Jazykový korpus je elektronický soubor autentických textů (psaných nebo mluvených), v němž je možné jednoduše vyhledávat jazykové jevy (zejm. slova a slovní spojení) a zobrazovat je v jejich přirozeném kontextu.
Korpusy ČNK zahrnují současnou psanou (tištěnou) češtinu (v rozsahu přes 5 mld. slov), češtinu internetovou (přes 6 mld. slov), spontánní mluvenou češtinu, češtinu historickou, a také paralelní korpus InterCorp obsahující překlady z nebo do více než 60 jazyků.
Aplikace KonText je základním nástrojem pro práci s korpusy. Umožňuje vyhledávání v korpusech pomocí jednoduchých i komplexních dotazů, zobrazení formou konkordančních řádků, vypočtení frekvenční distribuce, asociačních měr kolokací a další práci s jazykovými daty. Přehledně jsou všechny funkce KonTextu popsány v manuálu.
Nástroj SyD je určen pro všestranný průzkum variant jak v současném jazyce, tak v průběhu jeho vývoje. Využívá korpusů ČNK, s jejichž pomocí zjišťuje, jak často se která varianta užívá v současnosti a užívala v průběhu vývoje češtiny. Pro jeho vyzkoušení stačí zadat dvě varianty jednoho jevu, které si vzájemně konkurují, např. téměř × skoro.
Nástroj Morfio slouží pro vyhledávání slovotvorných vztahů mezi jednotkami v korpusech, např. lovit - úlovek. Umožňuje najít všechny dvojice slov tvořené stejným způsobem a vyhodnotit morfologickou produktivitu jejich tvoření. Aplikace využívá rozsáhlých korpusů psaného jazyka, které pokrývají širokou paletu slovotvorných možností současné češtiny.
Aplikace KWords poskytuje základní východisko pro empiricky podloženou interpretaci textů tím, že analyzuje slova v zadaném textu a porovnává jejich frekvenci s referenčním korpusem. Výsledkem takové analýzy je identifikace klíčových slov, tj. jednotek vyskytujících se signifikantně častěji v analyzovaném textu než v korpusu, který představuje neutrální jazykový úzus.
Aplikace umožňuje snadné vyhledávání překladových ekvivalentů v oboustranných česko-cizojazyčných slovnícícch vytvořených automaticky na základě dat paralelního korpusu InterCorp.
Český národní korpus (ČNK) byl založen na Filozofické fakultě Univerzity Karlovy v roce 1994 s cílem vytvářet a zpřístupňovat rozsáhlá jazyková data pro výuku a výzkum v podobě elektronických korpusů.
Od roku 2012 je ČNK na Cestovní mapě Velkých výzkumných infrastruktur financovaných MŠMT, v současné době jako projekt LM2023044 (2023-2026). Infrastrukturní status spolu s podporou z programu LM umožňuje ČNK poskytovat komplexní uživatelské služby, které kromě kontinuálního datového mapování češtiny zahrnují také vývoj nových aplikací a mnohostrannou uživatelskou podporu.
Internetová příručka ČNK ve formě wiki představuje komplexní bázi znalostí pro práci s korpusy. Kromě informací o nástrojích a datech ČNK obsahuje i slovníček pojmů z korpusové lingvstiky a kurz v 7 lekcích.
Pro registrované uživatele je k dispozici naše centrum podpory. Vedle hlášení chyb a požadavků na nové funkce obsahuje zejména internetovou Poradnu, v níž na dotazy uživatelů odpovídají členové týmu ČNK.
Biblio je repozitář vědeckých publikací a kvalifikačních prací, které jsou založeny na zdrojích ČNK. Repozitář je přístupný všem návštěvníkům tohoto portálu a slouží jako neustále doplňovaná bibliografie korpusové lingvistiky. Chcete vědět více?
Rada ČNK je stálým poradním orgánem výzkumné infrastruktury Český národní korpus. Rada průběžně sleduje vědeckou kvalitu projektu, vyjadřuje se k jeho dalšímu směřování a na svých každoročních zasedáních hodnotí výsledky projektu.
Není pro vaše výzkumné cíle přístup ke korpusům přes vyhledávací rozhraní dostačující? ČNK poskytuje také datové balíčky odvozené od zveřejněných korpusů způsobem, který respektuje omezení vyplývající z dohod uzavřených s poskytovateli textů, z autorského zákona a dalších platných předpisů.
Zřídili jsme nový repositář korpusových cvičení pro využití ve výuce jazyků na ZŠ a SŠ. Na této pravidelně aktualizované stránce můžete najít předem připravené pracovní listy s úlohami, které stačí jen vytisknout, i tipy pro přímou práci s korpusy a korpusovými nástroji ve výuce.
