Auswahl der wissenschaftlichen Literatur zum Thema „Textový korpus“

Abstract The paper focuses on the analysis of functioning of words with suffix -izmus/-stvo in contemporary Slovak texts. The source of the analysis is the Slovak National Corpus – particularly the corpus of older texts (texts from 1955 to 1989), primary corpus (texts from 1955 to 2017, especially since 2000), and corpus of web texts (until 2017). The comparison of the frequency and collocations of the analysed words shows the dynamics of these microsystems in the language of the previous and the current period, and of partial linguistic analyses.

Analiza zjawiska perswazji w dyskursie środowiskowym Jana Pawła II Niniejszy tekst stanowi analizę porównawczą przemówień Jana Pawła II, w szczególności językowych środków perswazji, które występują się w homiliach tematycznych. W tym celu został stworzony korpus tekstów w dwóch językach – polskim i hiszpańskim, których treść dotyczy m.in. środowiska naturalnego, a następnie zostały zestawione wybrane środki językowe o wartościach perswazyjnych, które w nich występują. Na podstawie konkretnych przykładów Autorka usiłuje wykazać, jakie formy gramatyczne i leksykalne wpływają na perswazyjny charakter przemówień Jana Pawła II oraz jakie różnice występują w ich użyciu w obydwu językach. Análisis del fenómeno de persuasión en el discurso medioambiental de Juan Pablo II El presente texto constituye un análisis contrastivo del discurso de Juan Pablo II y precisamente de los recursos lingüísticos de persuasión que aparecen en un tipo temático de sus homilías. Como material de investigación se utilizan los textos en dos lenguas seleccionadas: polaco y español que tratan únicamente sobre el tema medioambiental. El objetivo del artículo es presentar algunos recursos lingüísticos (retóricos) del fenómeno de persuasión que aparecen en homilías de Juan Pablo II. Nuestra intención es mostrar, a base de una serie de ejemplos concretos, qué elementos formales influyen en el carácter persuasivo del discurso de Juan Pablo II y cómo varían dichos recursos a través de ambas lenguas.

Analiza wyrażeń z czasownikami ruchu w kontekście ekonomii i redundancji leksykalnej: Studium kontrastywne angielsko-hiszpańskieGłównym tematem niniejszego artykułu jest zjawisko ekonomii i redundancji leksykalnej w wyrażeniach czasownikowych. W tym celu została przeprowadzona analiza kontrastywna przykładów diakrytycznych w dwóch wybranych językach: angielskim i hiszpańskim. Badanie oparte jest na manualnym korpusie równoległym, składającym się z przykładów zebranych w dwóch wersjach tego samego literackiego: A moveable feast / París era una fiesta Ernesta Hemingwaya. Zadaniem autorki było przede wszystkim porównanie danych liczbowych uzyskanych z korpusu z teoriami istniejącymi w tradycji typologicznej. Biorąc pod uwagę parametry definiujące zjawisko ekonomii, została ustalona jego skala, która bazuje na analizie wyrażeń zawierających czasowniki ruchu. Odniesienia te doprowadzają do ustalenia, który język z dwóch wymienionych wyżej jest bardziej ekonomiczny, a który bardziej redundantny na płaszczyźnie leksykalnej. Análisis de las expresiones con verbos de movimiento en función de economía y redundancia léxicas: estudio contrastivo inglés-españolEl presente texto constituye un análisis contrastivo de economía y redundancia léxicas en las expresiones verbales. Para este objetivo se realiza un estudio bilateral de los ejemplos diacríticos en dos lenguas seleccionadas: inglés e español. El análisis se basa en un corpus paralelo, que consta de expresiones con verbos recogidos en dos versiones del mismo texto de literatura narrativa de Ernest Hemingway: A moveable feast y su traducción española: París era una fiesta. Nuestra tarea es de confrontar los datos numéricos obtenidos tras el censo con las teorías elaboradas por la tradición tipológica. Teniendo en consideración los parámetros definitorios del fenómeno de economía establecemos su índice numérico basado en el análisis empírico de las expresiones con una de las clases fundamentales de los verbos, los de movimiento. Estas referencias nos llevan a la conclusión de qué lengua de las dos citadas más arriba es realmente más económica y cuál es más redundante en el plano léxico.

Artykuł dotyczy opisu walencji partykuł w języku czeskim. Oparty jest na materiale Praskiego korpusu języka mówionego (PMK), pierwszego czeskiego korpusu języka mówionego. Po krótkim wprowadzeniu wstępnego materiału korpusowego i głównych wyników badań, artykuł skupia się na opisie walencji partykuł, czyli ich zdolności wiązania się z innymi słowami w zdaniu lub z całym zdaniem, co jest ściśle związane z miejscem ich występowania. Koncentruje się również na kumulacji partykuł w mowie, która z punktu widzenia syntagmatyki jest głównie tekstowa i wychwytuje tylko przypadkowo powtarzające się tekstowe kombinacje dwóch lub więcej partykuł obok siebie, w przeciwieństwie do systemowej, wynikiem które są partykuły wielowyrazowe. Jednak oba procesy wskazują na kombinatoryczne możliwości partykuł. Na koniec przedstawiono bezpośrednie otoczenie wszystkich partykuł, które wystąpiły w PMK. Abstrakt Článek se zabývá popisem valence partikulí v mluvené češtině. Vychází z materiálu Pražského mluveného korpusu (PMK), prvního českého mluveného korpusu. Po stručném představení výchozího korpusového materiálu a hlavních výsledků šetření se soustředí na popis valence partikulí, tj. jejich schopnost vázat se na jiná slova ve větě, nebo na celou větu, což úzce souvisí s místem jejich výskytu. Dále se zaměřuje na kumulacipartikulí v promluvě, která je z pohledu syntagmatiky převážně textová a zachycuje pouze náhodně se opakující textové kombinace dvou nebo více partikulí vedle sebe, na rozdíl od systémové, jejímž výsledkem jsou víceslovné partikule. Oba procesy však ukazují na kombinatorické možnosti partikulí. Nakonec je představeno bezprostřední okolí všech partikulí, které se vyskytly v PMK.

This diploma thesis is concerned with research on available methods of plagiarism detection and then with design and implementation of such detector. Primary aim is to detect plagiarism within academic works or theses issued at BUT. The detector uses sophisticated preprocessing algorithms to store documents in its own corpus (document database). Implemented comparison algorithms are designed for parallel execution on graphical processing units and they compare a single subject document against all other documents within the corpus in the shortest time possible, enabling near real-time detection while maintaining acceptable quality of output.

This diploma thesis introduces the definition of plagiarism, distinguishes the types of plagiaries which often take place in praxis and the ways of determining the suspected texts. The means of detection are essential; therefore a whole chapter is dedicated to those. For the detection purposes, it is vital to pre-process the data to reduce the demand factor of the program. There is a preview of some programs which are already being used for the detection of plagiarism. The following chapter introduces some selected indications which have been implemented in the Matlab environment to create a detector of plagiaries in text documents. The created program is described in chapter eight. The applied indications and the detector response are described in a chapter called Indications testing. The testing proved the quality of these indications. The results together with pros and cons of the particular methods are discussed in the conclusion.

Os prefixos germânicos de alguns verbos suecos serão comparados numa análise contrastiva com as relativas equivalências em português e em italiano num corpus paralelo escrito composto por um romance de língua sueca, um de língua portuguesa e um de língua italiana e pelas suas respectivas traduções. As funções desenvolvidas pelos prefixos germânicos dos verbos suecos analisados serão examinadas e depois confrontadas com as relativas equivalências, com o resultado que também nas duas línguas românicas relevam-se, de maneira bastante constante, procedimentos gramaticais parecidos aos desenvolvidos pelos prefixos germânicos.
Germanic prefixes of which some Swedish verbs are composed are going to be compared in acontrastive analysis with their relative equivalences in Portuguese and Italian in a parallel written corpus characterized by a Swedish-language romance, a Portuguese-language romance and an Italian language romance, and by their relative translations. The functions executed by the German prefixes of the analysed Swedish verbs are going to be examined and then compared with their relative equivalences, with the result that even in the Romance languages it is possible to find in a quite constant way grammatical processes which are similar to those executed by the Germanic prefixes.
I prefissi germanici di alcuni verbi svedesi saranno comparati in un'analisi contrastiva con le relative equivalenze in portoghese e in italiano in un corpus parallelo scritto composto da un romanzo di lingua svedese, uno di lingua portoghese e uno di lingua italiana e dalle rispettive traduzioni. Le funzioni svolte dai prefissi germanici dei verbi svedesi analizzati saranno esaminate e poi confrontate con le relative equivalenze, con il risultato che anche nelle due lingue romanze si riscontrano in maniera abbastanza costante processi grammaticali simili a quelli svolti dai prefissi germanici.
De germanska prefix som återfinns i vissa svenska verb kommer att jämföras med sina motsvarigheter på portugisiska och italienska. Detta görs med hjälp av en skriven korpus bestående av en roman ursprungligen skriven på svenska, en skriven på portugisiska och en skriven på italienska samt översättningar av dessa romaner till de två andra språken. Funktionen hos de svenska verben med germanska prefix kommer att analyseras och sedan jämföras med verbens motsvarigheter. Resultatet av analysen visar att det är möjligt att finna systematiskt återkommande grammatiska processer i de romanska språken, som liknar de som förekommer i samband med de germanska prefixen på svenska.

The present master thesis analyses the idiolects of presidential candidates Hillary Clinton and Donald Trump against the background of the speeches of other candidates for the post of President of the United States in 2016. Using the 'corpus-assisted discourse analysis' (Partington et al., 2013), the thesis strives to uncover words, phrases and patterns that distinguish the speech of the two candidates in a political discourse from other presidential candidates. First, the thesis examines the keywords, collocations, negative keywords and clusters of the respective target corpora. While the main focal points of the study are lexical and grammatical indicators of style, proper nouns and lexical indicators of content ('aboutness keywords') are subjects to analysis as well. In the next step the results of the respective analyses are compared, i.e. the differences between the speeches of Hillary Clinton and Donald Trump are discussed.

The dissertation presents one of the possible models of processmg extended textual coreference and bridging anaphora in a large textual corpora, which we then use for annotation of certain relations in texts of the Prague Oependency Treebank (POT). Based, on the one hand, on the literature concerning the theory of reference, discource and some findings of theoretical linguistics, and, on the other hand, using the existing methodology of annotations, we created a detailed classification of textual coreferential relations and types of bridging anaphora. Within textual coreference, we distinguish between two types of textual coreferential relations - coreferential relations between noun phrases with specific reference and coreferential relation between noun phrases with non-specific, primarily generic, reference. We determined six types of relations for bridging anaphora: relation PART- between part and whole; relation SUBSET - between a set and a subset or element of a set; FUNCT - between an object and a unique function on that entity; CONTRAST- between semantíc and contextual opposites; relation ANAF of anaphorical referencing between noncoreferencial objects; REST- for other examples of bridging anaphora. One of the goals of the research is to create a system of theoretical principals that would be used...

- EN The thesis analyzes the idiolect of the then-presidential candidate Barack Obama in the specific speech situation of the televized debates on the background of the utterances of other candidates in the years 2000, 2004 and 2008. The analysis uses corpus-driven methods to compare the Obama corpus with the reference corpus. The comparison is largely based on the analysis of keywords and their use in context, supplemented by the discussion of their collocations and associated clusters. The results of the analysis, i.e. the principal features Obama's idiolect, are presented in a structured summary, divided into specific areas. Keywords: Idiolect, individual textual profile, Obama, keywords, corpus, corpus-driven

The present work focuses on metalanguage comments in Slovak and Czech texts. The comments occur together with contact-induced phenomena employed by both languages and can be identified in text fragments, such as Áno, taký som aj ostanem, lebo vraj starého psa novým kouskúm nenaučíš - ako hovoria bratia Česi / Nebyl jsem schopen jídla, ale lemtal jsem vodu "ani ťava", jak říkají bratia Slováci. The given issue is presented in the context of research focusing on the non-theoretic (folk, naive) metalinguistic reflection. The usage of metalanguage comments, accompanying deliberately contact-induced phenomena, is a testament to the existence of the Czech-Slovak and Slovak-Czech language contact and it clearly shows how Slovak and Czech language users intentionally employ words, multi-word units, idioms and other linguistic devices from the other language to fulfill their communicative intention. By using the contact-induced phenomena from the closely related language the speaker can achieve various communicativ e goals and effects including actualization and refreshing of his or her utterance, being more expressive and filling in subjectively perceived intro-linguistic lacuna. The starting point of the analysis of the metalanguage comments were the data from the Slovak and Czech corpus. A range of...