Abstrakt
Synchronní korpus o celkovém rozsahu 5,0 mld. textových slov (tj. 6,0 mld. tokens), který zachycuje psanou češtinu především z let 1990-2021. 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 v10, spočívá jednak v aktualizaci publicistiky (přidání textů z roku 2021 v rozsahu 150 mil. textových slov) a jednak ve vylepšení lemmatizace a morfologického značkování.