Charles Explorer logo
🇨🇿

Korpus InterCorp, verze 9

Publikace

Abstrakt

InterCorp má ve verzi 9 celkem 1460 mil. slov v cizích jazycích, z toho 232 mil. připadá na jádro a 1229 mil. na kolekce. Počet slov v českých textech je celkem 187 mil., z toho 97 mil. v jádře a 90 mil. v kolekcích.

Novým jazykem se stala romština a nově jsou označkované a lemmatizované jazyky chorvatština, srbština, lotyština. Srbské texty zapsané cyrilicí byly konvertovány do latinky.

Díky novému způsobu plánování textů se zlepšilo zastoupení jednotlivých jazyků. Také byla sjednocena jména autorů a překladatelů v rámci jednoho jazyka.