AplikaceAplikace
Nastavení

Toto je starší verze dokumentu!


Všeliké korpusy

Vzniká nepřeberné množství různě velkých a různě zaměřených korpusů v nejrůznějších jazycích. Následující přehledové tabulky jsou pouhou ochutnávkou toho, o jak rozmanitou a neustále se zvětšující oblast se jedná. Níže proto najdete i odkazy na další seznamy a přehledy.

Výběr specificky zaměřených korpusů

korpus jazyk, typ dostupnost poznámka
AFEWC arabština, angličtina, francouzština zdarma srovnatelný korpus
British Academic Written English Corpus angličtina, akademický zdarma seminární práce apod. (assignments) univerzitních studentů
BLaRC, dostupné přes Lextutor angličtina, special. - law reports zdarma je třeba vybrat mezi různými korpusy přímo BLaRC
Comenego mnohojazyčný, special. - business, ekonomika zdarma zaměřeno na překladatele
CoMET portugalština zdarma snaha podpořit tvorbu korpusově založených výukových materiálů
Gos slovinština, mluvený zdarma rozlišuje mluvený a psaný jazyk
MASC angličtina, specializovaný zdarma část je podrobně sémanticky anotovaná
OPUS paralelní korpusy zdarma velké množství jazyků, bez manuální kontroly
Pizza Request Corpus angličtina, specializovaný zdarma korpus žádostí o pizzu zdarma - včetně metadat o výsledku
RusLTC ruština zdarma Russian Learner Translator Corpus - pro výuku budoucích překladatelů
TIME Magazine Corpus angličtina zdarma korpus z časopisu TIME, autor: Mark Davies
Wolverhampton Business English Corpus angličtina zpoplatněný manuální výběr z webových dat

Výběr (psaných) korpusů slovanských jazyků

jazyk korpus, typ dostupnost poznámka
bosenština The Oslo Corpus of Bosnian Texts zdarma psané texty převážně z 90. let 20. století
bulharština BulTreeBank Group pro výzkum zdarma psaný jazyk
čeština korpusy zpřístupňované přes KonText zdarma jednotné rozhraní pro řadu korpusů
chorvatština Chorvatský národní korpus zdarma pro nekomerční využití psaný jazyk
polština Polský národní korpus zdarma další velký korpus polštiny je IPI PAN
ruština Ruský národní korpus zdarma pro nekomerční využití též mluvený jazyk
slovenština Slovenský národní korpus zdarma pro nekomerční využití též mluvený jazyk
slovinština BESEDA a FIDAPLUS zdarma pro nekomerční využití korpus univerzity a akademie věd

Výběr korpusů jiných než slovanských jazyků

jazyk korpus, typ dostupnost poznámka
albánština Albánský národní korpus zdarma vytvářen petrohradskými lingvisty
angličtina The Bank of English dostupná část pro tvorbu slovníků
angličtina COCA zdarma vytváří Mark Davies, současný jazyk, i mluvený
angličtina Open American National Corpus zdarma i mluvený jazyk
angličtina Brown Corpus zdarma 1. elektronický korpus (1964), z USA
angličtina LOB Lancaster-Bergen-Oslo Corpus zdarma Britský ekvivalent korpusu Brown (1976)
angličtina Strathy Corpus (Canada) zdarma kanadská angličtina
francouzština Frantext placený bezplatně přístupná jen malá část
italština CORpus di Italiano Scritto zdarma i diachronní část
maďarština Maďarský národní korpus zdarma pro nekomerční užití vč. regionálních variant
němčina Datenbank für Gesprochenes Deutsch po registraci rozhraní k řadě mluvených korpusů němčiny
němčina korpusy
němčina korpusy
korpusy
korpusy

Další odkazy a seznamy naleznete zde:

O nových korpusech dále informuje e-mailový rozesílač Corpora list, k jehož odběru se můžete přihlásit zde.

Mark Davies: in about 5-6 weeks I'll be releasing a corpus that is based on the 2 billion words (4.5 million articles) in Wikipedia, which should do most of what you want. Via the web interface, you'll be able to quickly and easily create „virtual corpora“ from the 4.5 million articles, based on titles, page links, and/or page content. Each of these virtual, personalized corpora can have up to 1,000 articles and 1.2 million words.

And then you'll be able to search within these virtual corpora (strings, n-grams, collocates, collocations, concordances, etc) , or compare word and phrase frequencies across your virtual corpora, or find keywords (including multi-word expressions) in your corpora, all from within the web interface and all within just a few seconds.

Pokud nás budete chtít kontaktovat s tipy na nové korpusy, využijte prosíme poradnu, subfórum týkající se této wiki.

Související odkazy