | +^ ::: ^ Počet [[pojmy:lemma|lemmat]] |  7 869 983 | 
-^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:doc|dokumentů]] |  151 076 | +^ [[pojmy:atributy_strukturni|Struktury]] ^ Počet [[pojmy:doc|dokumentů]] |  158 764 | 
-^ ::: ^ Počet [[seznamy:strukturni_atributy_syn|textů]] |  19 363 730 | +^ ::: ^ Počet [[seznamy:strukturni_atributy_syn|textů]] |  19 682 164 | 
-^ ::: ^ Počet vět |  408 749 819 |+^ ::: ^ Počet vět |  422 269 782 |
 ^ Další informace ^ [[pojmy:referencni|Referenční]] |  ANO |   ^ Další informace ^ [[pojmy:referencni|Referenční]] |  ANO |  
 ^ ::: ^ [[pojmy:reprezentativnost|Reprezentativní]] |  NE (převažuje [[seznamy:txtype|publicistika]]) |   ^ ::: ^ [[pojmy:reprezentativnost|Reprezentativní]] |  NE (převažuje [[seznamy:txtype|publicistika]]) |  
-^ ::: ^ Rok zveřejnění |  2024 |+^ ::: ^ Rok zveřejnění |  2025 |
 </WRAP> </WRAP>
  
Řádek 38: Řádek 38:
 ==== Publicistika v SYN verze 14 ==== ==== Publicistika v SYN verze 14 ====
  
-Složení publicistické části korpusu SYN verze 14 pokrývá produkci hlavních celostátních deníků (//Mladá fronta DNES, Lidové noviny, Právo, Hospodářské noviny, Blesk, Sport//), regionálních deníků (především //Deníky Bohemia// a //Moravia// z produkce nakladatelství Vltava Labe Media) a nespecializovaných časopisů (//Reflex, Respekt, Týden//) v letech 1998--2024; celkový počet publicistických titulů se blíží 200. Následující grafy ukazují složení korpusu SYN podle [[pojmy:txtype_group|hlavních textových typů]] v jednotlivých letech a nabízejí bližší pohled na složení publicistické části. +Složení publicistické části korpusu SYN verze 14 pokrývá produkci hlavních celostátních deníků (//Mladá fronta DNES, Lidové noviny, Právo, Hospodářské noviny, Blesk, Sport//), regionálních deníků (především //Deníky Bohemia// a //Moravia// z produkce nakladatelství Vltava Labe Media) a nespecializovaných časopisů (//Reflex, Respekt, Týden//) v letech 1998--2024; celkový počet publicistických titulů se blíží 200. Následující grafy ukazují složení korpusu SYN podle [[pojmy:txtype_group|hlavních textových typů]] v jednotlivých letech a nabízejí bližší pohled na složení publicistické části.
  
 [{{:cnk:syn:slozeni_syn_v14.png?400|Složení korpusu SYN verze 14}}] [{{:cnk:syn:slozeni_syn_v14.png?400|Složení korpusu SYN verze 14}}]
Řádek 46: Řádek 46:
 ====== Struktura a anotace korpusu SYN verze 14 ====== ====== Struktura a anotace korpusu SYN verze 14 ======
  
-[[pojmy:atributy_strukturni|Strukturace]] a [[pojmy:anotace|anotace]] textů vycházejí ze SYN2025. [[cnk:syn2025#struktura_korpusu_syn2025_a_strukturni_znacky|Hierarchie strukturních značek]] korpusu SYN verze 14 je tedy shodná se SYN2025, stejně tak odpovídají korpusu SYN2025 také [[cnk:syn2025#anotace_syn2025zmeny_oproti_ostatnim_korpusum_rady_syn|lemmatizace a morfologické značkování]]. SYN verze 14 je tedy v tomto ohledu stejný jako jeho předchůdce, korpus [[cnk:syn:verze13|SYN verze 13]].+[[pojmy:atributy_strukturni|Strukturace]] a [[pojmy:anotace|anotace]] textů vycházejí ze SYN2025. [[cnk:syn2025#struktura_korpusu_syn2025_a_strukturni_znacky|Hierarchie strukturních značek]] korpusu SYN verze 14 je shodná se SYN2025. Morfologické značkování, lemmatizace a tokenizace korpusu probíhá plně automaticky podle [[cnk:anotacni_standard_cnk|anotačního standardu ČNK]]. SYN verze 14 je v tomto ohledu stejný jako jeho předchůdce, korpus [[cnk:syn:verze13|SYN verze 13]].
  
 Shoda struktury a anotace SYN verze 14 se [[cnk:syn2025|SYN2025]] má pouze tyto výjimky: Shoda struktury a anotace SYN verze 14 se [[cnk:syn2025|SYN2025]] má pouze tyto výjimky:
  
   * podobně jako v jiných korpusech řady SYN přibyl i v korpusu SYN verze 14 atribut ''<doc syn>'' pro [[cnk:syn#referencni_korpusy_jako_subkorpusy_v_syn|vytváření subkorpusů odpovídajících původním referenčním korpusům]];   * podobně jako v jiných korpusech řady SYN přibyl i v korpusu SYN verze 14 atribut ''<doc syn>'' pro [[cnk:syn#referencni_korpusy_jako_subkorpusy_v_syn|vytváření subkorpusů odpovídajících původním referenčním korpusům]];
-  * [[pojmy:syntakticka_analyza|syntaktická anotace]] korpusu SYN2025 byla pro SYN verze 14 nahrazena zcela novou **[[seznamy:frazemy|anotací víceslovných jednotek]]**.+  * [[pojmy:syntakticka_analyza|syntaktická anotace]] korpusu SYN2025 byla pro SYN verze 14 nahrazena (ve srovnání se SYN v13) **zcela novou [[seznamy:mwe|anotací víceslovných jednotek]]**.
  
 ====== Jak citovat SYN verze 14 ====== ====== Jak citovat SYN verze 14 ======
  
 <WRAP round tip 70%> <WRAP round tip 70%>
-Křen, M. – Čapka, T. – Hnátková, M. – Jelínek, T. – Křivan, J. – Petkevič, V. – Skoumalová, H.: //Korpus SYN, verze 14 z 27. 12. 2025//. Ústav Českého národního korpusu FF UK, Praha 2025. Dostupný z WWW: https://www.korpus.cz+Křen, M. – Čapka, T. – Hnátková, M. – Jelínek, T. – Křivan, J. – Petkevič, V. – Skoumalová, H. – Vondřička, P.: //Korpus SYN, verze 14 z 30. 12. 2025//. Ústav Českého národního korpusu FF UK, Praha 2025. Dostupný z WWW: https://www.korpus.cz
  
 Hnátková, M. – Křen, M. – Procházka, P. – Skoumalová, H. (2014): [[http://www.lrec-conf.org/proceedings/lrec2014/pdf/294_Paper.pdf|The SYN-series corpora of written Czech]]. In //Proceedings of the Ninth International Conference on Language Resources and Evaluation (LREC'14)//, 160–164. Reykjavík: ELRA. ISBN 978-2-9517408-8-4. Hnátková, M. – Křen, M. – Procházka, P. – Skoumalová, H. (2014): [[http://www.lrec-conf.org/proceedings/lrec2014/pdf/294_Paper.pdf|The SYN-series corpora of written Czech]]. In //Proceedings of the Ninth International Conference on Language Resources and Evaluation (LREC'14)//, 160–164. Reykjavík: ELRA. ISBN 978-2-9517408-8-4.

Historie: