SYN v10: corpus of contemporary written Czech
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F22%3A10453042" target="_blank" >RIV/00216208:11210/22:10453042 - isvavai.cz</a>
Result on the web
<a href="https://wiki.korpus.cz/doku.php/cnk:syn:verze10" target="_blank" >https://wiki.korpus.cz/doku.php/cnk:syn:verze10</a>
DOI - Digital Object Identifier
—
Alternative languages
Result language
čeština
Original language name
SYN v10: korpus současné psané češtiny
Original language description
Synchronní korpus o celkovém rozsahu téměř 4,9 mld. textových slov (tj. 5,9 mld. tokens), který zachycuje psanou češtinu především z let 1990-2020. Obsahuje převážně texty publicistické, ačkoli zahrnuje také velké množství dalších textových typů (beletrii, oborovou literaturu). Korpus je lemmatizován a morfologicky označkován kombinací stochastických a pravidlových metod, u každého textu jsou uvedeny podrobné bibliografické a další údaje včetně jeho příslušnosti ke klasifikaci textů. Rozdíl oproti předchozí verzi, korpusu SYN v9, spočívá jednak v aktualizaci publicistiky (přidání textů z roku 2020 v rozsahu přes 150 mil. textových slov) a jednak ve vylepšení lemmatizace a morfologického značkování.
Czech name
SYN v10: korpus současné psané češtiny
Czech description
Synchronní korpus o celkovém rozsahu téměř 4,9 mld. textových slov (tj. 5,9 mld. tokens), který zachycuje psanou češtinu především z let 1990-2020. Obsahuje převážně texty publicistické, ačkoli zahrnuje také velké množství dalších textových typů (beletrii, oborovou literaturu). Korpus je lemmatizován a morfologicky označkován kombinací stochastických a pravidlových metod, u každého textu jsou uvedeny podrobné bibliografické a další údaje včetně jeho příslušnosti ke klasifikaci textů. Rozdíl oproti předchozí verzi, korpusu SYN v9, spočívá jednak v aktualizaci publicistiky (přidání textů z roku 2020 v rozsahu přes 150 mil. textových slov) a jednak ve vylepšení lemmatizace a morfologického značkování.
Classification
Type
R - Software
CEP classification
—
OECD FORD branch
60203 - Linguistics
Result continuities
Project
<a href="/en/project/LM2018137" target="_blank" >LM2018137: Czech National Corpus</a><br>
Continuities
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Others
Publication year
2022
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Internal product ID
SYN v10
Technical parameters
https://wiki.korpus.cz/doku.php/cnk:syn:verze10
Economical parameters
Korpus je veřejně dostupný především přes rozhraní KonText na https://www.korpus.cz/kontext/ , průměrný počet uživatelských dotazů se pohybuje okolo 140 denně.
Owner IČO
00216208
Owner name
Univerzita Karlova