Báze znalostí z korpusové lingvistiky http://wiki.korpus.cz/ 2026-11-01T15:17:09+00:00 http://wiki.korpus.cz/ http://wiki.korpus.cz/lib/exe/fetch.php/wiki:dokuwiki.svg text/html 2026-10-25T12:11:36+00:00 vaclavcvrcek (vaclavcvrcek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/wiki:user:vaclavcvrcek?rev=1792930296&do=diff Václav Cvrček Členství/membership: Pražský lingvistický kroužek (Prague Linguistic Circle), AATSEEL (American Association of Teachers of Slavic and East European Languages), IATC (International Association of Teachers of Czech), Slavic Linguistics Society Členství v radách/Board membership: Korpus - gramatika - axiologie, Slovenščina 2.0, Naše řeč Profiles: text/html 2026-10-19T16:20:02+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/pojmy:content-word_features?rev=1792426802&do=diff Content-word features * Slouží k anotaci víceslovných (analytických, perifrastických) slovesných tvarů, podobnou roli hraje v novějších českých korpusech atribut verbtag. * Vycházejí z anotace podle Universal Dependencies (UD), kde všechna pomocná slova závisejí na slovech (plno)významových. text/html 2026-10-14T09:06:39+00:00 annamarklova (annamarklova@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:wiki:user:annamarklova?rev=1791968799&do=diff Anna Marklová [Anna Marklová] * ResearchGate * Artificial Intelligence Language Lab * Google Scholar * ORCID I am a corpus linguist and a psycholinguist, my research focuses mainly on the languages of artificial intelligence and AI slop. I completed my PhD at TU Dortmund and am currently based at the Faculty of Arts, Charles University, where I lead a project exploring linguistic variability in both human and AI language. Alongside the work on my own project, I also offer my skills as… text/html 2026-10-14T09:03:49+00:00 annamarklova (annamarklova@undisclosed.example.com) http://wiki.korpus.cz/doku.php/wiki:user:annamarklova?rev=1791968629&do=diff Anna Marklová [Anna Marklová] * ResearchGate * Artificial Intelligence Language Lab * Google Scholar * ORCID I am a corpus linguist and a psycholinguist, my research focuses mainly on the languages of artificial intelligence and AI slop. I completed my PhD at TU Dortmund and am currently based at the Faculty of Arts, Charles University, where I lead a project exploring linguistic variability in both human and AI language. Alongside the work on my own project, I also offer my skills as… text/html 2026-10-11T16:44:37+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:intercorp:verze17ud?rev=1791737077&do=diff Korpus InterCorp verze 17ud Název čeština jádro čeština kolekce cizí jazyky jádro cizí jazyky kolekce Pozice Počet tokenů 156 667 959 365 226 477 478 921 537 5 809 438 117 Počet slovních tvarů 126 527 372 274 987 285 400 287 496 4 538 233 029 text/html 2026-10-07T20:44:34+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:pojmy:content-word_features?rev=1791405874&do=diff Content-word features * Used to annotate multiword (analytic, periphrastic) verb forms; a similar role is played by the verbtag attribute in more recent Czech corpora. * They are based on Universal Dependencies (UD) annotation, in which all function words depend on content words. text/html 2026-10-07T19:22:09+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/pojmy:ud?rev=1791400929&do=diff Universal Dependencies – UD Universal Dependencies je otevřený mezinárodní projekt, jehož cílem je shromažďovat a nabízet texty v mnoha jazycích, a to s lingvistickou anotací provedenou jednotným způsobem. Zásady morfologické a syntaktické anotace podle UD spolu s anotačními nástroji vytvořenými v rámci tohoto projektu byly využity k anotaci některých nedávno zveřejněných verzí ( text/html 2026-10-07T19:01:43+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:pojmy:ud?rev=1791399703&do=diff Universal Dependencies – UD Universal Dependencies is a an open international project aiming at linguistic annotation consistent across different languages. Some recent versions of the InterCorp parallel corpus (13ud, 16ud, 17ud) have been annotated in terms of morphological categories, syntactic functions and syntactic structure following the UD guidelines and using the tools developed within the UD project. text/html 2026-10-07T17:59:41+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:intercorp:historie?rev=1791395981&do=diff Historie verzí Verze 17ud * zveřejněná 9. 9. 2026 (pilotní verze) * Informace o korpusu Data: * nové knížky v jádru: 40 českých přírůstků (celkem 1852), ve všech jazycích 214 přírůstků (celkem 6669) * jako průvodce InterCorpem slouží nově nástroj text/html 2026-10-06T15:34:16+00:00 jirimilicka (jirimilicka@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:wiki:user:jirimilicka?rev=1791300856&do=diff Jiří Milička * Google scholar, ResearchGate * Scopus, ORCID: 0000-0001-8605-1199 Editorial board membership: Journal of Quantitative Linguistics, Linguistic Frontiers (Palacký University Olomouc) * The International Quantitative Linguistics Association * Artificial Intelligence Language Lab Focus * corpus linguistics * quantitative linguistics * Czech and Arabic language Education * 2010–2016 PhD (Charles University, Prague), thesis: The Theory of Communication as an Explanat… text/html 2026-09-30T19:14:52+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:cnk:intercorp:historie?rev=1790795692&do=diff InterCorp: Version history Release 17ud * Released on 9 September 2026 (pilot version) * Information about the corpus Data: * New books in the Core: 40 new Czech titles (1852 in total), 214 new titles across all languages (6669 in total) * The new InterCorp Tools serve as a guide to InterCorp text/html 2026-09-30T19:09:16+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:cnk:uvod?rev=1790795356&do=diff Corpora of the Czech National Corpus project corpus size (word count) lemmas morphological tags released characteristic features General corpora SYN (version 14) 5.5G ✓ ✓ 2010–2025 versioned corpus, unification of all the SYN-series synchronic written corpora text/html 2026-09-21T20:13:58+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn?rev=1790021638&do=diff Korpus SYN SYN je souhrnné označení pro korpus, který obsahuje vždy všechny synchronní psané korpusy řady SYN zveřejněné do doby vzniku dané verze korpusu SYN (například SYN verze 3 z roku 2014 tedy zahrnuje korpusy SYN2000, SYN2005, SYN2006PUB, SYN2009PUB, SYN2010 a SYN2013PUB, viz následující tabulka) a který je přitom zpracován nejnovějšími verzemi všech nástrojů ( text/html 2026-09-21T16:42:19+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:intercorp?rev=1790008939&do=diff Korpus InterCorp Korpus InterCorp je hlavním výstupem stejnojmenného projektu, jehož cílem je vybudovat rozsáhlý paralelní synchronní korpus pokrývající co největší počet jazyků. Na jeho tvorbě se významnou měrou podílejí pedagogové a studenti FF UK v Praze a další spolupracovníci ÚČNK. Korpus slouží jako zdroj dat pro teoretické studie, lexikografii, studentské práce, výuku, zejména výuku cizích jazyků, počítačové zpracování přirozeného jazyka, překladatele i veřejnost.… text/html 2026-09-21T16:28:30+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:uvod?rev=1790008110&do=diff Jaké korpusy zpřístupňuje Český národní korpus? Projekt Český národní korpus zpřístupňuje řadu různých korpusů, jejich okomentovaný přehled najdete v sekci týkající se jeho složení. Celkový rozsah textů, který ČNK v korpusech zpracoval a zpřístupnil, přesahuje 4,5 miliardy slov v českých jednojazyčných a 1,5 miliardy slov v cizojazyčných text/html 2026-09-20T23:29:45+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:cnk:intercorp?rev=1789946985&do=diff InterCorp InterCorp is a large parallel synchronic corpus covering a number of languages. The corpus is compiled mostly by teachers and students of the Faculty of Arts, Charles University in Prague, and by other collaborators of the ICNC. It serves as a source of data for theoretical studies, lexicography, student research, (foreign) language learning, computer applications, translators and also for the general public. text/html 2026-09-20T22:51:25+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:pojmy:prehled_pojmu?rev=1789944685&do=diff Corpus linguistics – key terminology See, e.g., Corpus Linguistics Glossary (Kent State University, Ohio) or A Glossary of Corpus Linguistics (by Paul Baker, Andrew Hardie and Tony McEnery, Edinburgh University Press, 2006). C Complexity Content-word features cw_feats D Diversity L Lexical Diversity S Syntactic Complexity U UD Universal Dependencies text/html 2026-09-14T09:45:41+00:00 tomasjelinek (tomasjelinek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/seznamy:mwe?rev=1789379141&do=diff Značkování víceslovných lexikálních jednotek Počínaje korpusem SYNv14 a korpusem syn_R25 označujeme v korpusech víceslovné lexikální jednotky (VLJ) novým značením propojeným s databází VLJ LEMUR (Lexicon of Multiword Expressions). Toto značkování navazuje na dosavadní text/html 2026-09-10T14:15:17+00:00 rosen (rosen@undisclosed.example.com) http://wiki.korpus.cz/doku.php/pojmy:prehled_pojmu?rev=1789049717&do=diff Přehled základních pojmů korpusové lingvistiky Tento oddíl prezentuje základní teoretické pojmy korpusové lingvistiky a také termíny, které se používají specificky pro korpusy ČNK. Při sestavování tohoto stručného slovníčku pojmů jsme vycházeli především z hesel Nového Encyklopedického slovníku češtiny. Slovníček funguje zejména jako doplněk ke text/html 2026-07-14T15:28:46+00:00 annamarklova (annamarklova@undisclosed.example.com) http://wiki.korpus.cz/doku.php/?image=wiki%3Auser%3Aanna_marklova_2.jpg&ns=wiki%3Auser&rev=1784042926&tab_details=history&media_do=diff&do=media <img src="http://wiki.korpus.cz/lib/exe/fetch.php/wiki:user:anna_marklova_2.jpg?w=500&amp;h=500&amp;tok=933fb8" alt="anna_marklova_2.jpg" loading="lazy" width="500" height="500" />