Korpus DIA1900: jeho koncepce a vytváření

• Autorzy: Benešová Lucie , Kučera Karel , Najbrtová Kateřina , Pivoňková Klára , Stluka Martin

Warianty tytułu

Corpus DIA1900: its Conception and Building

• Języki publikacji: CS

Abstrakty

EN

The objective of the paper is to describe the principles for building the onemillionword DIA1900 Corpus consisting of Czech texts published between 1851 and 1900, designed to be both balanced and representative. There are two main goals determining the methods of corpus building and the decision to develop new tools tailored to the special needs of 19th century Czech: 1) to present the variability of Czech in the 2nd half of the 19th century (including spelling, morphology, wordformation) and 2) to link the detected variants to the appropriate lemmas. The paper presents the phases of the processing of the texts, including transcription, manual pre-annotation, as well as the construction of a large morphological dictionary and the selection of a suitable set of paradigms. Further sections are focused on annotation and morphological tagging and manual disambiguation. The objective was to create a gold standard, intended for use in the automatic annotation both of the DIA1900 corpus and the planned corpus of Czech texts of the years 1800–1850.

Słowa kluczowe

EN

diachronic corpus; 19th century Czech; morphological dictionary; lemmatization; morphological annotation; tagset

CS

diachronní korpus; čeština 19. století; morfologický slovník; lemmatizace; morfologické značkování; tagset

• Wydawca: Charles University in Prague, Faculty of Arts, Czech Republic
• Czasopismo: Časopis pro moderní filologii (Journal for Modern Philology)
• Rocznik: 2023
• Tom: 105
• Numer: 1
• Strony: 121-140

Twórcy

autor

Benešová Lucie

• Ústav Českého národního korpusu, Filozofická fakulta Univerzity Karlovy

autor

Kučera Karel

• Ústav Českého národního korpusu, Filozofická fakulta Univerzity Karlovy

autor

Najbrtová Kateřina

• Ústav Českého národního korpusu, Filozofická fakulta Univerzity Karlovy

autor

Pivoňková Klára

• Ústav Českého národního korpusu, Filozofická fakulta Univerzity Karlovy

autor

Stluka Martin

• Ústav Českého národního korpusu, Filozofická fakulta Univerzity Karlovy