The InterCorp corpus, release 10
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F17%3A10366780" target="_blank" >RIV/00216208:11210/17:10366780 - isvavai.cz</a>
Result on the web
<a href="https://wiki.korpus.cz/doku.php/cnk:intercorp" target="_blank" >https://wiki.korpus.cz/doku.php/cnk:intercorp</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
Korpus InterCorp, verze 10
Original language description
- počet slov v cizojazyčných textech celkem 1 483 mil., z toho 258 mil. jádro a 1 225 mil. kolekce - počet slov v českých textech celkem 192 mil., z toho 102 mil. jádro a 89 mil. kolekce - nová kolekce: překlady Bible - Nového i Starého zákona, v 18 jazycích (včetně češtiny) - aktualizace textů ze zdroje Project Syndicate (přibyly texty za poslední dva roky) - spolehlivější lingvistická anotace u řady jazyků (tagger zpracovává čistý text bez formátovacích a jiných značek) - odstranění textů v jiném než deklarovaném jazyce z kolekce Acquis - katalánština je nově anotována značkami i lemmaty - bulharština a nizozemština je nově anotována kromě značek i lemmaty - maďarština je nově anotována nástrojem RFTagger (dříve HunPOS) - pro technické potíže s taggerem není litevština anotována značkami a lemmaty; litevština není anotována značkami a lemmaty už od verze 7
Czech name
Korpus InterCorp, verze 10
Czech description
- počet slov v cizojazyčných textech celkem 1 483 mil., z toho 258 mil. jádro a 1 225 mil. kolekce - počet slov v českých textech celkem 192 mil., z toho 102 mil. jádro a 89 mil. kolekce - nová kolekce: překlady Bible - Nového i Starého zákona, v 18 jazycích (včetně češtiny) - aktualizace textů ze zdroje Project Syndicate (přibyly texty za poslední dva roky) - spolehlivější lingvistická anotace u řady jazyků (tagger zpracovává čistý text bez formátovacích a jiných značek) - odstranění textů v jiném než deklarovaném jazyce z kolekce Acquis - katalánština je nově anotována značkami i lemmaty - bulharština a nizozemština je nově anotována kromě značek i lemmaty - maďarština je nově anotována nástrojem RFTagger (dříve HunPOS) - pro technické potíže s taggerem není litevština anotována značkami a lemmaty; litevština není anotována značkami a lemmaty už od verze 7
Classification
Type
S<sub>db</sub> - Public specialised database
CEP classification
—
OECD FORD branch
60203 - Linguistics
Result continuities
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)
Others
Publication year
2017
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Regulation ID
LM2015044/InterCorp_v10
Certification body name
Ministerstvo školství, mládeže a tělovýchovy České republiky, Karmelitská 529/5, 118 00 Praha 1
Date of certification
—