====== Přehled pdt-korpusů s manuální tektogramatickou anotací ======
{{:komputacni-lingvistika:komputacni-lingvistika:pdt-cz-korpusy-prehled-1.doc|ke stažení}}

^   ^ PDT 2.0 ^ PDT 2.5/3.0 ^ PCEDT-cz ^ PDTSC ^ FAUST ^  
^ počet tokenů|833 195|833 195|1 151 150|742 257|33 772| 
^ počet vět|49 431|49 431|49 208|73 835|3 000|
^ morfologická|manuálně|manuálně|automaticky|automaticky|automaticky|
^ analytická|manuálně|manuálně|automaticky|automaticky|automaticky|
^ a.rf|automaticky|automaticky|manuálně|manuálně|manuálně|
^ gramatémy|poloauto|poloauto|ne (auto)|ne (auto)|ne (auto)|
^ struktura|manuálně|manuálně|manuálně|manuálně|manuálně|
^ funktory|manuálně|manuálně|manuálně|manuálně|manuálně|
^ subfunktory|automaticky|automaticky|ne|ne|ne (auto)|
^ valence|manuálně|manuálně|manuálně|manuálně|manuálně|
^ -- u substantiv|manuálně|manuálně|ne (RSTR) |ne (RSTR) |ne (RSTR)|
^ coref-gram|manuálně|manuálně|manuálně|bude|ne|
^coref-text|manuálně|manuálně|manuálně|bude|ne|
^ deepord, tfa|manuálně|manuálně|bude|ne|ne|
^ quot|manuálně|manuálně|ne|ne|ne|
^ klauze (na anal.)|ne|automaticky|ne|ne|ne|
^ víceslovné výrazy|ne|manuálně|ne|ne|ne|
^ typgroup|ne|manuálně|ne|manuálně|ne|
^ formémy|ne|bude|automaticky|ne|ne|
^ sentmod|automaticky|manuálně|ne|	ne|ne|
^ factmod|ne|manuálně|ne|ne|ne|
^ coref – 1a2. osoba|ne|bude|bude|bude|ne|
^ coref-text-rozšíř. |ne|manuálně|ne|ne|ne|
^diskurz|ne|manuálně|ne|ne|ne|
^bridging|ne|manuálně|ne|ne|ne|

manuálně	= ruční anotace (může být automaticky předpřipravená, ale vždy ručně zkontrolovaná)
automaticky 	= hodnoty jsou dosazeny automatickým nástrojem
poloauto	= hodnoty jsou dosazeny automatickým nástrojem, v některých případech zkontrolované a doplňované ručně
ne	= hodnoty nejsou vyplněny
ne (auto) 	= hodnoty nejsou vyplněny, a pokud ano, jsou to nespolehlivé hodnoty, které vyprodukoval automatický parser, který stromy připravuje k anotaci.
ne (RSTR)	= namísto funktorů aktantů a substantivních funktorů MAT, APP, AUTH je vždy funktor RSTR

**PDT 2.0** (2006, LDC)
**Prague Dependency Treebank 2.0**
http://ufal.mff.cuni.cz/pdt2.0/
**Morfologická:** 2 mil. slov	**Analytická:** 1,5 mil. slov 	**Tektogramatická:** 0,8 mil. slov
//Lidové noviny// (deník), ISSN 1213-1385, 1991, 1994, 1995
//Mladá fronta Dnes// (deník), 1992
//Českomoravský Profit// (ekonomický týdeník), 1994
//Vesmír// (populárně vědecký měsíčník), ISSN 1214-4029, Vesmír, s.r.o., 1992, 1993
(časopis Vesmír není zastoupen na tektogramatické rovině)

**PDT 2.5** (2011, ÚFAL)
**Prague Dependency Treebank 2.5**
http://ufal.mff.cuni.cz/pdt2.5/
Identické texty jako PDT 2.0, obohacená tektogramatická a analytická anotace.

**PDT 3.0** (plán 2013, LDC)
**Prague Dependency Treebank 3.0**
Identické texty jako PDT 2.0.
Korpus bude zahrnovat PDT 2.5 plus další novinky v anotaci na tektogramatické rovině.

**PCEDT 2.0** (2011, LDC)
**Prague Czech-English Dependency Treebank 2.0**
http://ufal.mff.cuni.cz/pcedt2.0/
Články z anglického deníku //Wall Street Journal// (z let 1989), které byly pro českou část korpusu přeloženy (profesionálními překladateli) do češtiny.

**PDTSC 2.0** (plán 2013, LDC)
**Prague Dependency Treebank of Spoken Czech 2.0**
(verze 1.0 (http://ufal.mff.cuni.cz/pdtsc1.0/) neobsahuje tektogramatickou anotaci)
České texty z projektu  //Malach// (lehce moderované dialogy s lidmi, kteří přežili holocaust) a dialogy z projektu //Companions// (vzpomínání a konverzace nad osobní sbírkou fotografií jednoho z řečníků; rozhovory byly nahrávány v nastavení Wizard of Oz).
Doslovný přepis mluvené řeči (w-rovina) je na m-rovině nahrazen tzv. standardizovaným textem (rekonstrukce mluvené řeči).

**FAUST** (2011)
Korpus vznikl pro projekt FAUST:  http://www.faust-fp7.eu/faust/
Obsahuje 3 x 1 000 krátkých segmentů textu, které si různí uživatelé nechali přeložit na on-line serveru www.reverso.net. Původní anglické znění prošlo korekturou a následně bylo přeloženo do češtiny nezávisle třemi překladateli. Poznámka: řada segmentů má velmi vulgární obsah.