Chybový korpus z Wikipedie

Bc. Jiří Kletečka

Bachelor's thesis

Wikipedia Learner's Corpus

Anotácia:

Tato bakalářská práce se zabývá automatizovanou tvorbou chybového korpusu z historie článků na Wikipedii. Takový korpus obsahuje nejnovější verze článků s anotacemi chyb získanými z historie jednotlivých editací. Pro tento účel byl navrhnut a naprogramován nástroj, který byl dále použit při tvorbě chybového korpusu z české jazykové mutace Wikipedie. Výsledný korpus byl umístěn na fakultní server a zpřístupněn uživatelům pomocí rozhraní nástroje Sketch Engine.

Abstract:

This bachelor's thesis deals with an automated creation of error-annotated corpus from Wikipedia history of articles. Such corpus contains the newest versions of articles with marked errors obtained from their editing history. For that reason, a new tool was designed and implemented. After implementation, it was used in the process of corpus creation using Czech Wikipedia database dump and this corpus was uploaded to the faculty server for public use through interface of Sketch Engine.

Keywords

Learner's corpus, Error corpus, Wikipedia, Wikipedia revision history, Sketch Engine, Chybový korpus, Wikipedie, Historie editací

Jazyk práce: English

Datum vytvoření / odevzdání či podání práce: 25. 5. 2017

Obhajoba závěrečné práce

• Obhajoba proběhla 27. 6. 2017
• Vedúci: Mgr. et Mgr. Vít Baisa, Ph.D.
• Oponent: RNDr. Vít Suchomel

Masaryk University

Faculty of Informatics

Bachelor programme / odbor:
Applied Informatics / Applied Informatics