The corpus ORAL: construction, lemmatization and morphological tagging

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F17%3A10362531" target="_blank" >RIV/00216208:11210/17:10362531 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Korpus ORAL: sestavení, lemmatizace a morfologické značkování

Original language description

Příspěvek poskytuje přehled o struktuře a obsahu brzy dostupného mluveného korpusu ORAL, který spojuje dříve publikované korpusy (ORAL2006, ORAL2008 a ORAL2013) s nově přepsaným materiálem do jediného snadno přístupného a bohatěji anotovaného zdroje o přibližné velikosti 6 milionů slov. Nahrávky a příslušné přepisy pochází z let 2002 až 2011; většina z nich zachycuje interakce vzájemně dobře obeznámených řečníků v neformálních situacích a přirozeném prostředí. Korpus je doplněn malou částí formálních dat, většinou veřejných rozhovorů. Je taggován a lemmatizován. Doufáme, že dostupnost takového zdroje vyvolá další diskusi o morfologickém a syntaktickém rozboru mluveného jazyka, což by mohlo v budoucnu vést k radikálnějšímu značkování slovních druhů, které doposud vychází z jazykové analýzy psaného jazyka.

Czech name

Korpus ORAL: sestavení, lemmatizace a morfologické značkování

Czech description

Příspěvek poskytuje přehled o struktuře a obsahu brzy dostupného mluveného korpusu ORAL, který spojuje dříve publikované korpusy (ORAL2006, ORAL2008 a ORAL2013) s nově přepsaným materiálem do jediného snadno přístupného a bohatěji anotovaného zdroje o přibližné velikosti 6 milionů slov. Nahrávky a příslušné přepisy pochází z let 2002 až 2011; většina z nich zachycuje interakce vzájemně dobře obeznámených řečníků v neformálních situacích a přirozeném prostředí. Korpus je doplněn malou částí formálních dat, většinou veřejných rozhovorů. Je taggován a lemmatizován. Doufáme, že dostupnost takového zdroje vyvolá další diskusi o morfologickém a syntaktickém rozboru mluveného jazyka, což by mohlo v budoucnu vést k radikálnějšímu značkování slovních druhů, které doposud vychází z jazykové analýzy psaného jazyka.

Type

J_ost - Miscellaneous article in a specialist periodical

CEP classification

—

OECD FORD branch

60203 - Linguistics

Project

<a href="/en/project/LM2015044" target="_blank" >LM2015044: Czech National Corpus</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2017

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Korpus - gramatika - axiologie

ISSN

1804-137X

e-ISSN

—

Volume of the periodical

2017

Issue of the periodical within the volume

15

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

21

Pages from-to

47-67

UT code for WoS article

—

EID of the result in the Scopus database

—