Z korpusových dat lze pomocí řady technik získat jazyková data v podobě slovníků, tezaurů, kolokací, frekvenčních statistik aj. S těmito daty se nejčastěji pracuje v jednoduché textové podobě (seznamy, tabulky). Pro potřeby např. korpusové lexikografie může být výhodné tato data vizualizovat do přehledné grafické podoby.

Cílem práce bude jednak zmapovat metody, které se v této oblasti již používají a zároveň implementovat jednoduchou webovou stránku, která bude umožňovat zobrazovat data a statistiky získané z korpusů dostupných v Centru zpracování přirozeného jazyka v podobě vizualizací: grafů, grafik, interaktivních animací atd.

Hlavním zdrojem dat budou korpusy různých jazyků a student se zaměření na vizualizaci dat z tzv. word sketchů (kolokačních profilů slov) a sketch diffů (rozdílů mezi dvěma kolokačními profily).

Na webové stránce bude mít uživatel možnost zvolit jazyk, korpus (z předem vybraného seznamu), zadat slovo (případně dvě slova) a nastavit dostupné parametry vizualizace. Výstupem bude statická či interaktivní vizualizace pro dané vstupní parametry.

Práce je součástí projektů spojených s činností Centra zpracování přirozeného jazyka a jako taková bude vyžadovat pravidelné zveřejňování dosažených výsledků ve formě souhrnné zprávy vždy na konci každého kalendářního měsíce po celou dobu řešení. Tyto zprávy budou vystaveny na webových stránkách Centra. Řešiteli bude zřízen účet na hlavním serveru, případně i na pracovních stanicích Centra.