SYN_r25 je korpus zahrnující všech šest zveřejněných synchronních reprezentativních a referenčních korpusů současné psané češtiny řady SYN (SYN2000, SYN2005, SYN2010, SYN2015, SYN2020 a SYN2025). Pokrývá tedy časové období od roku 1990 do roku 2024 daty, která nejsou vychýlená ve prospěch publicistiky tak jako souhrnné korpusy řady SYN (např. SYN v14). Kromě relativně vyváženého složení poskytuje také výhodu přiměřené velikosti: 100milionové reprezentativní korpusy jsou pro některé výzkumné otázky příliš malé, zatímco souhrnné korpusy můžou být příliš velké a práce s nimi pomalá i v případě, že si uživatel vytvoří odpovídající subkorpus.

Korpus SYN_r25 spojuje výhody reprezentativních a souhrnných korpusů řady SYN také v oblasti anotace. SYN_r25 je jednotně lemmatizovaný a morfologicky tagovaný, obsahuje syntaktické značkování a značkování víceslovných lexikálních jednotek, navíc je opatřen značkováním pojmenovaných entit a anotací složených slovesných tvarů.

Klasifikace textů v SYN_r25 je stejná jako v korpusech SYN2015, SYN2020 a SYN2025.

Ačkoli korpus SYN_r25 vzniknul spojením šesti reprezentativních korpusů řady SYN, jeho velikost plně neodpovídá součtu velikostí původních korpusů, ani v něm nejsou tři hlavní textové makrotypy – beletrie (FIC), oborová literatura (NFC) a publicistika (NMG) – zastoupeny přesně stejným dílem, tj. vždy jednou třetinou.

Důvodů je několik. Korpusy vydané do roku 2010 včetně (SYN2000, SYN2005 a SYN2010) opíraly svoje složení o řadu průzkumů, které se pokoušely různými způsoby kvantifikovat recepci psaných textů běžnými čtenáři. Počínaje korpusem SYN2015 byla s revizí klasifikace textů přepracována i koncepce vyvažování korpusu. Z řady důvodů, které jsou popsány v samostatném článku, je v novějších korpusech (SYN2015, SYN2020, SYN2025) akcentována především pestrost zastoupených textů s tím, že proporce jednotlivých kategorií nemusejí odpovídat jejich zastoupení v populaci. Spolu s touto koncepční změnou došlo v roce 2015 také ke zpětné revizi textů zařazených původně do korpusů SYN2000, SYN2005 a SYN2010, jejíž součástí byla jednak reklasifikace a jednak vyřazování některých starších textů mj. z technických důvodů (kvalita jejich zpracování byla z dnešního pohledu nedostatečná). Důsledkem všech těchto změn a také toho, že s každým novým korpusem dochází k přezpracování textů novými verzemi anotačních nástrojů (včetně tokenizace), jsou potom přirozené posuny ve velikosti. Proto tedy součet velikosti např. beletrie ve všech šesti původních reprezentativních korpusech nedává celkovou velikost beletrie v SYN_r25, což se týká pochopitelně také ostatních kategorií.

Jak je ale vidět v následující tabulce, proporce jednotlivých částí SYN_r25 jsou velice blízké reprezentativním korpusům při zachování jejich hlavní devizy, kterou je jejich pestrost. Ta je navíc v případě SYN_r25 doplněna o pokrytí tištěné produkce celého porevolučního období.

Struktura korpusu SYN_r25 je plně shodná se SYN2025, podrobné informace jsou proto k dispozici jako součást popisu strukturních značek korpusu SYN2025.

Morfologické značkování, lemmatizace a tokenizace korpusu SYN_r25 probíhá plně automaticky podle anotačního standardu ČNK, který byl aplikován již na korpus SYN2020. Tokenům jsou přiřazeny poziční atributy: lemma a sublemma, tag, verbtag, pos a case. Kromě toho je korpus opatřen syntaktickým značkováním s řadou pozičních atributů přiřazených tokenům, např. parent, afun, p_tag (viz syntakticke_znacky).

Ve srovnání s reprezentatovními korpusy řady SYN je korpus SYN_r25 navíc označkován:

• anotací víceslovných lexikálních jednotek,
• anotací pojmenovaných entit a
• značkováním složených slovesných tvarů.