Чешский национальный корпус - Czech National Corpus

В Чешский национальный корпус (CNC) (чешский язык: Český národní korpus) - большой электронный корпус письменных и устных чешский язык, разработанная Институт Чешского национального корпуса (ICNC) на факультете искусств в Карлов университет в Прага. Коллекция используется для обучения и исследований в корпусная лингвистика.[1] ICNC сотрудничает с более чем 200 исследователями и студентами (в основном для устного и параллельного сбора данных), 270 издателями (в качестве поставщиков текстов) и другими аналогичными исследовательскими проектами.

Направления внимания

Чешский национальный корпус систематически фокусируется на следующих областях:[2]

  • Синхронные письменные корпуса: корпус серии SYN отображает чешский язык 20-го и 21-го веков (особенно последних двадцати лет) и составляет ядро ​​проекта. Тексты обогащены метаданные, лемматизация, и морфологические теги.[3]
  • Современный спонтанный разговорный чешский: Корпуса серии ORAL содержат современный, спонтанный разговорный язык, используемый в неформальных ситуациях на протяжении всего Чехия (в отличие от подготовленных, транслируемых или написанных по сценарию текстов, которые обычно встречаются в устных корпусах).[4]
  • Многоязычный параллельный корпус: InterCorp - это большой корпус чешских текстов, выровненных на уровне предложений с переводами на более чем 30 языков или с них. Ядро корпуса составляют выровненные вручную и отредактированные художественные тексты.[5]
  • Диахронический корпус чешского языка: корпус исторического чешского языка DIAKORP включает тексты, начиная с 14 века. В настоящее время ДИАКОРП уделяет особое внимание XIX веку. Долгосрочная цель DIAKORP - создать корпус, охватывающий период с 1850 года по настоящее время, и связать данные с серией SYN.[6]
  • Специализированные лингвистические данные: ICNC также участвует в сборе языковых данных для конкретных исследовательских целей, включая DIALEKT (диалектная речь), CheSL (тексты, написанные иностранцами, изучающими чешский язык), DEAF (чешские тексты, написанные глухими) или Jerome ( переведенный и непереведенный чешский).

использованная литература

  1. ^ «Институт Чешского национального корпуса». Институт Чешского национального корпуса. Получено 8 января 2019.
  2. ^ Крен, Михал. «Последние изменения в Чешском национальном корпусе» (PDF). Публикационный сервер Института немецкого языка. Получено 8 января 2019.
  3. ^ М. Гнаткова, М. Крен, П. Прохазка и Х. Скумалова. (2014). "Корпус письменной чешской серии SYN". Труды LREC2014: 160–164. S2CID  2586912.CS1 maint: несколько имен: список авторов (ссылка на сайт)
  4. ^ Л. Валкова, М. Вацлавичова и М. Крен. (2012). «Сбалансированное хранилище данных спонтанной разговорной речи на чешском языке» (PDF). Труды LREC2012: 3345–3349. Получено 9 января 2019.CS1 maint: несколько имен: список авторов (ссылка на сайт)
  5. ^ Ф. Чермак и А. Розен (2012). «Дело о InterCorp, многоязычном параллельном корпусе» (PDF). Международный журнал корпусной лингвистики. 13 (3): 411–427. Дои:10.1075 / ijcl.17.3.05cer. Получено 9 января 2019.
  6. ^ К. Кучера и М. Стлука. (2014). «Корпус чешских текстов XIX века: проблемы и решения» (PDF). Труды LREC2014: 165–168. Получено 9 января 2019.

внешние ссылки