D 2007

Tvorba, funkce a využití Česko-německého paralelního korpusu

PELOUŠKOVÁ, Hana and Tomáš KÁŇA

Basic information

Original name

Tvorba, funkce a využití Česko-německého paralelního korpusu

Name in Czech

Tvorba, funkce a využití Česko-německého paralelního korpusu

Name (in English)

Construction, Functions and Usage of the Czech-German Parallel Corpus

Authors

PELOUŠKOVÁ, Hana (203 Czech Republic, guarantor) and Tomáš KÁŇA (203 Czech Republic)

Edition

1. vyd. Praha, Gramatika a korpus / Grammar & Corpora 2005, p. 205-217, 13 pp. 2007

Publisher

Ústav pro jazyk český Akademie věd České republiky

Other information

Language

Czech

Type of outcome

Stať ve sborníku

Field of Study

60200 6.2 Languages and Literature

Country of publisher

Czech Republic

Confidentiality degree

není předmětem státního či obchodního tajemství

RIV identification code

RIV/00216224:14410/07:00022753

Organization unit

Faculty of Education

ISBN

80-86496-32-5

Keywords in English

corpus linguistics; Czech-German parallel corpus; contemporary Czech; contemporary German; contrastive research

Tags

International impact, Reviewed
Změněno: 21/10/2007 20:02, doc. Mgr. Tomáš Káňa, Ph.D.

Abstract

V originále

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".

In English

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/)

Links

MSM0021620823, plan (intention)
Name: Český národní korpus a korpusy dalších jazyků