Korpusi so elektronske zbirke avtentičnih besedil, nastale po vnaprej določenih merilih in z določenim ciljem ter opremljena z orodji, ki omogočajo večplastno iskanje jezikovnih podatkov. Korpus Kres je nastal v okviru projekta Sporazumevanje v slovenskem jeziku v letih 2008-2012, vsebuje pa skoraj 100 milijonov besed oz. natančno 99.831.145 besed.
Kres je iz Gigafide vzorčeni uravnoteženi podkorpus. Za korpuse, ki predstavljajo celovito podobo nekega jezika, je ključno, da so veliki in besedilnovrstno pestri. Gigafida je tak, referenčni korpus, težko pa bi mu pripisali uravnoteženost, saj je v njem 77 % besed iz periodike (časopisi, revije) in npr. le dobrih 6 % besed iz knjig (leposlovje, stvarna besedila). Taka zgradba Gigafide je predvsem posledica tega, da smo vanjo vključili skoraj celotno FidoPLUS in vse, kar smo dobili na novo ter je avtorskopravno urejeno s pogodbo. Kot Gigafidin uravnoteženi podkorpus smo zato že predhodno načrtovali 100-milijonski Kres, katerega sestava je naslednja:
Kres vsebuje besedila, ki so izšla med letoma 1990 in 2011. Razlog za večje število besed, označenih z letnico 2010, je spletni del korpusa (20 %), ki je bil v celoti zbran in izdelan v tem letu.
Enota vzorčenja besedil iz Gigafide za KRES ni bilo posamezno besedilo, pač pa naključni odstavek, s čimer smo omogočili čim boljšo zastopanost posameznih del. Če bi namreč v KRES dali celotna besedila, bi neko besedilo ali v celoti izpadlo ali pa bi bilo – posebej pri obsežnejših besedilih, kot so npr. celotni letniki časopisov, združeni v eno datoteko – v korpusu preveč prevladujoče. Osnova vzorčenja je bila vzorčna tabela z bibliografskimi podatki o besedilih in številom besed, ki smo jih želeli iz vsakega besedila dobiti za KRES.
Izbiro besedil za KRES v smislu kaj in koliko sta poleg vnaprej dogovorjenih deležev po taksonomiji usmerjala dva vira podatkov: Nacionalna raziskava branosti, v kateri so podatki o recepciji časopisov in revij, ter Merjenje obiskanosti spletnih strani MOSS, na podlagi katerega smo določili obseg besed s treh najbolj obiskanih novičarskih portalov (24ur.com, rtvslo.si, siol.net). Pri vseh drugih taksonomskih kategorijah smo sledili razmerjem v Gigafidi: iz leposlovja smo v KRES zajeli 71 % celote, iz stvarnih besedil 36 %, iz kategorije drugo 96 % zapisov sej Državnega zbora RS in besedil z RTV Slovenija, v okviru spletnih besedil pa še 12,5 % besed s strani podjetij ter 87,5 % besed s strani ustanov.
Enako kot Gigafida je Kres namenjen različnim uporabnikom: znanstvenikom in raziskovalcem, ki jih zanima sodobni slovenski jezik, učiteljem slovenščine v osnovnih in srednjih šolah, njihovim učencem, tistim, ki se slovenščine učijo kot drugega ali tujega jezika, pa tudi vsem drugim, ki se znajdejo pred jezikovno dilemo, povezano s sodobno slovenščino. Bolj kot Gigafida je Kres namenjen kakršnimkoli jeziko(slov)nim poizvedovanjem, ki imajo težnjo po merodajnosti, kolikor pač ta izhaja iz vzorca (korpusa), ki ima vnaprej premišljeno in znano ter utemeljeno uravnoteženo zgradbo. Rezultati poizvedb po tem korpusu so zaradi drugačne besedilnovrstne sestave seveda drugačni kot rezultati iskanja po Gigafidi.
Tudi vmesnik, v katerem je dostopen KRES, je isti kot vmesnik Gigafide, se pravi, da med drugim vsebuje uporabniško prijazne iskalne možnosti, samodejno lematizacijo iskalnega pogoja ter takojšen in samodejen prikaz podatkovnih filtrov.
Kres vsebuje tudi druge vrste informacij. Vsak posamezni dokument, ki jih je skupaj 21.456, vsebuje informacijo o viru (npr. Mladina, Delo, Dnevnik), letu nastanka, vrsti besedila (npr. leposlovje, revija), naslovu in avtorju, če je ta znan. Poleg tega je Kres jezikoslovno označen korpus, kar pomeni, da sta prav vsaki besedi v korpusu pripisana še dva podatka. Prvi je osnovna oblika besede ali lema (npr. jagode, jagodi, jagodam = jagoda), drugi je t.i. oblikoskladenjska oznaka. Ta oznaka opisuje, v katero besedno vrsto spada beseda (samostalnik, glagol, pridevnik itd.) in kakšne so njene lastnosti (npr. spol, število, sklon). Ker gre za ogromne količine besedil, je označevanje potekalo povsem avtomatsko s pomočjo statističnega označevalnika Obeliks, ki je bil ravno tako izdelan v okviru projekta Sporazumevanje v slovenskem jeziku. Delovanje označevalnika lahko preizkusite tudi na spletu.
Lastnik korpusa Kres je Ministrstvo za izobraževanje, znanost, kulturo in šport. Korpus je prosto dostopen za uporabo v (različnih) spletnih vmesnikih, baza korpusa v tekstovni obliki (format XML) zaradi varovanja avtorskih pravic besedilodajalcev ni prosto dostopna. Če želite dobiti dostop do celotne baze v tekstovni obliki ali če želite vključiti korpus v svoj spletni vmesnik, pišite na naslov info@slovenscina.eu. Korpus ccKres, 9-odstotni del korpusa Kres, je prosto dostopen tudi v tekstovni obliki in ga najdete na strani s prostimi zbirkami.
Članki, monografije
Tomaž Erjavec in Nataša Logar Berginc (2012): Referenčni korpusi slovenskega jezika (cc)Gigafida in (cc)KRES. V T. Erjavec, J. Žganec Gros (ur.): Zbornik Osme konference Jezikovne tehnologije. Ljubljana: Institut Jožef Stefan.
Nataša Logar Berginc, Miha Grčar, Marko Brakus, Tomaž Erjavec, Špela Arhar Holdt in Simon Krek (2012): Korpusi slovenskega jezika Gigafida, KRES, ccGigafida in ccKRES: gradnja, vsebina, uporaba. Ljubljana: Trojina, zavod za uporabno slovenistiko; Fakulteta za družbene vede.
Nataša Logar Berginc in Simon Krek (2010): New Slovene corpora within the “Communication in Slovene” project. Slavicorp conference. Warsaw.
Nataša Logar Berginc in Simon Šuster (2009): Gradnja novega korpusa slovenščine. Jezik in slovstvo 54/3–4. 57–68.
Mnoge spletne strani shranjujejo informacije o vaši dejavnosti na spletni strani. Te informacije se shranijo na vašem računalniku v obliki majhnih datotek, ki jih imenujemo piškotki.
Na tej spletni strani uporabljamo naslednje piškotke:
Upravljanje s piškotki
Če želite omogočiti piškotke potem v obvestilu na vrhu strani kliknite možnost "SPREJMEM PIŠKOTKE". Če ne želite omogočiti piškotkov potem kliknite možnost "NE SPREJMEM PIŠKOTKOV". Če obvestila ne vidite ali pa želite spremeniti svojo odločitev potem kliknite tukaj. Navodila za izključitev storitve Google Analytics najdete na spletni strani http://tools.google.com/dlpage/gaoptout.
