quantitative linguistics, genre analysis, vocabulary richness, stylometry, corpus, lexical statistics

Přednáška se zabývá žánrovou analýzou v češtině za použití kvantitativních metod, konkrétně indexů frekvenční struktury textu. Aby se zabránilo negativnímu vlivu autorství, korpus je tvořen pouze texty jednoho autora (Karla Čapka). Čapek byl vybrán pro jeho pestrou škálu žánrů. Vzhledem k tomu, že všechny indexy slovního bohatství jsou závislé na délce textu, všechny texty byly rozděleny na jednotlivé kapitoly a každá kapitola byla zkrácena na prvních 400 slov. Pouze průměrné hodnoty těchto částí textu mohou být statisticky porovnávány. Hlavním cílem této práce je zjistit, zda volba žánru způsobuje signifikantní změny ve stylu jednoho autora.

The presentation deals with genre analysis in Czech using quantitative methods, namely frequency structure indicators of text. To avoid any negative influence of authorship on results, the corpus contains only texts written by one author (Karel Čapek). Čapek was selected for his ability to write several genres. Given that all indicators of vocabulary richness are dependent on text length, the texts are divided into chapters and each chapter is reduced to first 400 words. Only mean values of these parts of text can be compared and subsequently used for statistical test. The main aim of this analysis is to discover if choice of genre causes significant changes in style of writing of one author.