Toto je starší verze dokumentu!
Korpusové nástroje
V korpusové lingvistice neustále vznikají nové nástroje umožňující rozmanité vytěžování dostupných dat. Na stránkách www.korpus.cz nabízíme podrobné informace o nástrojích vytvářených v rámci ČNK (SyD, Morfio, KWords apod.), zde je k nalezení stručný přehled vybraných nástrojů vytvářených napříč světadíly. Přednostně upozorňujeme na ty nástroje, které jsou zdarma a které byly vytvořeny nedávno. Přehled v žádném případě není vyčerpávající, doufáme ale v jeho inspirativnost. PS: Nezapomínejme, že korpusovými nástroji jsou i samotné korpusové manažery.
| nástroj | využití | dostupnost | poznámka |
| ADW | měří míru sémantické podobnosti | zdarma | využívá WordNet |
| AntConc | vyhledávání n-gramů | zdarma | autor: Laurence Anthony |
| Colibri | vyhledávání n-gramů i skipgramů | zdarma | autor: Maarten van Gompel |
| ConLexis | elektronický korpusově založený slovník pro výuku finštiny | zdarma | autor: Jarmo Jantunen |
| depecheMood | emocionální analýza textů | zdarma | využívá WordNet |
| Gunstick | diachronní rýmovník | zdarma | založeno na Korpusu českého verše |
| kfNGram | vyhledávání n-gramů v rozsáhlých textech | zdarma | autor: William H. Fletcher |
| Pedagoški slovnični portal | slovinský korpusově založený jazykový portál pro cizince i rodilé mluvčí | zdarma | uživatelsky vstřícné |
| SentiWords | přiřazuje hodnocení: pozitivní, negativní, objektivní výraz | zdarma | využívá WordNet |
| SIGIL | výpočet statistické významnosti (chi-kvadrátu) | zdarma | Stefan Evert a Marco Baroni vytvořili interaktivní úvod do statistiky pro lingvisty |
| Sketchengine | de facto korpusový manažer | zčásti zdarma | vytváří tým kolem A. Kilgariffa |
| Variant Detector | sjednocování pravopisných variant v historických (diachronních) korpusech - pro Early Modern English | zdarma | další využití: jazyk dětí, cizinců (learner language) |
| WordNet | lexikální databáze angličtiny ukazující významovou propojenost slov | zdarma | data z WordNetu využívá řada dalších nástrojů |
| Wordnik | hyponyma a hyperonyma hledaného výrazu | zdarma | využívá WordNet |
| Wortschatz | německý korpusově založený slovníkový portál pro 230 jazyků či variant | zdarma | uživatelsky vstřícné |
Nevěnujeme se zde nástrojům připravujícím textová data pro korpusové zpracování (tokenizátory, anotátory atd.), oblast pomůcek pro Natural Language Processing je zpracovaná např. zde. Přehled těch nástrojů, které mají napomoci především s automatickou sémantickou kategorizací textů (tj. „porozuměním“) naleznete např. v tomto článku.
O nových nástrojích dále informuje e-mailový rozesílač corpora list, k jehož odběru se můžete přihlásit zde. Pokud nás budete chtít kontaktovat s tipy na nové nástroje, využijte prosíme poradnu, subfórum týkající se wiki.
