Presná definícia
Čo znamená korpus?
Korpus je systematicky zostavená zbierka jazykových prejavov v textovej, zvukovej alebo multimodálnej podobe, doplnená metadátami a niekedy anotáciami. Na rozdiel od náhodného súboru dokumentov má opísaný výber, licencie, jednotky a účel, aby bolo možné posúdiť reprezentatívnosť a zopakovať analýzu.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Korpus slúži na opis používania slovenčiny, tréning taggera alebo hodnotenie prekladu. Správca zdokumentuje zdroje, obdobie, žánre, jazyky, súhlasy, licencie, deduplikáciu a rozdelenie na tréningovú a testovaciu časť. Pri publikovaní poskytne datasheet a prístupové pravidlá, nie iba počet slov.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Ako funguje korpus?
Záznamy sa zhromaždia podľa výberového rámca, normalizujú, označia metadátami a prípadne anotujú lingvistickými značkami.
Kedy má korpus praktický význam?
Korpus slúži na opis používania slovenčiny, tréning taggera alebo hodnotenie prekladu.
S čím si pojem nezamieňať?
Textový korpus obsahuje primárne písaný text; korpus môže zahŕňať aj reč, gestá, obraz alebo paralelné preklady.
Ako sa výsledok kontroluje?
Kontroluje sa pôvod, licencia, duplicita, distribúcia žánrov, kvalita anotácie a únik testovacích položiek do tréningu.
Na čo si dať pozor?
Veľkosť sama nezaručuje reprezentatívnosť; nejasné súhlasy, osobné údaje a historické predsudky sa môžu preniesť do modelu.