Český národní korpus

Poskytovatel

Ministerstvo školství, mládeže a tělovýchovy

Program

Projekty velkých výzkumných infrastruktur

Veřejná soutěž

—

Hlavní účastníci

Univerzita Karlova / Filozofická fakulta

Druh soutěže

VL - Schváleno vládou

Číslo smlouvy

MSMT-15363/2012-32

Název projektu anglicky

Czech National Corpus

Anotace anglicky

The Czech National Corpus (CNC) strives for extensive and continuous data coverage of the Czech language (and other languages in comparison with Czech) aiming thus to build up a foundation for basic and applied research. The CNC is the only project of its kind in the Czech Republic and due to its current results (set of corpora containing more than 1.3 billion tokens in total), it ranks among the foremost corpus research centres in the world. The CNC objective is mainly continuous development and building of language corpora of various types as representative, linguistically processed textual bases for empirical and exact research of the Czech language; these are primarily corpora covering Czech in its present state (synchronic corpora of written and spoken language), in its historical development (diachronic corpus), and in translation comparison with other languages (parallel corpora). This is closely related to versatile, continually developed and improved structural and specialized linguistic annotation of these corpora. Upon request, the CNC will also cater for comprehensive processing of other corpora created at different institutes in the Czech Republic and abroad, as well as maintaining public access to them. An integral part of the project is providing free and open public service of internet user access to all corpora through specialized corpus tools, including related administration, user service and development of these tools. This is connected to providing of data packages (i.e. processed and annotated collections of language data) to other institutions and individual users in the Czech Republic as well as abroad, in various forms and formats according to the users? needs, with applications ranging from linguistic research to natural language processing.

Kategorie VaV

IF - Infrastruktura výzkumu, vývoje a inovací

CEP - hlavní obor

AI - Jazykověda

CEP - vedlejší obor

AF - Dokumentace, knihovnictví, práce s informacemi

CEP - další vedlejší obor

—

OECD FORD - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)<br>50803 - Information science (social aspects)<br>50804 - Library science<br>60201 - General language studies<br>60202 - Specific languages<br>60203 - Linguistics

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Velká infrastrukutra byla neobyčejně úspěšná v posilování role ČNK v akademickém prostředí českých jazykových studií, a to poskytnutím výzkumné infrastruktury zdrojů a nástrojů pro práci s nimi, výzkumem různých aspektů českého jazyka a jako centrum spolupracujících aktivit.

Zahájení řešení

1. 1. 2012

Ukončení řešení

31. 12. 2015

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

26. 3. 2015

Důvěrnost údajů

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

Systémové označení dodávky dat

CEP16-MSM-LM-U/02:1

Datum dodání záznamu

15. 9. 2017

Celkové uznané náklady

88 000 tis. Kč

Výše podpory ze státního rozpočtu

88 000 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč