Abstrakt
Synchronní korpus o celkovém rozsahu téměř 4,9 mld. textových slov (tj. 5,9 mld. tokens), který zachycuje psanou češtinu především z let 1990-2020. 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 ke klasifikaci textů. Rozdíl oproti předchozí verzi, korpusu SYN v9, spočívá jednak v aktualizaci publicistiky (přidání textů z roku 2020 v rozsahu přes 150 mil. textových slov) a jednak ve vylepšení lemmatizace a morfologického značkování.