Báze znalostí z korpusové lingvistiky http://wiki.korpus.cz/ 2026-04-30T03:24:55+00:00 http://wiki.korpus.cz/ http://wiki.korpus.cz/lib/exe/fetch.php/wiki:dokuwiki.svg text/html 2022-01-03T13:05:36+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:agregat?rev=1641215136&do=diff Korpus SYN2020: Agregáty V korpusu SYN2020 je nově řešena problematika tzv. agregátů, slov, která se v češtině píšou jako jedno slovo, z pohledu syntaxe či určování gramatických kategorií se však chovají spíše jako slova dvě (výjimečně tři). V terminologii standardu text/html 2021-01-14T12:10:57+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:automaticka_anotace?rev=1610626257&do=diff Korpus SYN2020: Automatická anotace Všechny korpusy řady SYN jsou anotovány (tedy lemmatizovány a opatřeny morfologickými značkami) automaticky. Anotace korpusu SYN2020 se od anotace starších korpusů (viz Hnátková a kol., 2014) liší, zde popisujeme text/html 2022-11-23T10:18:43+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:lemmatizace?rev=1669198723&do=diff Korpus SYN2020: Lemmatizace V korpusu SYN2020 je zavedena tzv. dvojúrovňová lemmatizace: každý tvar má vedle atributu lemma přiřazen i atribut sublemma. Lemma sdružuje i více variant jednoho slova (např. lemma filozofie reprezentuje všechny tvary s kořenem text/html 2020-12-23T09:17:50+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:negace?rev=1608715070&do=diff Korpus SYN2020: Negace Lemmatizace negativních forem Substantiva Substantiva s negativní předponou ne- jsou lemmatizována včetně této předpony, v tagu na 11. pozici je A. tvar sublemma lemma tag nezávislost nezávislost nezávislost text/html 2020-12-22T14:40:17+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:seznamy?rev=1608648017&do=diff Korpus SYN2020: Seznamy Na této stránce naleznete přehled všech seznamů slov, které byly vydány ke korpusu SYN2020. Tokenizace Slova se spojovníkem nebo číslicí tokenizovaná dohromady Lemmatizace a značkování Zvláštní lemmatizace Negace: Adjektiva a adverbia lemmatizovaná s předponou ne- Variantní sublemmata Sublemmata s variantností v používání spojovníku Slovesná sublemmata s variantností v l-ovém příčestí a infinitivech Slovesná sublemmata s variantností pouze v infinitivech Slov… text/html 2021-06-18T10:44:40+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:tag?rev=1624013080&do=diff Korpus SYN2020: Morfologické značkování Morfologická značka (tag) má 15 pozic (místo dřívějších 16 pozic). Značení slovesného vidu se přesouvá ze zrušené 16. pozice na původně neobsazenou 13. pozici, jinak je struktura tagu totožná s dosavadními korpusy řady SYN. Následuje podrobný přehled změn značek na jednotlivých pozicích v tagu. text/html 2021-03-12T15:53:27+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:tokenizace?rev=1615564407&do=diff Korpus SYN2020: Tokenizace Tokenizace numerických a interpunkčních znaků Numerické a interpunkční znaky jsou systematicky oddělovány jako samostatné tokeny, pohromadě však zůstávají některé kombinace znaků podle předem vymezených pravidel a seznamů slov: text/html 2022-11-18T14:43:10+00:00 Anonymous (anonymous@undisclosed.example.com) http://wiki.korpus.cz/doku.php/cnk:syn2020:verbtag?rev=1668782590&do=diff Korpus SYN2020: Verbtag Atribut verbtag obsahuje informace o gramatických kategoriích slovesa, a to jak u tvarů jednoduchých (napíšu), tak u tvarů složených (budu psát, byli bychom napsali). Odlišuje také pomocné tvary slovesa být od tvarů plnovýznamových a spony u verbonominálního predikátu. Má vždy šest pozic, jen u sloves ale nabývá jiných hodnot než hodnoty