S ra­dostí ozna­mu­jeme, že se pro­jekt Český ná­rodní kor­pus stal ofi­ci­álně uzna­ným K-cen­t­rem CLA­RIN v ob­lasti kor­pu­sové lin­gvis­tiky se za­mě­ře­ním na em­pi­rický vý­zkum češ­tiny.

V na­kla­da­tel­ství Sprin­ger právě vy­šla nová kniha Ta­ming the Cor­pus: From In­flection and Le­xis to In­ter­pre­tation za­bý­va­jící se em­pi­ric­kým vý­zku­mem, která je za­lo­žena na čes­kých da­tech.

V lis­to­padu 2018 byly v ČNK zpří­stup­něny dva nové kor­pusy: spe­ci­a­li­zo­vaný kor­pus Ko­di­tex vy­tvo­řený pro účely mul­ti­di­men­zi­o­nální ana­lýzy češ­tiny a nkjp_1m, ručně označ­ko­vaný mi­li­o­nový vzo­rek Ná­rod­ního kor­pusu pol­ského ja­zyka.

Byla zve­řej­něna další verze roz­hraní Kon­Text s no­vými funk­cemi; zejména jde o zob­ra­zo­vání pře­kla­do­vých ekvi­va­lentů  z Trequ přímo v Kon­Textu (pro pa­ra­lelní kor­pusy) a zvý­raz­nění syn­taxe při psaní do­tazů v CQL.

Konference SlaviCorp 2018 proběhla úspěšně. Pro případné zájemce jsou k dispozici prezentace jednotlivých přednášejících na webu konference.

Dne 18. 12. 2017 byla zveřejněna verze 6 korpusu SYN, jehož velikost po zahrnutí dosud nezveřejněné publicistiky přesáhla 4 mld. slov.

Od července 2017 jsou aktivity ČNK podporovány také projektem OP VVV zaměřeným na technologickou modernizaci infrastruktury a výzkum jazykové variability češtiny.

Začátkem června 2017 byla zveřejněna trojice nových mluvených korpusů: ORTOFON a nářeční DIALEKT, oba s dvouúrovňovou transkripcí, a dále sjednocení korpusů řady ORAL. Všechny korpusy jsou lemmatizovány a morfologicky označkovány.

Nástroj Treq na vyhledání překladových ekvivalentů na základě paralelního korpusu InterCorp se dočkal nové verze, v níž lze vyhledávat i víceslovné jednotky nebo pomocí regulárních výrazů, a to nejen v překladech z/do češtiny, ale nově i z/do angličtiny.

V lednu 2017 byl zveřejněn korpus LINDSEI_CZ, žákovský korpus spontánní mluvené angličtiny pokročilých mluvčích s češtinou jako L1. Korpus byl sestaven Tomášem Gráfem jako součást projektu LINDSEI.