Tvorba, funkce a využití Česko-německého paralelního korpusu

PELOUŠKOVÁ, Hana a Tomáš KÁŇA. Tvorba, funkce a využití Česko-německého paralelního korpusu. In Gramatika a korpus / Grammar & Corpora 2005. 1. vyd. Praha: Ústav pro jazyk český Akademie věd České republiky, 2007, s. 205-217. ISBN 80-86496-32-5.

Základní údaje

• Originální název: Tvorba, funkce a využití Česko-německého paralelního korpusu
• Název česky: Tvorba, funkce a využití Česko-německého paralelního korpusu
• Název anglicky: Construction, Functions and Usage of the Czech-German Parallel Corpus
• Autoři: PELOUŠKOVÁ, Hana (203 Česká republika, garant) a Tomáš KÁŇA (203 Česká republika).
• Vydání: 1. vyd. Praha, Gramatika a korpus / Grammar & Corpora 2005, od s. 205-217, 13 s. 2007.
• Nakladatel: Ústav pro jazyk český Akademie věd České republiky

Další údaje

• Originální jazyk: čeština
• Typ výsledku: Stať ve sborníku
• Obor: 60200 6.2 Languages and Literature
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• Kód RIV: RIV/00216224:14410/07:00022753
• Organizační jednotka: Pedagogická fakulta
• ISBN: 80-86496-32-5
• Klíčová slova anglicky: corpus linguistics; Czech-German parallel corpus; contemporary Czech; contemporary German; contrastive research
• Štítky: contemporary Czech, contemporary German, contrastive research, corpus linguistics, Czech-German Parallel Corpus
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

Neexistence česko-německého paralelního korpusu (ČNPK) přiměla autory k jeho tvorbě již na sklonku 20. století. Práce na něm začaly v roce 2001 a již na začátku roku 2005 obsahoval více než 6,5 milionů textových slov jen v české paralele. Článek seznamuje se základními technickými i textovými parametry korpusu a uvádí příklady práce s tímto jedinečný instrumentem. Korpus bude částečně přístupný v rámci projektu multijazykového korpusu "Intercorp".

Anotace anglicky

The absence of a Czech-German parallel corpus ended in 2001 with the start of construction of The Czech-German parallel Corpus (CNPK) by the authors of this article. The CNPK runs under Bonito interface (the same as the CNC). It consists of two independent but linked parallels with a total of more than 6,5 million text words. The corpus is manually aligned, automatically tagged in both parts (tagger Ajka in the Czech part; Tree-Tagger in the German part). The CNPK is a general synchronic corpus trying to cover as many stylistic features as possible: texts preferably not older than 50 years; balanced in style: 50% fiction, 50% non-fiction (scientific texts from potentially all fields and public, esp. journalistic texts in the wider meaning). Obviously, there are no texts of the spoken language. All texts are of either Czech or German origin (no "third langue" texts). The CNPK will be partly accessible as a part of the multilingual corpus INTERCORP (https://trnka.ff.cuni.cz/ucnk/intercorp/)

Návaznosti

• MSM0021620823, záměr: Název: Český národní korpus a korpusy dalších jazyků