Báze znalostí z korpusové lingvistiky http://wiki.korpus.cz/ 2026-06-18T18:30:07+00:00 http://wiki.korpus.cz/ http://wiki.korpus.cz/lib/exe/fetch.php/wiki:dokuwiki.svg text/html 2026-06-15T08:17:35+00:00 vhorky (vhorky@undisclosed.example.com) http://wiki.korpus.cz/doku.php/seznamy:strukturni_atributy_mluvene?rev=1781511455&do=diff Struktury a strukturní atributy mluvených korpusů Struktury korpusů mluvené češtiny V korpusech mluvené češtiny se používají následující strukturní hierarchické jednotky: * doc - dokument; v případě dialogických mluvených korpusů se jedná o jednu sondu (ucelený rozhovor) text/html 2026-06-08T15:44:05+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:manualy:kontext:kolokace?rev=1780933445&do=diff Menu: Collocation One of the principal properties of interface KonText is the possibility to use statistical methods to identify collocations of a wanted word. By collocation, we understand a meaningful, fixed, syntagmatic sequence of two (or more) words in the immediate proximity. A collocation consists of a key word ( text/html 2026-06-08T15:41:51+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/manualy:kontext:kolokace?rev=1780933311&do=diff Menu: Kolokace Jednou ze stěžejních vlastností rozhraní KonText je možnost identifikovat pomocí statistických metod kolokace k vyhledanému slovu. Kolokací se přitom rozumí smysluplné, ustálené, syntagmatické spojení dvou (nebo víc) slov v blízkém kontextu. Kolokace je tvořena základovým slovem ( text/html 2026-06-08T11:13:39+00:00 vhorky (vhorky@undisclosed.example.com) http://wiki.korpus.cz/doku.php/pojmy:asociacni_miry?rev=1780917219&do=diff Asociační (kolokační) míry Asociační míry (association measures) jsou matematické postupy (vzorce) používané pro vyhledání kolokací v korpusu. Velká většina asociačních měr je omezena pouze na dvoučlenné kolokace (bigramy). Asociační míry mají převážně matematický základ vycházející ze statistického testování hypotéz, vyskytují se ale i jinak motivované míry včetně čistě empirických bez vztahu ke statistické relevanci.$$I(xy) = \log_{2} \frac{p(xy)}{p(x) p(y)}$$$p(x) = f(x) / N$$p(y) = f(y) /… text/html 2026-06-04T09:27:07+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/start?rev=1780565227&do=diff Vítejte na wiki Českého národního korpusu Český národní korpus (ČNK) byl založen na Filozofické fakultě, Univerzity Karlovy v roce 1994 s cílem vytvářet a zpřístupňovat rozsáhlá jazyková data pro výuku a výzkum v podobě elektronických korpusů. Od roku 2012 je ČNK na Cestovní mapě Velkých výzkumných infrastruktur financovaných text/html 2026-06-03T10:29:10+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:start?rev=1780482550&do=diff Welcome to the Czech National Corpus wiki The Czech National Corpus (CNC) project was established at the Faculty of Arts, Charles University in 1994 with the aim of creating general-purpose national language corpora. In 2012, the importance of the CNC resources and services was recognised by the Ministry of Education, Youth and Sports and CNC has since been funded as a text/html 2026-05-31T12:05:36+00:00 jirimilicka (jirimilicka@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:wiki:user:jirimilicka?rev=1780229136&do=diff Jiří Milička * Google scholar, ResearchGate * Scopus, ORCID: 0000-0001-8605-1199 Editorial board membership: Journal of Quantitative Linguistics, Linguistic Frontiers Other memberships: The International Quantitative Linguistics Association Focus * corpus linguistics * quantitative linguistics * Czech and Arabic language Education * 2010–2016 PhD (Charles University, Prague), thesis: The Theory of Communication as an Explanatory Principle for the Natural Multilevel Text Segmentatio… text/html 2026-05-31T12:03:16+00:00 jirimilicka (jirimilicka@undisclosed.example.com) http://wiki.korpus.cz/doku.php/wiki:user:jirimilicka?rev=1780228996&do=diff Jiří Milička * Google scholar, ResearchGate * Scopus, ORCID: 0000-0001-8605-1199 Členství v radách: Journal of Quantitative Linguistics, Linguistic Frontiers Další členství: The International Quantitative Linguistics Association Zaměření * korpusová lingvistika * kvantitativní lingvistika * čeština, arabština Články Preprinty * Milička, J., & Bednářová, H. (2026). Sydney Telling Fables on AI and Humans: A Corpus Tracing Memetic Transfer of Persona between LLMs. arXiv preprint… text/html 2026-05-25T15:25:41+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:romcro?rev=1779722741&do=diff RomCro 2.0 - Paralelní korpus románských jazyků a chorvatštiny Projekt Paralelní korpus románských jazyků a chorvatštiny (RomCro) byl zahájen v roce 2019 na katedře románské lingvistiky Katedry romanistiky Fakulty humanitních a sociálních věd Záhřebské univerzity. Korpus sdružuje pět románských jazyků (francouzštinu, portugalštinu, rumunštinu, italštinu, španělštinu a nedávno katalánštinu) a díky zařazení chorvatštiny přispívá k rozšíření stávajících jazykových zdrojů pro chorvatštinu. Skládá … text/html 2026-05-25T15:22:50+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:cnk:romcro?rev=1779722570&do=diff RomCro 2.0 - Parallel corpus of Romance languages ​​and Croatian The project Parallel Corpus in Romance Languages and Croatian (RomCro) started in 2019 at the Chair of Romance Linguistics of the Department of Romance Studies of the Faculty of Humanities and Social Sciences, University of Zagreb. The corpus unites five Romance languages ​​(French, Portuguese, Romanian, Italian, Spanish and, recently, Catalan) and, with the addition of Croatian, makes a contribution to the existing linguistic res… text/html 2026-05-25T14:39:41+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:cnk:uvod?rev=1779719981&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 2026-05-25T14:37:47+00:00 michalkren (michalkren@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:uvod?rev=1779719867&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 2026-05-15T15:07:50+00:00 tomasmachalek (tomasmachalek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/en:seznamy:kontext_verze?rev=1778857670&do=diff KonText interface: Version history The corpus interface KonText is designed for general interaction with CNC corpora. A comprehensive list of KonText’s available functions can be found in the manual. KonText is an extended and visually modified version of the original NoSketch Engine application. It is developed by the text/html 2026-05-15T13:07:54+00:00 tomasmachalek (tomasmachalek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/seznamy:kontext_verze?rev=1778850474&do=diff Přehled verzí rozhraní KonText Korpusový manažer KonText slouží pro všeobecnou práci s korpusy ČNK. Popis funkcí rozhraní KonText je dostupný v manuálu, podrobnější návod, jak využívat všech jeho možností najdete v kurzu práce s ČNK. KonText je rozšířenou a graficky upravenou verzí původní aplikace text/html 2026-05-12T06:58:41+00:00 jiripergler (jiripergler@undisclosed.example.com) http://wiki.korpus.cz/doku.php/hickok:problemy_morfologie?rev=1778569121&do=diff Problémy anotace morfologie (POS, features) Tabulka slouží k zapisování, diskusi a řešení nejasností/problémů při anotaci slovních druhů (POS) a morfologických rysů (features) v staročeském a středněčeském UD etalonu. Vyřešené problémy budou průběžně doplňovány do text/html 2026-05-08T07:51:57+00:00 danzeman (danzeman@undisclosed.example.com) http://wiki.korpus.cz/doku.php/hickok:stc_strdc_ud?rev=1778226717&do=diff UD anotace staročeského a středněčeského etalonu Vychází se jednak z anotačních pravidel UD (a to jak obecných, tak těch specifických pro slovanské jazyky a češtinu), jednak ze zkušeností z pilotního projektu v roce 2022 (anotace Matoušova evangelia z Bible drážďanské a olomoucké). K tomu externí odkazy: text/html 2026-04-21T11:48:18+00:00 tomasjelinek (tomasjelinek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/seznamy:parent?rev=1776772098&do=diff Atribut parent – rodič: určení řídícího tokenu Syntaktický atribut parent (rodič) určuje relativní pozici řídícího tokenu v závislostní syntaktické struktuře. Pozice je vyjádřena číslem: * 0 vyjadřuje závislost na „kořeni“ věty, tj. daný token je sám řídícím tokenem hlavní věty (obvykle přísudek), popř. jde o koncovou interpunkci. text/html 2024-04-29T08:50:29+00:00 jankocek (jankocek@undisclosed.example.com) http://wiki.korpus.cz/doku.php/?image=kwords2_start.png&ns=0&rev=1714380629&tab_details=history&media_do=diff&do=media <img src="http://wiki.korpus.cz/lib/exe/fetch.php/kwords2_start.png?w=500&amp;h=500&amp;tok=2df83f" alt="kwords2_start.png" loading="lazy" width="500" height="500" /> text/html 2024-02-29T18:53:59+00:00 danzeman (danzeman@undisclosed.example.com) http://wiki.korpus.cz/doku.php/?image=hickok%3Aopen-tsv-in-excel-3.png&ns=hickok&rev=1709232839&tab_details=history&media_do=diff&do=media <img src="http://wiki.korpus.cz/lib/exe/fetch.php/hickok:open-tsv-in-excel-3.png?w=500&amp;h=500&amp;tok=bff0d7" alt="open-tsv-in-excel-3.png" loading="lazy" width="500" height="500" /> text/html 2024-02-29T18:53:59+00:00 danzeman (danzeman@undisclosed.example.com) http://wiki.korpus.cz/doku.php/?image=hickok%3Aopen-tsv-in-excel-1.png&ns=hickok&rev=1709232839&tab_details=history&media_do=diff&do=media <img src="http://wiki.korpus.cz/lib/exe/fetch.php/hickok:open-tsv-in-excel-1.png?w=500&amp;h=500&amp;tok=ad0be1" alt="open-tsv-in-excel-1.png" loading="lazy" width="500" height="500" />