Korpus · Ressourcer · Dokumentation

CoREST 2021 – Sproget i autentisk tekst

OBS! NY VERSION! Den 11.3.2021 udkom der en ny version af CoREST, som erstatter den tidligere. Ældre versioner af CoREST virker ikke længere og skal erstattes af den nye version, som du kan downloade fra denne side.

Hvad er CoREST?

CoREST er et værktøj til sproglige undersøgelser i meget store tekstsamlinger, såkaldte tekstkorpusser.

Søgeværktøjet CoREST bruges af redaktionen på Den Danske Ordbog til at finde nye ord og betydninger i et meget stort, redaktionsinternt korpus med. Dette korpus hedder BAKSPEJLET og indeholder tekstmateriale fra 1980 frem til i dag med samlet over én milliard ord. Det er også fra dette korpus, at redaktionen henter citater, som skal illustrere ordenes brug i ordbogen.

CoREST står for Corpus Retrieval System & Tools.

For alle sproginteresserede

Du kan her på siden få adgang til en lidt forenklet Standard-udgave af CoREST til dine egne undersøgelser. Denne udgave af CoREST giver ganske vist ikke adgang til det redaktionsinterne korpus BAKSPEJLET, men til en række mere aktuelle og betydeligt større korpusser end web-versionen af KorpusDK. Med CoREST kan du søge i

• KorpusDK, som er udvidet i forhold til det, der er tilgængeligt på KorpusDK, og som indeholder ca. 110 millioner ords tekstmateriale, der dækker perioden fra ca. 1985 til 2010
• TiDK 2021 – et korpus over især nyhedsstof med 365 millioner ords tekstmateriale fra perioden 2011–2020.
• TiDK 2020 – et korpus over især nyhedsstof med 375 millioner ords tekstmateriale fra perioden 2010–2019.
• TiDK 2019 – et korpus over især nyhedsstof med 380 millioner ords tekstmateriale fra perioden 2009–2018.
• TiDK 2018 – et korpus over især nyhedsstof med 380 millioner ords tekstmateriale fra perioden 2008–2017.
• Wikipedia 2017 – den danske Wikipedia. Korpusset består af over 200.000 tekster (artikler, diskussions- og hjælpesider) med 65 millioner ord, men indeholder kun rå tekst, dvs. tabeller, lister, oversigter, billeder m.m. er udeladt (markeret med {...}).

Alle korpusser har ordklasseoplysninger, som automatisk blev tilføjet ved hjælp af ePOS-taggeren.

Med CoREST kan du

• udføre avancerede søgninger på enkeltord og grupper af ord
• bruge visse tekstoplysninger som filtre i søgningerne
• se fund som matchlister, konkordanser og grafiske oversigter
• udføre undersøgelser, der viser, hvilke ord der hyppigt optræder sammen med fundet
• se lister over fremtrædende ord i bestemte tidsintervaller
• sortere resultater på forskellig vis
• se kontekster omkring fund
• se tekstoplysninger som titel, forfatter m.m.
• se supplerende oplysninger til enkeltord, fx deres grundform, ordklasse og bøjning
• markere fund
• eksportere fund som tekstfil til brug i andre programmer

OBS! CoREST kan ikke bruges til informations- eller tekstsøgning! Af ophavsretlige grunde vil du kun kunne se begrænsede tekstudsnit (citater) omkring dine fund. Til informations- og tekstsøgning henviser vi til Infomedias Mediearkiv. CoREST indeholder kun rå tekst, altså ingen illustrationer, tabeller eller lignende.

CoREST, tekstsamlingerne samt tilhørende manualer, websider, sprogteknologiske metoder og værktøjer er udarbejdet af Jørg Asmussen på DSL.

Downloade, installere og starte

OBS!

• CoREST er ikke et selvforklarende program. Derfor bør du læse manualen, før du downloader og bruger CoREST.
• Redaktionen på ordnet.dk har desværre ikke ressourcer til at give dig teknisk assistance.

CoREST kan downloades frit her fra sitet. Vær dog opmærksom på, at

• CoREST hverken er færdigudviklet eller fuldt gennemtestet. Der er fejl og mangler i programmet, det kan i perioder være ustabilt eller utilgængeligt, og installationen af CoREST er mere omstændelig, end du kender det fra især kommercielle programmer.
• CoREST's grænseflade kun er på engelsk.
• CoREST er et Java-program. Det kan derfor køre på alle operativsystemer med Java 8. Hvis Java i version 8 ikke er tilgængelig på din maskine, fx hvis den er meget ny, vil CoREST ikke kunne køre. Du kan hente Java 8 fra Oracles hjemmeside, hvor der også er hjælp at hente omkring installationen.

1. downloade

OBS! Du skal sørge for,

• at du altid bruger den mest aktuelle version af CoREST
• at du bruger JAVA i VERSION 8 til at køre CoREST med – ellers vil programmet ikke virke!

CoREST kommer i form af en java-programfil, hvis navn ender på .jar.

Det fulde navn på programfilen afhænger blandt andet af udgaven og versionen, men vil altid begynde med CoREST.

2. installere

Du kan lægge jar-programfilen et vilkårligt sted på din computer, oplagt er dog den mappe, hvori dine øvrige programmer ligger.

3. starte

CoREST startes ved, at du dobbeltklikker på jar-programfilen. Din computer skal være på internettet, ellers virker CoREST ikke.

"Ukendt udvikler" på Mac

Første gang, du åbner CoREST på en Mac, bør der komme en meddelelse om, at programmet stammer fra en ukendt udvikler, og det vil ikke kunne startes. Du skal nu finde frem til programfilen CoREST-ååå-mm-dd-std.jar, højreklikke på den, så en lokal menu kommer op, og vælge Åbn fra denne menu. Igen bliver du advaret om, at programmet stammer fra en ukendt udvikler, men denne gang kan du åbne det ved at klikke på knappen Åbn i den dialogboks, der kommer op. Du skal kun igennem denne procedure én gang, herefter vil CoREST kunne startes som alle øvrige programmer på din Mac.

VIGTIGT: Læs manualen!

CoREST er et specialværktøj til professionelle ordbogsredaktører. Det er derfor desværre ikke helt let at gå til.

I en udførlig manual til korpusværktøjet CoREST kan du få hjælp!

Manualen beskriver, hvordan man installerer og starter CoREST, og den gennemgår herefter samtlige funktioner i værktøjet. Til gennemgangen knytter der sig mange konkrete eksempler og opgaver, som vil gøre dig fortrolig med mulighederne i CoREST.

Særlig Research Edition af CoREST

*Research*-udgaven af CoREST henvender sig især til sprogforskere, som har brug for udvidede muligheder for annotering af fund. Disse muligheder er beskrevet i manualen. Du kan også få adgang til Research ved at henvende dig til korpus@dsl.dk med en kort beskrivelse af dit forskningsprojekt.

_{CoREST m.m. er udviklet af Jørg Asmussen}