Slowakisches Nationalkorpus Slovenský národný korpus Tschechisches Nationalkorpus Česky národní korpus erstellt von: Rita Plos Seminar: Slawische Korpuslinguistik. - презентация

1 Slowakisches Nationalkorpus Slovenský národný korpus Tschechisches Nationalkorpus Česky národní korpus erstellt von: Rita Plos Seminar: Slawische Korpuslinguistik SS 2006 O. Prof. Dr. Branko Tošović Graz, am

2 Slowakisches Nationalkorpus Slovenský národný korpus Leitung: PhDr. Mária Šimková Institut: Ľ. Štúr-Institut f. Linguistik Slowakische Akademie der Wissenschaften, Bratislava Jazykovedný ústav Ľ. Štúra Slovenská Akadémia Vied, Bratislava Verfügbarkeit:Internet - Sprachen: Slowakisch/Englisch 2 SE: Slawische Korpuslinguistik, SS 2006

3 Struktur des SNK Štruktúra SNK Allgemeines (primäres) Korpus Všeobecný (primárny) korpus Linguistische Quellen Lingvistické zdroje Parallelkorpus Paralelné korpusy 3 SE: Slawische Korpuslinguistik, SS 2006

4 Allgemeines (primäres) Korpus Všeobecný (primárny) korpus Die derzeitige Version dieses Korpus heißt prim-2.1: prim-2.1-public-all – enthält alle Texte: token prim-2.1-public-inf – enthält nur journalistische Texte: token prim-2.1-public-prf – enthält nur Wissenschafts- & Fachtexte: token prim-2.1-public-img – enthält nur Belletristik: token 4 SE: Slawische Korpuslinguistik, SS 2006

5 Allgemeines (primäres) Korpus Všeobecný (primárny) korpus prim-2.1-public-sane – durchgesehenes Korpus, enthält nur nicht-linguistische Texte mit Standardqualität (richtige diakritische Zeichen, Standard der slowakischen Gegenswartssprache): token prim-2.1-public-skimg – enthält nur original slowakische Belletristik: token prim-2.1-vyv – ausgeglichenes Korpus (60% journalitische Texte, 20% Belletristik, 20% Fachtexte): token 5 SE: Slawische Korpuslinguistik, SS 2006

6 Allgemeines (primäres) Korpus Všeobecný (primárny) korpus Außerdem gibt es ein spezielles Subkorpus: r-mak händisch morphologisch annotiertes Korpus: token 6 SE: Slawische Korpuslinguistik, SS 2006

7 Linguistische Quellen Lingvistické zdroje Slowakische Sprachwissenschaftler 1976 – 2000 Slovenskí jazykovedci Kleines Wörterbuch der Slowakischen Sprache Krátky slovník slovenskeho jazyka Volltext Datenbank mit ausgewählten Exemplaren des Kultúra slova Magazins Vybrané čísla časopisu Kultúra slova 7 SE: Slawische Korpuslinguistik, SS 2006

8 Parallelkorpus Paralelné korpusy Parallelkorpus f. Computer-Fachausdrücke - Sprachen: alle slawischen Sprachen, alle romanischen Sprachen, Deutsch, Englisch, Chinesisch etc. 8 SE: Slawische Korpuslinguistik, SS 2006

9 Tschechisches Nationalkorpus Česky národní korpus Leitung: Prof. PhDr. František Čermák, DrSc. Institut: Institut des ČNK, Karlsuniversität, Prag Ústav Českého národního korpusu,Univerzita Karlova, Praha Verfügbarkeit:Internet - Sprachen: Tschechisch / Englisch Gegründet: SE: Slawische Korpuslinguistik, SS 2006

10 Struktur des ČNK Struktura ČNK Synchroner Teil / Synchronní část : 1. Geschriebenes Korpus / Psané korpusy 2.Gesprochenes Korpus / Mluvené korpusy 3. Parallelkorpora / Paralelní korpusy Diachroner Teil / Diachronní část : 1. Diachrones Korpus / Diachronní korpus 10 SE: Slawische Korpuslinguistik, SS 2006

11 Geschriebenes Korpus Psané korpusy SYN2000 – enthält zeitgenössische, tschechische Texte: Wörter SYN2005 – enthält zeitgenössische, tschechische Texte: Wörter 11 SE: Slawische Korpuslinguistik, SS 2006 SYN 2000SYN2005 Publizistik publicistika 60%33% Fachliteratur odborná lit. 15%40% Belletristik beletrie 25%27%

12 Geschriebenes Korpus Psané korpusy PUBLIC – reduzierte Version v. SYN2000 (ohne Passwort): Wörter - 60% Publizistik / publicistika - 25% Fachliteratur / odborná literatura - 15% Belletristik / beletrie 12 SE: Slawische Korpuslinguistik, SS 2006

13 Geschriebenes Korpus Psané korpusy Weiters: FSC2000 SYNEC LITERA ORWELL DB – unterstützende Datenbanken und elektr. Wörterbücher 13 SE: Slawische Korpuslinguistik, SS 2006

14 Geschriebenes Korpus Psané korpusy ČNKSYN-Archiv – enthält elektr.Texte in rohen Dateiformaten (MS Word, Ventura etc.), meist nur als Sicherungskopie ČNKSYN-Bank – enthält die an das Korpusformat (SGML), angepassten Texte. Leider ist es nicht möglich die ČNKSYN als ein großes Korpus anzubieten. 14 SE: Slawische Korpuslinguistik, SS 2006

15 Gesprochenes Korpus Mluvené korpusy Prager gesprochenes Korpus Pražský mluvený korpus Brünner gesprochenes Korpus Brněnský mluvený korpus 15 SE: Slawische Korpuslinguistik, SS 2006

16 Parallelkorpora Paralelní korpusy 16 SE: Slawische Korpuslinguistik, SS 2006 InterCorp – Projekt (keine näheren Angaben)

17 DIAKORP – Auswahl alter, tschechischer Texte (13.Jh.) bis heute: ~ Wörter DB – Datenbanken & Wörterbücher auf Alt-Tschechisch ČNKDIA-Archiv – enthält gescannte Texte des Alt- Tschechischen Diachrones Korpus Diachronní korpus SE: Slawische Korpuslinguistik, SS

18 Diachrones Korpus Diachronní korpus ČNKDIA-Bank – enthält: - transkribierte Texte ( Wörter), - transliterierte Texte ( Wörter) - Dialekt-Texte ( Wörter) DIAL – geplantes Dialektkorpus 18 SE: Slawische Korpuslinguistik, SS 2006

19 Literatur und Quellen Literatúra a prameňe / Literatura a prameny Slowakisch / Slovenský Jarošová 1993: Jarošová, A. Korpus textov slovenského jazyka. – In: Slovenská reč. – Bratislava, – Ročník 58, číslo 2. – S Гарабик 2004: Гарабик, Р. Словацкий национальный корпус. – In: Труды международной конференции Корпусная лингвистика – – Санкт-Петербург: Изд-во Санкт- Петербургского ун-та. – С SE: Slawische Korpuslinguistik, SS 2006

20 Literatur und Quellen Literatúra a prameňe / Literatura a prameny Tschechisch/ Český Petkevič 2004: Petkevič, V. Rule-Based Part-of-Speech and Morphological Disambiguation of the Czech National Corpus. – In: Труды международной конференции Корпусная лингвистика – – Санкт - Петербург : Изд - во Санкт - Петербургского ун - та. – С Rychly/Smrz 2004: Rychly, P.; Smrz, P. Manatee, Bonito and Word Sketches for Czech. – In: Труды международной конференции Корпусная лингвистика – – Санкт - Петербург : Изд - во Санкт - Петербургского ун - та. – С SE: Slawische Korpuslinguistik, SS 2006

21 Literatur und Quellen Literatúra a prameňe / Literatura a prameny Копршивова 2004: Копршивова, М. К некоторым вопросам, связанным с лемматизацией корпуса чешских текстов. – In: Труды международной конференции Корпусная лингвистика – – Санкт-Петербург: Изд-во Санкт-Петербургского ун-та. – С SE: Slawische Korpuslinguistik, SS 2006