Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Introducing a corpus of non-native Czech with automatic annotation

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11210%2F17%3A10366730" target="_blank" >RIV/00216208:11210/17:10366730 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Introducing a corpus of non-native Czech with automatic annotation

  • Popis výsledku v původním jazyce

    Learner corpus can be annotated with linguistic categories, target hypotheses and error labels. We show that useful results can be achieved even for non-native Czech by applying methods and tools developed for standard language. The corpus includes more than 8.6 thousands short essays, nearly one million words. First, the texts are processed by a tagger and lemmatizer. Then, a stochastic spelling and grammar checker is used to propose correct forms for non-words and some incorrect &apos;real words&apos;. The precision of this step is above 80%. The corrected texts are tagged again. Original and corrected forms are compared and error labels, based on criteria applicable in a formally specifiable way, are assigned. The metadata include, i.a., the author&apos;s sex, age, first language, CEFR level of proficiency in Czech, and the task&apos;s time limit and topic. The corpus is available on-line via a search interface or for download.

  • Název v anglickém jazyce

    Introducing a corpus of non-native Czech with automatic annotation

  • Popis výsledku anglicky

    Learner corpus can be annotated with linguistic categories, target hypotheses and error labels. We show that useful results can be achieved even for non-native Czech by applying methods and tools developed for standard language. The corpus includes more than 8.6 thousands short essays, nearly one million words. First, the texts are processed by a tagger and lemmatizer. Then, a stochastic spelling and grammar checker is used to propose correct forms for non-words and some incorrect &apos;real words&apos;. The precision of this step is above 80%. The corrected texts are tagged again. Original and corrected forms are compared and error labels, based on criteria applicable in a formally specifiable way, are assigned. The metadata include, i.a., the author&apos;s sex, age, first language, CEFR level of proficiency in Czech, and the task&apos;s time limit and topic. The corpus is available on-line via a search interface or for download.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

  • OECD FORD obor

    60203 - Linguistics

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LM2011023" target="_blank" >LM2011023: Český národní korpus</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Language, Corpora and Cognition

  • ISBN

    978-3-631-70709-8

  • Počet stran výsledku

    18

  • Strana od-do

    163-180

  • Počet stran knihy

    296

  • Název nakladatele

    Peter Lang

  • Místo vydání

    Frankfurt am Main

  • Kód UT WoS kapitoly