Korpusy pro překladatele
(španělština)
Jarmila Fictumová
KAA FF MU
Korpusy
JEDNOJAZYČNÉ: cizojazyčné, české;
všeobecné, specializované (dle žánru či
odborné, ad hoc)
DVOJJAZYČNÉ: paralelní (= překladové);
srovnatelné (pro vyhledávání odborné
terminologie)
STUDENTSKÉ (neboli žákovské – tj. learner):
jednojazyčné; překladové (výuka překladu)
ZÁKLADNÍ TERMINOLOGIE UŽÍVANÁ
V KORPUSOVÉ LINGVISTICE
 ANOTACE (značkování; tagování): přidělení explicitní lingvistické
informace k textu (větné členy a sémantická anotace)
 CÍLOVÝ JAZYK (CJ): jazyk, do kterého překládáme
 CQL (CONTEXTUAL QUERY LANGUAGE): vyhledávací jazyk
 DIACHRONNÍ KORPUS: studuje vývoj jazyka za určité delší časové
období
 KONKORDANCE: bezprostřední kontext dané lexikální jednotky
ZÁKLADNÍ TERMINOLOGIE UŽÍVANÁ
V KORPUSOVÉ LINGVISTICE
 KORPUS: obsáhlá sbírka autentických textů v elektronické podobě
(psaných textů nebo transkripce mluveného jazyka), shromážděných
podle určitých kritérií)
 KORPUSOVÝ MANAŽER: software, který nachází konkordance pro
hledané termíny, nachází všechny jejich výskyty v daném korpusu
 KWIC (KEY WORD IN CONTEXT): zobrazení slova v jeho kontextu;
obvykle ve středu monitoru
 LEMMA: slovní tvar, který je dohodou vybrán jako reprezentant všech
souvisejících forem
 LEXÉM (ANGL. TYPE): každé různé slovo v korpusu (např. Žil u lesa u
řeky - 4 lexémy, ale 5 tvarů slova / tokenů)
 OTEVŘENÝ KORPUS: korpus, který je pravidelně doplňován
ZÁKLADNÍ TERMINOLOGIE UŽÍVANÁ
V KORPUSOVÉ LINGVISTICE
 PARALELNÍ KORPUS: různojazyčné texty – překlady, zarovnané
většinou po větách, podobně jako překladové paměti
 SROVNATELNÝ KORPUS: různojazyčné texty, které nejsou
překladem, ale mají některé společné rysy (typ textu, téma...)
 SYNCHRONNÍ KORPUS: nestuduje vývojové změny jazyka
 TOKENY: všechna slova obsažená v korpusu bez ohledu na tvar
 VÝCHOZÍ / ZDROJOVÝ JAZYK (VJ): jazyk ze kterého překládáme
 ZAROVNÁVÁNÍ (ALIGNMENT): nalezení a přiřazení odpovídajících
úseků jinojazyčných textů v paralelních korpusech
 Více na Přehled základních pojmů korpusové lingvistiky
Korpusové nástroje
Informace z článku Jazykové korpusy pomáhají
s psaním textů (MUNI.CZ 14.1.2014)
Zuzany Nevěřilové, která působí v Centru
zpracování přirozeného jazyka Fakulty informatiky
MU a vyučuje v Centru počítačové
lingvistiky Filozofické fakulty MU.
Software s názvem Sketch Engine vyvíjí společnost Lexical Computing ve
spolupráci s Centrem zpracování přirozeného jazyka Masarykovy univerzity už
přes deset let. Všichni studenti a zaměstnanci mají k tomuto programu, založeném
na jazykových korpusech, volný přístup. …
… Sketch Engine vypočítá slovní profil (takzvaný word sketch), který ukáže, s jakými
slovy-partnery se kandidát vyskytuje společně, jak často a v jakých kontextech. …
… Ze slovních profilů pak dokáže Sketch Engine vypočítat na větších celcích
(frázích) dobré partnery. Výsledkem takového výpočtu je tedy Tezaurus, pomocí
kterého najdeme významově blízká slova. …
… Software ale obsahuje i řadu dalších pokročilých funkcí pro práci s vlastními
korpusy (automatickou extrakci klíčových slov, subkorpusy podle délky dokumentu či
atributů autora) nebo pro práci s vícejazyčnými (paralelními) korpusy. Sketch Engine
nabízí v současnosti více než 400 korpusů pro 70 jazyků. Všechny funkce jsou
popsány v dokumentaci.
Dokumentace ve španělštině
WEBOVÉ KORPUSY
(VÍCE INFORMACÍ v článku o přednášce ING VLADIMÍRA BENKA)
 ŠPANĚLSKÉ KORPUSY
 esTenTen11 (American, Freeling)
 esTenTen11 (European, TreeTagger)
 EUROPARL5, Spanish-English
 OPUS2 Spanish
 Spanish web corpus
 ČESKÉ KORPUSY
 czTenTen12 [v. 7]
 OPUS2 Czech
 CzechParl 2012
 Bruna Bohemica Minor (czes 14.04) 121 M
ČNK
Kliknutím na logo se zobrazí formulář registrace.
 MANUÁL PRÁCE S KORPUSOVÝM ROZHRANÍM
Lze očekávat, že bude zpřístupněn i webový korpus
Araneum Hispanicum. Zatím jen Araneum Slovacum.
CIZOJAZYČNÉ KORPUSY
Mark Davies: Professor, Corpus Linguistics, Brigham Young
University
Corpus del Español
Google Books: Spanish
Další možnosti
 University of Leeds: tutoriál v angličtině
PILOTNÍ PROVOZ
NÁSTROJ NA VYTVÁŘENÍ PARALELNÍCH KORPUSŮ A STUDENTSKÝCH
KORPUSŮ JEDNO- I DVOJJAZYČNÝCH S OZNAČOVÁNÍM CHYB
Dotazy?
Děkuji vám za pozornost!