Abecední a retrográdní slovníky

Na této stránce najdete celkem dvě trojice slovníků (seznamů): tři slovníky lemmat a tři slovníky slovních tvarů. V každé trojici je vždy jeden slovník založený na korpusu SYN2000, druhý na korpusu SYN2005 a třetí na korpusu SYN2010. Všechny tyto slovníky jsou výsledkem zkrácení, zjednodušení a přetřídění srovnávacích frekvenčních seznamů, ve kterém se snažíme vyjít vstříc potřebám těch našich uživatelů, kteří nejsou příliš zběhlí v používání počítačů. Každý ze zmiňovaných slovníků vznikl z odpovídajícího srovnávacího frekvenčního seznamu takto:

1. byly odstraněny sloupce s celkovou i parciální přepočítanou frekvencí (podrobnosti zde),
2. byla vyřazena hesla, která se neskládají výhradně z alfabetických znaků a pomlčky,
3. byla vyřazena hesla s absolutní frekvencí nižší než 100,
4. takto vzniklý seznam hesel byl opatřen novými ranky (pořadím) podle absolutní frekvence,
5. výsledný seznam byl setříděn podle znění hesla abecedně nebo retrográdně.

Celkový počet souborů se tím tedy zdvojnásobuje, protože každý z výše uvedených slovníků je dostupný v abecední i retrográdní verzi; obě verze se přitom liší pouze tímto výsledným tříděním. Slovníky lemmat mají každý necelých 40 000 hesel, slovníky tvarů pak více než 70 000 hesel.

Podobně jako srovnávací frekvenční seznamy jsou i abecední a retrográdní slovníky uloženy v zazipovaných textových souborech v kódování CP1250, velikost zabaleného souboru je přibližně 300 kB nebo 500 kB. Z názvu souboru je zřejmé, zda obsahuje slovní tvary nebo lemmata, na kterém korpusu je založen i jeho setřídění.

Každý soubor se skládá ze tří sloupců oddělených tabulátory:

• sloupec rank - pořadí podle absolutní frekvence; mají-li dvě hesla stejnou absolutní frekvenci, je stejný i jejich rank
• sloupec heslo - slovní tvar nebo lemma
• sloupec absolutní frekvence - (počet výskytů daného hesla v korpusu

V případě, že tyto slovníky použijete ve vědecké práci, uvádějte je prosím v bibliografii následujícím způsobem:

Český národní korpus: Abecední a retrográdní slovníky. Ústav Českého národního korpusu FF UK, Praha 2010. Dostupné z WWW: http://www.korpus.cz.

Toto dílo podléhá licenci Creative Commons CC BY 4.0 International

— Michal Křen