Définition, élaboration et exploitation d'un corpus parallèle bidirectionnel français - tchèque tchèque français

Abstract

Disertační práce sestává ze tří částí, jež odpovídají názvu. Autor nejprve představuje koncepci paralelního korpusu a na obecné rovině jej definuje jakožto soubor textů v několika jazycích (nejméně dvou) tvořený dvojicemi originál-překlad. Je uvedena terminologie pro pojmenování různých druhů textových souborů ve víceru jazyků a k získání obecného přehledu v dané oblasti se mohou čtenáři seznámit s paralelními korpusy, které v současné době existují. Následně je definován francouzsko-český a česko-francouzský paralelní korpus (Fratchque), a to vzhledem k jeho budoucímu použití pro jazykovědný výzkum, zejména k vyhledávání nesklonných výrazů, jež představují autorův střed zájmu. Fratchque je paralelní korpus beletristických textů psaných francouzsky a česky; autor uvádí výčet obtíží, jež zamezily tomu, aby korpus obsahoval i jiné druhy textů. Korpus existuje pouze v digitální podobě, aby umožnil vyhledávání za pomoci počítače. Snaží se odrážet moderní jazyk, proto obsahuje pouze texty, které pocházejí z doby po roce 1945. Struktura souborů uložených na pevném disku, již spravuje program ParaConc, může být v budoucnu obohacena o nové dvojice českofrancouzských či francouzsko-českých textů. Není explicitně označkována XML značkami, což je ospravedlněno tím, že v současné době značkování není třeba; korpusový...

According to the title, the thesis is composed of three parts. At the beginning the author introduces the concept of a parallel corpus defining it as a set of texts in different (at least two) languages, composed of original-translation couples. A terminology is provided to name different sets of texts in different languages. To have a general overview of this specific field, readers can be acquainted with the present existing parallel corpus. A definition of the project for creating a bidirectional French-Czech Czech-French parallel corpus is given in order to use it in linguistic research, notably research upon inflected expressions. French and Czech texts composing the parallel corpus Fratchque come from literature; the author also gives the explanation regarding the reason why other kinds of texts have not been taken into account. This corpus, conceived for PC-based researches, exists only in digital format. Having in mind the purpose of representing modern language, only texts after the year 1945 have been selected. New couples of French-Czech Czech-French texts could be easily added thanks to the files structure stored on a hard disk and managed by ParaConc. The corpus is not marked up explicitly by XML tags because the tagging is not necessary for the proper functioning of ParaConc - this step,...