New Spoken Corpora of Czech: ORTOFON and DIALEKT

Zuzana Komrsková; Marie Kopřivová; David Lukeš; Petra Poukarová; Hana Goláňová

doi:10.1515/jazcas-2017-0031

Abstract

The paper introduces the ORTOFON corpus of spontaneous spoken Czech and the DIALEKT corpus of Czech dialects, their design principles and practical solutions adopted during data collection.

References

[1] Balhar, J. et al. (1992–2011). Český jazykový atlas. 6 sv. Academia, Praha.
Search in Google Scholar Back to article
[2] Balhar, J. et al. (2011). Český jazykový atlas. Dodatky. Academia, Praha.
Search in Google Scholar Back to article
[3] Benešová, L., Waclawičová, M., and Křen, M. (2013). ORAL2013: reprezentativní korpus neformální mluvené češtiny. ÚČNK FF UK, Praha. Accessible at: http://korpus.cz.
Search in Google Scholar Back to article
[4] Crowdy, S. (1993). Spoken Corpus Design and Transcription. Literary and Linguistic Computing 8(4):259–265.10.1093/llc/8.4.259
Search in Google Scholar Back to article
[5] Čermák, F., Adamovičová, A., and Pešička, J. (2001). PMK (Pražský mluvený korpus): přepisy nahrávek pražské mluvy z 90. let 20. století. Ústav Českého národního korpusu FF UK, Praha. Accessible at: http://www.korpus.cz.
Search in Google Scholar Back to article
[6] Čermák, F. et al. (2007). Frekvenční slovník mluvené češtiny. Karolinum, Praha.
Search in Google Scholar Back to article
[7] Čermák, F. (2009). Spoken Corpora Design: Their Constitutive Parameters. International Journal of Corpus Linguistics, 14(1):113–123.10.1075/ijcl.14.1.07cer
Search in Google Scholar Back to article
[8] Dialektologická komise České akademie věd a umění (1951). Pravidla pro vědecký přepis dialektických zápisů českých a slovenských. Česká akademie věd a umění, Praha.
Search in Google Scholar Back to article
[9] Feagin, C. (2002). Entering the community: Fieldwork. In Chambers, J. K., Trudgill, P., and Schilling-Estes, N., editors, The Handbook of Language Variation and Change, pages 20–39, Blackwell Publishing, Malden, MA.10.1002/9780470756591.ch1
Search in Google Scholar Back to article
[10] Goláňová, H., Kopřivová, M., Lukeš, D., and Štěpán, M. (2015). Kartografické a geografické zpracování dat z mluvených korpusů. Korpus – gramatika – axiologie, 11:42–54.
Search in Google Scholar Back to article
[11] Hajič, J. and Hlaváčová, J. (2013). MorfFlex CZ. Univerzita Karlova v Praze, MFF, ÚFAL, Praha.
Search in Google Scholar Back to article
[12] Hlaváčková, D. (2001). Korpus mluvené češtiny z brněnského prostředí a jeho morfologické značkování. Slovo a slovesnost, 62(1):62–70.
Search in Google Scholar Back to article
[13] Hlaváčková, D. and Osolsobě, K. (2008). Morfologické značkování mluvených korpusů, zkušenosti a otevřené otázky. In Kopřivová, M. and Waclawičová, M., editors, Čeština v mluveném korpusu, pages 105–114, Nakladatelství Lidové noviny / Ústav Českého národního korpusu, Praha, Czech Republic.
Search in Google Scholar Back to article
[14] Kloferová, S. (2000). Mluva v severomoravském pohraničí. Masarykova univerzita, Brno.
Search in Google Scholar Back to article
[15] Kopřivová, M. and Waclawičová, M. (2006). ORAL2006: korpus neformální mluvené češtiny. Ústav Českého národního korpusu FF UK, Praha. Accessible at: http://www.korpus.cz.
Search in Google Scholar Back to article
[16] Kopřivová, M., Goláňová, H., Klimešová, P., and Lukeš, D. (2014). Mapping Diatopic and Diachronic Variation in Spoken Czech: the ORTOFON and DIALEKT Corpora. In Proceedings of the 9th International Conference on Language Resources and Evaluation (LREC 2014), pages 376–382, European Language Resources Association, Reykjavík, Iceland.
Search in Google Scholar Back to article
[17] Kopřivová, M., Goláňová, H., Klimešová, P., Komrsková, Z., and Lukeš, D. (2014). Multi-tier Transcription of Informal Spoken Czech: The ORTOFON Corpus Approach. In Complex Visibles Out There, pages 529–544, Univerzita Palackého v Olomouci, Olomouc, Czech Republic.
Search in Google Scholar Back to article
[18] Kopřivová, M., Komrsková, Z., Lukeš, D., and Poukarová, P. (2017). Korpus ORAL: sestavení, lemmatizace a morfologické značkování. Korpus – gramatika – axiologie, 15:47–67.
Search in Google Scholar Back to article
[19] Lamprecht, A. and Michálková, V., editors (1976). České nářeční texty. SPN, Praha.
Search in Google Scholar Back to article
[20] Lukeš, D., Klimešová, P., Komrsková, Z., and Kopřivová, M. (2015). Experimental tagging of the ORAL series corpora: Insights on using a stochastic tagger. In Král, P. and Matoušek, V., editors, TSD 2015, LNAI 9302, pages 342–350, Springer International Publishing.10.1007/978-3-319-24033-6_39
Search in Google Scholar Back to article
[21] Sloetjes, H. and Wittenburg, P. (2008). Annotation by Category: ELAN and ISO DCR. In LREC 2008: Sixth International Conference on Language Resources and Evaluation, pages 816–820. Accessible at: http://www.lrec-conf.org/proceedings/lrec2008/summaries/208.html, retrieved 2017-07-31.
Search in Google Scholar Back to article
[22] Sochová, Z. (2001). Lašská slovní zásoba. Academia, Praha.
Search in Google Scholar Back to article
[23] Waclawičová, M., Kopřivová, M., Křen, M., and Válková, L. (2008). ORAL2008: sociolingvisticky vyvážený korpus neformální mluvené češtiny. Ústav Českého národního korpusu FF UK, Praha. Accessible at: http://www.korpus.cz.
Search in Google Scholar Back to article

New Spoken Corpora of Czech: ORTOFON and DIALEKT

Abstract

Paradigm

My account