Bc. Martin Šmíd

Bachelor's thesis

Textové korpusy ze závěrečných prací

Text corpora from theses
Abstract:
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.
 

Keywords

jazykový korpus paralelní korpus korpusová lingvistika identifikace jazyka závěrečné práce Sketch Engine Python corpus parallel corpus corpus linguistics language identification theses
 
Language used: Czech
Date on which the thesis was submitted / produced: 19. 5. 2016
Identifier: https://is.muni.cz/th/anxmd/

Thesis defence

  • Date of defence: 23. 6. 2016
  • Supervisor: Mgr. et Mgr. Vít Baisa, Ph.D.
  • Reader: RNDr. Vít Suchomel

Citation record

Cite this text

Full text of thesis

Contents of on-line thesis archive
Published in Theses:
  • světu
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Masarykova univerzita, Fakulta informatiky
Složka Reference to the local database directory of the institution

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Informatics / Artificial Intelligence and Natural Language Processing

Theses on a related topic

List of theses with an identical keyword.
All theses