Český Brown Corpus

Bc. David Krňávek

Bachelor's thesis

Czech Brown Corpus

Anotácia:

Tato bakalářská práce se věnuje tvorbě českého jazykového korpusu, který je z hlediska velikosti, struktury a obsahu ekvivalentem korpusu americké angličtiny známého jako Brown Corpus. K tvorbě korpusu jsou využity texty volně přístupné na internetu. Text práce obecně charakterizuje korpusovou lingvistiku a zasazuje Brown Corpus do jejího kontextu. Dále popisuje proces tvorby nového korpusu od přípravy podkladů po výsledek v podobě korpusu vytvořeného v korpusovém manažeru Sketch Engine. Samotný korpus bohužel nelze zveřejnit z důvodu autorských práv vztahujících se k použitým textům.

Abstract:

This bachelor’s thesis is dedicated to building a Czech corpus which is an equivalent of the American English corpus known as Brown Corpus in terms of size, arrangement, and contents. The corpus is built from texts freely accessible on the internet. The text of this thesis characterises corpus linguistics, puts Brown Corpus into its context and describes the process of building the new corpus from preparing need-ed materials to the resulting corpus built using the corpus manager Sketch Engine. Publishing the corpus is not possible because of copyright restrictions related to texts used in the corpus.

Kľúčové slová

korpusová lingvistika, jazykový korpus, budování jazykového korpusu, ekvivalent Brown Corpusu, korpus češtiny, corpus linguistics, language corpus, building a language corpus, Brown Corpus equivalent, Czech corpus

Jazyk práce: Czech

Datum vytvoření / odevzdání či podání práce: 10. 7. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 8. 9. 2023
• Vedúci: prof. Radek Čech, Ph.D.
• Oponent: Mgr. Hana Žižková, Ph.D.

Masaryk University

Faculty of Arts

Bachelor programme / odbor:
Computational Linguistics / Computational Linguistics