SYN2013PUB: corpus of written Czech newspapers

  Autoři

Křen, Michal ; et al.zobraz všechny autory

Křen, Michal ; Hnátková, Milena ; Jelínek, Tomáš ; Petkevič, Vladimír ; Procházka, Pavel ; Skoumalová, Hana

  Identifikátor

http://hdl.handle.net/11858/00-097C-0000-0023-3B09-4

 URL projektu

http://wiki.korpus.cz/doku.php/en:cnk:syn2013pub

 URL dema

https://kontext.korpus.cz/first_form?corpname=syn2013pub

 Datum vydání

2013

 Typ

corpus, text

 Velikost

935000000 words

 Jazyky

Czech

 Popis

Corpus of contemporary Czech newspapers and magazines sized 935 MW. It contains various titles published between 2005–2009. The corpus is lemmatized and morphologically tagged by a combination of stochastic and rule-based methods. The corpus is provided in a (semi-XML) vertical format used as an input to the Manatee query engine. The data thus correspond to the corpus available via query interface to registered users of the CNC with one important exception: they are shuffled, i.e. divided into blocks sized max. 100 words (respecting the sentence boundaries) whose ordering was randomized within the given document.

 Nakladatel

Faculty of Arts, Institute of the Czech National Corpus, Charles University in Prague

 Sponzoři

Ministerstvo školství, mládeže a tělovýchovy

Kód projektu: LM2011023

Jméno projektu: Český národní korpus

 Klíčová slova

corpus written language

 Kolekce

LINDAT / CLARIAH-CZ Data & Tools

Zobrazit celý záznam