Charles Explorer logo
🇨🇿

SYN v5: korpus současné psané češtiny

Publikace

Abstrakt

Synchronní korpus o celkovém rozsahu 3,8 mld. textových slov (tj. 4,6 mld. tokens), který zachycuje psanou češtinu především z let 1990-2015. Obsahuje převážně texty publicistické, ačkoli zahrnuje také velké množství dalších textových typů (beletrii, oborovou literaturu).

Korpus je lemmatizován a morfologicky označkován kombinací stochastických a pravidlových metod, u každého textu jsou uvedeny podrobné bibliografické a další údaje včetně jeho příslušnosti k revidované klasifikaci textů. Rozdíl oproti předchozí verzi, korpusu SYN v4, spočívá zejména v aktualizaci publicistiky (přidání textů z roku 2015).