Publikace na Matematicko-fyzikální fakulta |
2017
Abstrakt
Představujeme bohatě anotovaný zdroj mluveného jazyka: Pražský závislostní korpus mluvené češtiny, verze 2.0, který je primárně určen pro úlohy NLP orientované na zpracování mluvené řeči, ale najde využití i v nejrůznějších lingvistických studiích. Korpus představuje unikátní anotační schéma: audio, transkript, morfologická, syntaktická a sémantická anotace, které je obdobné jako v ostatních PDT korpusech.
Navíc obsahuje novou anotaci: rekonstrukci řeči. Korpus je volně dostupný.