Textové korpusy ze závěrečných prací

Bc. Martin Šmíd

Bakalářská práce

Text corpora from theses

Anotace:

Cílem práce je vytvořit nástroj pro stahování závěrečných prací z Informačního systému a vybudovat z nich textové korpusy. První část práce přibližuje korpusovou lingvistiku a využití jazykových korpusů. Následuje popis problematiky rozpoznání jazyka, která je důležitá pro odfiltrování nežádoucích textů. Ve třetí části je popsána implementace navrženého programu.

Abstract:

The aim of this bachelor thesis is to create a tool for downloading students theses from the Information system and to build text corpora. The corpus linguistics field is described in the first part of this thesis. After that a description of a language identification follows, which is important for filtering unwanted texts. In the third part the description of the tool implementation is given.

Klíčová slova

jazykový korpus, paralelní korpus, korpusová lingvistika, identifikace jazyka, závěrečné práce, Sketch Engine, Python, corpus, parallel corpus, corpus linguistics, language identification, theses

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 19. 5. 2016

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2016
• Vedoucí: Mgr. et Mgr. Vít Baisa, Ph.D.
• Oponent: RNDr. Vít Suchomel

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka