Korpus OnomOs: principy a příklady aplikací

ČASOPIS PRO MODERNÍ FILOLOGII 106, 2024, Č.1, S. 44–59 Korpus OnomOs: principy apříklady aplikací1 Michal Místecký— Jaroslav David— Jana Davidová Glogarová— Tereza Klemensová (Ostrava) M. Místecký— J. David— J. Davidová Glogarová— T. Klemensová THE ONOMOS CORPUS: PRINCIPLES AND EXAMPLES OF APPLICATIONS The study introduces OnomOs, anew corpus of Czech texts with annotation of proper names. The corpus was compiled by onomasticians from the Department of Czech Language, Faculty of Arts, University of Ostrava, and made available by the Institute of the Czech National Corpus, Faculty of Arts, Charles University in Prague. The paper briefly discusses the content and structure of the corpus, the selection of texts for inclusion, and the onomastic-geographical classification of the identified names. The text consists chiefly of three preparatory analyses, which focus on the most frequent surnames, collocations found in Western and Eastern countries in the pre-1989 period, and the declension patterns of three types of onyms. In the summary, further possibilities of onomastic corpus research are presented. KEYWORDS quantitative linguistics; corpus; onomastics; proper names; collocation; declension KLÍČOVÁ SLOVA kvantitativní lingvistika; korpus; onomastika; vlastní jména; kolokace; deklinace DOI https://doi.org/10.14712/23366591.2024.1.3 1. ÚVOD AMATERIÁL Včeské islovanské onomastice dlouhodobě chybí uživatelsky přístupný aprofesionálně zpracovaný korpus textů, vněmž by byla anotována propria (vlastní jména).2 Tato skutečnost brzdí kvantitativně zaměřené výzkumy, jejichž potřeba začíná být vsoučasné vědě opropriích čím dál zřejmější (srov.Motschenbacher, 2020; David— 1 Sestavení korpusu bylo podpořeno Filozofickou fakultou Ostravské univerzity (projekt SGS02/FF/2023 OnomOs— ostravský korpus vlastních jmen). Analytická část článku (části 3.–5.) byla zpracována v rámci řešení projektu GAČR 22-09310S Kvantitativní onomastika: východiska, koncepty, aplikace. 2 Na Filozofické fakultě Masarykovy univerzity vznikl vroce 2012 korpus GEOGRAF, který obsahuje webové stránky měst, obcí, historických apřírodních památek ad. Motivací kvýběru textů byl předpokládaný zvýšený výskyt toponym (vširším slova smyslu, včetně urbanonym). Vlastní jména však vkorpusu značkována nejsou, vyhledávání je tak možné jen pomocí sekvence znaků vjazyce CQL (Geržová, 2016; Pličková, 2017). Rovněž existuje korpus CNEC (Czech Named Entity Corpus), který obsahuje přes 35 000 ručně značkovaných vlastních jmen, ale není přístupný vrámci databází ČNK (Ševčíková akol., 2014). OPEN ACCESS M. MÍSTECKÝ— J. DAVID— J. DAVIDOVÁ GLOGAROVÁ— T. KLEMENSOVÁ 45 Klemensová— Místecký akol., 2022; viz přehled dosavadních výzkumů David— Místecký, 2023). Tuto mezeru se snaží zaplnit nově vzniklý korpus OnomOs (= Onomastika Ostrava), který sestavili akoncepčně připravili badatelky abadatelé zKatedry českého jazyka Filozofické fakulty Ostravské univerzity pod vedením Jaroslava Davida, Jany Davidové Glogarové, Terezy Klemensové aMichala Místeckého3 aza technické podpory aspolupráce pracovníků Ústavu Českého národního korpusu FF UK Tomáše Jeziorského aMichala Křena. Nový korpus, který je jednou zveřejně dostupných databází Českého národního korpusu, je založen na textech zdeníku Rudé právo (založeno 1920, od roku 1995 Právo) jakožto periodika, které pokrývá velkou část 20.století, vycházelo po většinu doby legálně aje vydáváno do současnosti. Vkorpusu je tak možné provádět onomastické analýzy nejen na jazyce současném, jímž rozumíme— podobně jako česká korpusová lingvistika— texty od roku 1989, ale též vdiachronní perspektivě minulého století. Každé desetiletí zobdobí 1920–2019 je reprezentováno jedním číslem (viz obrázek 1), které bylo vybráno náhodně, nicméně do budoucna se počítá srozšířením databáze avětší saturací jednotlivých časových údobí. Nahodilost výběru zaručuje neutrálnost korpusu vůči zlomovým historickým událostem (struktura proprií může být např.vRudém právu z25.či 26.února 1948 jiná než vběžném čísle ztéhož roku). Vzhledem krůstu významu Rudého práva vobdobí po druhé světové válce— azejména po roce 1948— jsou dekády předcházející komunistickému převratu zhlediska velikosti korpusu podreprezentovány, atěžiště databáze se tak posouvá směrem ksoučasnějšímu jazyku. Aktuálně (k31.1.2024) obsahuje korpus OnomOs 255 149 tokenů; vprůběhu roku 2024 plánujeme rozšíření korpusu na dvojnásobnou velikost4 avbudoucnu zapojení dalších periodik, která vycházela po větší část 20.a21.století ajež budou sto vyvážit jeho nutnou politickou istylistickou jednostrannost. Vsoučasném stavu považujeme korpus za provizorní, pročež je třeba ianalýzy, které budeme dále včlánku prezentovat, brát spíše jako inspiraci kbudoucím velkoplošným výzkumům ajako představení možností, jichž lze vkorpusově založené onomastice využít. Korpus primárně zahrnuje komunikáty spřevahou souvislého žurnalistického textu. Vypuštěny jsou inzerce, programy kin adivadel, komiksy, křížovky, romány na pokračování adalší útvary (např.sportovní články spřevahou enumerací výsledků soutěží, soupisky hráčů); vylučujeme rovněž reklamy acitáty umístěné do textu, které jej informačně dublují. Respektujeme autorské členění textu na odstavce; kratší texty slučujeme do jednoho celku— rubriky (atribut text.section). Zžánrového hlediska vyčleňujeme pouze zprávy (news) apopisky obrázků (photo), protože vurčitých obdobích je např.rozlišení mezi zprávami akomentáři problematické. Vpřípadě popisků obrázků zahrnujeme pouze ty, které jsou tvořeny výpovědí surčitým slovesným tvarem. 3 Vtéto souvislosti by autoři studie rádi poděkovali studentkám Haně Halatové, Janě Pavlištíkové, Karolíně Poláškové aMagdaleně Strnadlové adoktorandkám Kristýně Březinové, Jarmile Mádrové aAgatě Reclik, které se podílely na přípravě textové složky korpusu. 4 Vprůběhu roku 2024 bude korpus rozšířen ojedno číslo (Rudého) Práva vkaždém desetiletí, přičemž toto číslo je náhodně vybráno vždy zjiného pětiletí, než tomu bylo vprvní verzi korpusu. OPEN ACCESS 46 ČASOPIS PRO MODERNÍ FILOLOGII 106, 2024, Č.1 Při klasifikaci proprií jsme vycházeli ztřídění autorů programu NameTag 2 (Straková— Straka— Hajič, 2019; Ševčíková— Žabokrtský— Krůza, 2007), který jsme vkorpusu využili kidentifikaci vlastních jmen. Výchozí třídění jsme však přizpůsobili onomastickým zvyklostem isoučasným trendům, směřujícím kredukci oborové terminologie (viz David— Klemensová— Místecký, 2021). Ztohoto důvodu mezi vlastní jména nezahrnujeme např.názvy dní vtýdnu, měsíců či bibliografické údaje. Pro podrobnosti ktransformaci původního třídění vNameTagu 2 do kategorizace, kterou využíváme vkorpusu OnomOs, viz wikistránku odaném korpusu (Kocek, 2023); zde je též dostupný návod pro vyhledávání. Tato kategorizace zahrnuje skupiny dvou řádů— vyšší reprezentují antroponyma (A), chrématonyma (C) atoponyma (T), nižší pak podrobnější třídění těchto tří ústředních jednotek (např.AF: rodná jména). Klasifikaci společně spříklady zkorpusu shrnuje tabulka 1. Detailněji se jednotlivým kategoriím věnujeme vdruhé části článku. Vsoučasné verzi nepracuje korpus OnomOs stzv.containers, takže jednotlivé členy víceslovných onymických jednotek jsou považovány za samostatná propria. Například onymum „Pražské jaro 1996“ tvoří tři vlastní jména klasifikována jako CC (conferences, contests and events), onymum „Česká republika“ je zase považováno za dvě toponyma (konkrétně za dva zástupce kategorie TT— territories). Tento přístup není ideální, protože znemožňuje identifikaci jména spříslušným pojmenovaným objektem (tzv.named entity grounding). Vbudoucnu je proto ke zvážení implementace anotace víceslovných jednotek vkorpusu. Aplikace programu Name Tag 2 na naše jazyková data byla automatická a výsledky neprocházely manuální korekcí— nutně se mezi nimi tudíž objevují chybně klasifikované pojmenované entity (viz příklady 1, 2 a3), případně falešně negativní výstupy (tedy pojmenované entity, které anotátor jako vlastní jména nevyhodnotil; viz příklad 4). První zmíněné chyby jsou dány iskutečností, že mezi některými kategoriemi druhého řádu existují různé, nejen hierarchické vztahy (např.kategorii CN— periodicals lze zahrnout pod kategorii CF— companies, AM— religious and OBRÁZEK 1.Struktura korpusu OnomOs (vtokenech) 10427 15399 17536 19517 32062 29300 35418 30616 37029 27845 28. prosince 1927 8.srpna 1936 17. března 1946 8. května 1956 4. září 1969 12. března 1979 6. ledna 1988 13. května 1996 4.–5. října 2003 6. květn a 2014 7146; 35% 5238; 26% 7859; 39% antroponyma toponyma chrématonyma OPEN ACCESS M. MÍSTECKÝ— J. DAVID— J. DAVIDOVÁ GLOGAROVÁ— T. KLEMENSOVÁ 47 Skupiny vyššího řádu Skupiny nižšího řádu Příklady zkorpusu OnomOs anthroponyms (A) AF: first names Václav, Roger, Anna, M. [Miroslav Ransdorf], Luciano AI: inhabitants Němec, Moravan, Rom, Trnavští AM: religious and mythological names Mojžíš, sv.Václav, Justinián AS: surnames Zeman, Klaus, Zieleniec, Ortman, Dienstbier AX: underspecified anthroponyms Dzurinda, Kennedy, Toufar, Jidášové [sic!] chrematonyms (C) CA: art products Banánové rybičky, Čekání na Godota, Harry Potter aFénixův řád CC: conferences, contests and events Pražské jaro 1996, MS [= mistrovství světa], Liga mistrů CD: directives and norms Postupimská dohoda, SALT 2, [dopis] VZN— Šk— Ká— 1267 CF: companies Česká rafinérská, Chemopetrol, Siemens, VW CH: feasts dny Páně, Nový rok CI: cultural and educational institutions Rudolfinum, Centrum volného času, OA [= Obchodní akademie] CM: currencies Kčs, USD, Kč CN: periodicals Financial Times, Vlastivědný věstník, Právo, ABC CP: politics ODS, ČSSD, Levý blok, Československá obchodní banka CR: products Guttalax, Zetor, Cabernet Sauvignon, [rakety] D5 CT: radios and TVs Nova, CBS, Český rozhlas, Rossija CX: underspecified institutions RVHP, IAAF CY: underspecified artifacts Queen Mary [loď], Wellington [steak] toponyms (T) TN: nature names Ural, Divoký západ, Kalahari, Barentsovo moře TS: settlements Atlanta, Bonn, Rokycany, Dakar TT: territories Česká republika, Florida, Čečensko, Evropa, Kroměřížsko TU: urbanonyms Palackého ulice, Bratislavská, Nuselský most, Můstek TX: underspecified toponyms Diamantový důl [pozemek], Fukušima [jaderná elektrárna], Želivka [řeka] TABULKA 1.Klasifikace proprií vkorpusu OnomOs (skupiny seřazeny podle abecedy; názvy uvádíme anglicky, aby byla srozumitelná motivace zkratky) OPEN ACCESS 48 ČASOPIS PRO MODERNÍ FILOLOGII 106, 2024, Č.1 mythological names zase osciluje mezi AF— first names aAS— surnames), případně též výskytem homonym („s/Svoboda“; viz příklad 4). [1] Konečně, přečtěme si, co napsal 18.srpna list Guardian [CN]: „Vminulých dnech používal Husák [AS] sdělovací prostředky ktomu, aby vČSSR [TT] vytvořil ovzduší hrůzy. Lid ČSSR [TT] byl vystaven hysterickým hrozbám.“ Je docela pochopitelné, že klid apořádek vnaší zemi hatí plány těchto pánů. Poslední dny potvrdily, že výzvy ke klidu měly své oprávnění. Jenže pánové zGuardianu [CF] chtěli na ulicích Prahy [TS] vidět více krve, než jí, bohužel, proteklo. (Rudé právo, 4.září 1969) [2] Teď ještě přijde Jan [AF] Nepomucký [AS] suříznutým jazykem. (Rudé právo, 28.prosince 1927) [3] Jsem dnes už tak otrlý, že chodím na sv.Jana Nepomuckého [AM] do průvodu atlačím se pokaždé mezi zánovní panny. (Rudé právo, 28.prosince 1927) [4] Svoboda ztrácí nervy, soudí Grebeníček [AS]. Podle předsedy KSČM [CP] Miroslava [AF] Grebeníčka [AS] šéf lidovců Cyril [AF] Svoboda [AS] ztrácí nervy ze strachu, že na nadcházejícím sjezdu KDU-ČSL [CP] neobhájí svůj post. (Právo, 4.–5.října 2003) 2. STRUKTURA KORPUSU Vtéto části studie představíme základní frekvenční charakteristiky proprií vkorpusu. Jejich struktura, kterou zachycuje tabulka 2, odpovídá intuitivnímu předpokladu, že (Rudé) Právo se zaměřuje především na politické události. Důraz je kladen na osobnosti (AS), chrématonyma pojmenovávající státní úřady apolitické strany (CP) ageopolitické souvislosti (TT). Určité pozornosti se dostává ikultuře (CI; viz příklad č.5). Na konci žebříčku se naopak objevují jména, která jsou očekávatelná spíše vjiném typu textů (např.kategorie CD se bude objevovat vadministrativě), případně taková pojmenování, která tagger nedokáže úžeji zařadit (typ CY). Náboženská amytologická jména (AM) zase vnovinářských textech fungují jen omezeně, např.vmetaforách nebo přirovnáních. Překvapivé je však nízké zastoupení svátků aslavností (CH), které může souviset slevicovou orientací periodika asdominancí textů zobdobí po roce 1948, pro které byl charakteristický silný vliv komunistické ideologie. [5] Cyklem symfonických básní Má vlast [CA] Bedřicha [AF] Smetany [AS] bylo vneděli večer vRudolfinu [CI] tradičně zahájeno Pražské jaro 1996 [CC]. Avšak poprvé vjedenapadesátileté historii hlavního českého hudebního festivalu byl tento úkol svěřen zahraničnímu tělesu, britskému orchestru London Classical Players [CI] sdirigentem Rogerem [AF] Norringtonem [AS]. (Právo, 13.května 1996) OPEN ACCESS M. MÍSTECKÝ— J. DAVID— J. DAVIDOVÁ GLOGAROVÁ— T. KLEMENSOVÁ 49 Užší klasifikace proprií Absolutní frekvence AS: surnames 4 152 CP: politics 2 848 TT: territories 2 661 AF: first names 2 483 TS: settlements 2 188 CI: cultural and educational institutions 1 639 CF: companies 1 095 CN: periodicals 643 CA: art products 595 CC: conferences, contests and events 490 AI: inhabitants 323 CR: products 279 TN: nature names 228 AX: underspecified anthroponyms 139 TU: urbanonyms 137 CM: currencies 105 CD: directives and norms 79 AM: religious and mythological names 49 CT: radios and TVs 38 CY: underspecified artifacts 33 TX: underspecified toponyms 24 CX: underspecified institutions 8 CH: feasts 7 TABULKA 2.Složení proprií vkorpusu OnomOs Sledujeme-li distribuci proprií vkorpusu OnomOs zperspektivy kategorií vyššího řádu (viz obrázek 2), je patrná tendence kvyrovnanosti jejich podílu. Vkorpusu sice mírně převažují chrématonyma (39 %), avšak ani jejich dominance není výrazná. Výsledek lze nicméně interpretovat především strukturou klasické zprávy, která odpovídá na základní quintiliánovské otázky „kdo/co“ (antroponymum, případně chrématonymum), „kde“ (toponymum) apod. Výsledky naší sondy tak rovněž otevírají další výzkumnou otázku— zdali je daný trend stylistickým rysem žurnalistiky, nebo je charakteristický pouze pro zkoumané periodikum. Vnásledující části studie se prostřednictvím prvních analýz aheuristických sond pokusíme ukázat, jaká je využitelnost korpusu OnomOs při rozboru fungování vlastních jmen vtextu. 3. VÝZKUM 1— FREKVENČNÍ ANALÝZA PŘÍJMENÍ První analýza bude zkoumat rozdíly vdistribuci příjmení (kategorie AS) vobdobích prvorepublikového, komunistického apolistopadového (Rudého) Práva; budeme tedy OPEN ACCESS 50 ČASOPIS PRO MODERNÍ FILOLOGII 106, 2024, Č.1 pracovat se třemi subkorpusy (RP 1927 a1936; RP 1956, 1969, 1979 a1988; aP 1996, 2003 a2014). Údaje oAS zachycujeme rovněž pomocí relativizované frekvence i.p.m. (Kováříková, 2021), která vyjadřuje teoretickou frekvenci daného jevu vhypotetickém korpusu orozsahu jeden milion tokenů, apomocí relativní frekvence lemmat, kterou počítáme jako podíl daného počtu lemmatizovaných AS acelkového počtu lemmat vdaném subkorpusu (např.RP 1927, 1936). Výsledky prezentuje tabulka č.3. celkem AS i.p.m. celkem AS (lemmata) Relativní frekvence lemmat RP 1927, 1936 317 12 274,45 201 0,0387 RP 1956, 1969, 1979, 1988 1 590 13 671,89 1 066 0,0816 P 1996, 2003, 2014 1 956 20 483,82 1 007 0,0792 TABULKA 3.Frekvenční struktura příjmení ve třech studovaných subkorpusech (AS = příjmení) Na základě výsledků lze konstatovat, že počet příjmení včase roste, ale jejich pestrost, kterou lze determinovat na základě lemmat, zůstává vpolistopadovém období ve srovnání skomunistickou periodou spíše konstantní. Po pádu komunistického režimu tak Právo pracuje smírně menším množstvím osobností, ale zmiňuje je častěji; to může souviset sdlouhodobými politickými kariérami prominentních politiků (Zeman, Klaus, Havel, Putin) či sproměnami žurnalistického stylu od faktografické roztříštěnosti kpropojenějším tematickým linkám, které můžeme klást do souvislosti surčitou tendencí k„příběhovosti“ současné novinařiny. Konkrétní proměny skladby jmen orientačně představuje tabulka č.4 (vypuštěna byla interpunkce aposesivní adjektiva— typ Zemanův). Velké množství frekventovaných jmen, které je typické pro polistopadové Právo, odpovídá předpokladu, že vtěchto číslech se častěji používá menší počet příjmení. Obsahové metamorfózy odpovídají historickým transformacím 20.století— za první republiky se tematiOBRÁZEK 2.Rozdělení proprií vkorpusu OnomOs podle tradičních onomastických kategorií 10427 15399 17536 19517 32062 29300 35418 30616 37029 27845 28. prosince 1927 8.srpna 1936 17. března 1946 8. května 1956 4. září 1969 12. března 1979 6. ledna 1988 13. května 1996 4.–5. října 2003 6. května 2014 7146; 35% 5238; 26% 7859; 39% antroponyma toponyma chrématonyma OPEN ACCESS M. MÍSTECKÝ— J. DAVID— J. DAVIDOVÁ GLOGAROVÁ— T. KLEMENSOVÁ 51 zují nepřátelé komunismu (nacistický diktátor Adolf Hitler, italský diktátor Benito Mussolini, řecký autokratický politik Ioannis Metaxas— viz příklad 6) aspisovatel Maxim Gorkij; vkomunistické epoše se prosazují především domácí politické osobnosti (prezident Ludvík Svoboda, generální tajemník KSČ Gustav Husák) asportovci (cyklokrosaři František Klouček, Miroslav Kvasnička aPeter Hric, francouzská atletka Colette Bessonová— viz příklad 7); vpolistopadové době pak dominují znovu politické osobnosti, tentokrát však světším podílem zahraničních lídrů (ruští prezidenti Boris Jelcin aVladimir Putin, americký prezident George W.Bush, německý prezident Joachim Gauck). Pozoruhodný je návrat Adolfa Hitlera, který je připomínán vsouvislosti sinterview sArnoldem Schwarzeneggerem (viz příklad 8). [6] Generální stávka, vyhlášená na 4.srpna, byla projevem odporu země proti fašistickým metodám vlády. Metaxas [AS] odpověděl na nespokojenost lidu násilím. Násilím vnutil zemi fašistický, diktátorský režim. Odpor lidu má být zlomen krvavým terorem. (Rudé právo, 8.srpna 1936) [7] Sotva byl ohlášen závod na 400 m, vrhli se fotoreportéři jako hejno kobylek na slavnou tmavovlásku sčokoládovýma očima Collete [sic!; AF] Bessonovou [AS]. Také hlediště se sympatiemi azvědavostí sledovalo každý pohyb téhle čiperné dívky zBordeaux [TS], jejíž stylový běh— kdesi jsem to četl— umí právě tak sladce omámit jako víno zkraje, vněmž se narodila. (Rudé právo, 4.září 1969) [8] Pár dní před úterními volbami kalifornského guvernéra se postavení vedoucího republikánského kandidáta Arnolda [AF] Schwarzeneggera [AS] zkomplikovalo další aférou. Vyšlo totiž najevo, že vinterview před 18 lety měl vyjádřit obdiv Adolfu [AF] Hitlerovi [AS], což ale herec okamžitě ostře popřel. (Právo, 4.–5.října 2003) Závěrečný výzkum příjmení se zaměří na tzv.pluralizaci, vjejímž rámci se jméno užívá vmnožném čísle, aby označilo nositele podobných vlastností (Švejk > švejkové)— funguje tedy jako apelativum, resp.apelativizované proprium. Po manuální selekci se ukázalo, že tento způsob práce spříjmeními je přes konfrontační styl především předválečného Rudého práva velmi minoritní, jelikož se vkorpusu objevily jen dva případy, které naší definici odpovídají (viz příklady 9 a10; je kdiskusi, zdali za příjmení považovat jméno markýze Géra). Je otázkou, zda není takové využívání antroponym typické spíše pro komentářovou publicistiku, nebo jestli je vsoučasné žurnalistice vůbec produktivní (srov.David— Klemensová— Místecký, 2023). [9] Waltrováci toto protidělnické jednání ostře odsuzují achystají se kdalším krokům, od nichž je neodvrátí ani tucet Kadleců [AS]. Případ Kadlecova [AS] zásahu ukazuje všem kovákům, že je svrchovaný čas dělat vorganisaci pořádek avyrovnat se stěmi, kteří sabotují usnesení své kovodělnické iAmsterdamské internacionály [CP] ojednotě asnaží se jednotné akce znemožnit. (Rudé právo, 8.srpna 1936) OPEN ACCESS 52 ČASOPIS PRO MODERNÍ FILOLOGII 106, 2024, Č.1 [10] Jsme dlužníky Slezska [TT], jež nám bylo věřitelem trpělivým adůvěřivým. Bylo národní výspou, která jak na Opavsku [TT], tak na Těšínsku [TT] čelila steré smrti, rozhlodávána národnostně isociálně, štvána všemi zastaveními křížové cesty, od legendárních markýzů Gerů [AS] aLarischů [AS] tavírnou jejich hutí adolů, nesnesitelným útlakem jejich úředníků adozorců, až po pochopy ahajné vhlubinách jejich lesů, kde všude zotročovali, vyssávali, poněmčovali apopolšťovali slezský lid. (Rudé právo, 17.března 1946) Prvorepublikové RP Komunistické RP Polistopadové P Lemma i.p.m. Lemma i.p.m. Lemma i.p.m. Lemma i.p.m. Hitler 813,13 Svoboda 266,56 Zeman 617,87 Hausmann 62,83 Metaxas 271,04 Husák 111,78 Klaus 586,45 Roušal 62,83 Kahánek 271,04 Klouček 85,99 Havel 230,39 Kennedy 62,83 Křivánek 232,32 Tito 85,99 Jelcin 230,39 Beneš 62,83 Gorkij 232,32 Novák 85,99 Kott 209,45 Bartoš 62,83 Mussolini 193,60 Majakovský 85,99 Kožený 198,97 Hojdar 62,83 Bessonová 77,39 Sobotka 167,56 Dyba 62,83 Šimůnek 60,19 Putin 157,08 Vojtková 52,36 Kosygin 60,19 Bush 146,61 Janukovyč 52,36 Hric 60,19 Gross 146,61 Vaclík 52,36 Adamec 60,19 Saudek 136,14 Tichý 52,36 Havlíčková 51,59 Špidla 125,67 Kiska 52,36 Brandl 51,59 Zjuganov 94,25 Mussolini 52,36 Veselý 51,59 Hitler 94,25 Prodi 52,36 Dvořák 51,59 Škromach 83,78 Pöpperle 52,36 Indra 51,59 Koller 83,78 Pouzar 52,36 Kramer 51,59 Kolář 83,78 Dienstbier 52,36 Gromyko 51,59 Gauck 73,31 Thatcherová 52,36 Honecker 42,99 Brožová 73,31 Šosták 52,36 Kvasnička 42,99 Hudeček 73,31 Pilař 52,36 Jakeš 42,99 Janeček 73,31 Kalvoda 52,36 Gorbačov 42,99 Babiš 73,31 Šplíchal 52,36 Spychalský 42,99 Železný 73,31 Wilson 52,36 Rogers 42,99 Svoboda 73,31 Zelenka 52,36 Schneiderová 42,99 Pokorný 62,83 Šmerdová 52,36 Šváb 42,99 Čech 62,83 Schwarzenegger 52,36 Orejou 42,99 Kemel 62,83 Nečas 52,36 Hašek 42,99 Budík 62,83 Staňa 52,36 Ransdorf 62,83 TABULKA 4.Nejčastější příjmení vjednotlivých subkorpusech (jen příjmení sabsolutní frekvencí > 5 vdaném subkorpusu) OPEN ACCESS M. MÍSTECKÝ— J. DAVID— J. DAVIDOVÁ GLOGAROVÁ— T. KLEMENSOVÁ 59 Pličková, K. (2017): Vyvážení arozšíření korpusu GEOGRAF. Bakalářská práce, Filozofická fakulta, Masarykova univerzita. Straková, J.— Straka, M.— Hajič, J. (2019): Neural Architectures for Nested NER through Linearization. In: A.Korhonen— D.Traum— L.Màrquez (eds.), Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics. Florencie: Association for Computational Linguistics, s.5326–5331. Ševčíková, M.— Žabokrtský, Z.— Krůza, O. (2007): Named Entities in Czech: Annotating Data and Developing NE Tagger. In: V.Matoušek— P.Mautner (eds), Text, Speech and Dialogue. TSD 2007. Lecture Notes in Computer Science. Berlin— Heidelberg: Springer, s.188–195. Ševčíková, M.— Žabokrtský, Z.— Straková, J.— Straka, M. (2014): Czech Named Entity Corpus 2.0. URL: http://hdl. handle.net/11858/00-097C-0000-00231B22-8 (poslední přístup: 27.4.2024). Michal Místecký | Katedra českého jazyka Filozofické fakulty Ostravské univerzity | Reální 5, 701 03 Ostrava ORCID ID: 0000-0002-9183-4435 [email protected] Jaroslav David | Katedra českého jazyka Filozofické fakulty Ostravské univerzity | Reální 5, 701 03 Ostrava ORCID ID: 0000-0003-2443-5351 [email protected] Jana Davidová Glogarová | Katedra českého jazyka Filozofické fakulty Ostravské univerzity | Reální 5, 701 03 Ostrava ORCID ID: 0000-0002-3946-1379 [email protected] Tereza Klemensová | Katedra českého jazyka Filozofické fakulty Ostravské univerzity | Reální 5, 701 03 Ostrava ORCID ID: 0000-0002-9635-0851 [email protected] OPEN ACCESS