Pražský závislostní korpus mluvené češtiny (PDTSC 2.0)

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F17%3A10424542" target="_blank" >RIV/00216208:11320/17:10424542 - isvavai.cz</a>

Výsledek na webu

<a href="http://hdl.handle.net/11234/1-3189" target="_blank" >http://hdl.handle.net/11234/1-3189</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Pražský závislostní korpus mluvené češtiny (PDTSC 2.0)

Popis výsledku v původním jazyce

Pražský závislostní korpus mluvené češtiny 2.0 (PDTSC 2.0) je korpus mluveného jazyka o objemu 742 316 tokenů, 73 835 vět, což představuje 7 324 minut (více než 120 hodin) spontánních dialogů. Dialogy byly zaznamenány, přepsány a upraveny na několika vzájemně propojených rovinách: zvukový záznam, automatický a ruční přepis a ručně rekonstruovaný text. Tyto vrstvy byly součástí první verze korpusu (PDTSC 1.0). Verze 2.0 je rozšířena o automatickou analýzu závislostí (na analytické rovině) a především o manuální anotaci &quot;hluboké&quot; syntaxe na tektogramatické rovině, která obsahuje anotaci hloubkových vztahů, valence i anotaci koreference.

Název v anglickém jazyce

Prague Dependency Treebank of Spoken Czech 2.0 (PDTSC 2.0)

Popis výsledku anglicky

The Prague Dependency Treebank of Spoken Czech 2.0 (PDTSC 2.0) is a corpus of spoken language, consisting of 742,316 tokens and 73,835 sentences, representing 7,324 minutes (over 120 hours) of spontaneous dialogs. The dialogs have been recorded, transcribed and edited in several interlinked layers: audio recordings, automatic and manual transcripts and manually reconstructed text. These layers were part of the first version of the corpus (PDTSC 1.0). Version 2.0 is extended by an automatic dependency parser at the analytical and by the manual annotation of &quot;deep&quot; syntax at the tectogrammatical layer, which contains semantic roles and relations as well as annotation of coreference.

Druh

R - Software

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Interní identifikační kód produktu

PDTSC20

Technické parametry

Výsledek volně dostupný na adrese http://hdl.handle.net/11234/1-3189.

Ekonomické parametry

6,000,000 CZK

IČO vlastníka výsledku

00216208

Název vlastníka

Univerzita Karlova