Database and Corpora Creation within RapCor Project for Czech

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14210%2F25%3A00142874" target="_blank" >RIV/00216224:14210/25:00142874 - isvavai.cz</a>

Výsledek na webu

<a href="https://raslan2025.nlp-consulting.net/" target="_blank" >https://raslan2025.nlp-consulting.net/</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Database and Corpora Creation within RapCor Project for Czech

Popis výsledku v původním jazyce

This paper introduces the motivations and first results of the creation of Czech RapCor project, mainly the constitution process of Czech RapCor Boosted v1 (Czech RCB), a specialized corpus of Czech rap lyrics designed for sociolinguistic and NLP research. The corpus highlights distinctive linguistic features, such as written colloquialism, frequent use of vulgarisms, and non-standard forms, which pose challenges for traditional NLP tools. Preliminary results demonstrate the corpus’s potential for studying authentic spoken language in written form, offering insights into rap culture and sociolinguistic phenomena.

Název v anglickém jazyce

Database and Corpora Creation within RapCor Project for Czech

Popis výsledku anglicky

This paper introduces the motivations and first results of the creation of Czech RapCor project, mainly the constitution process of Czech RapCor Boosted v1 (Czech RCB), a specialized corpus of Czech rap lyrics designed for sociolinguistic and NLP research. The corpus highlights distinctive linguistic features, such as written colloquialism, frequent use of vulgarisms, and non-standard forms, which pose challenges for traditional NLP tools. Preliminary results demonstrate the corpus’s potential for studying authentic spoken language in written form, offering insights into rap culture and sociolinguistic phenomena.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

50902 - Social sciences, interdisciplinary

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Název statě ve sborníku

Raslan 2025 : recent advances in slavonic natural language processing

ISBN

9788026318583

ISSN

2336-4289

e-ISSN

—

Počet stran výsledku

8

Strana od-do

137-144

Název nakladatele

Tribun EU

Místo vydání

Brno

Místo konání akce

Kouty nad Desnou

Datum konání akce

1. 1. 2025

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—