corpus-CS-analysis.txt

predelat podle meho navrhu, vychazejiciho z nize vytvorene studie
  kazdemu znaku bude pridelena vaha
  dulezite nealfa znaky budou ponechany tak, jak jsou na dvorak, zbytek bude
    serazen podle dostupnosti a vzhledem k tomu budou prideleny znaky postupne
    od nejvyssi vahy
  co takhle cetnost digramu a trigramu (moc jich nemame)?

zjistit cetnost
  pismen ceskych + anglickych
  znaku /=\-_'`,;:.?!+|" atd. vcetne enteru apod.
  v dokumentech (cislice nas nezajimaji)
  {{
    sehnat nekde jiz hotove statistiky?? zeptat se ?Petra? Pithy (byvaly
      ministr skolstvi)
    chtel by nekdo tuto praci provest??
      (nejaky student [filozofie? zurnalistiky? neceho jineho?],
      agentura, spolecnost...)
  }}
  POZN: kde neni jinak uvedeno, predpokladaji se data z let 2006 - soucasnost
        v potaz brat pouze dila s malo opakujicimi se frazemi!
  kniha (beletrie) - musi byt delsi (min 200 stran A5)
    1x 1980 - 1990
    1x 1990 - 1995
    1x 1995 - 2000
    2x 2000 - 2005
    3x 2005 - 2010
  specialni, rozmanity a dlouhy (min 100 stran) text
    fyzika (treba doktorska prace)
    pocitace ( - || - )
    biologie ( - || - )
    humanologie ( - || - )
  firma
    50x dopis ruzne dlouhy
      - predpokladana maximalni delka 2 stranky formatovaneho textu)
    10x delsi dokumentace (min 10 stran) k cemukoliv
  vytah ze socialnich siti (treba facebook)
    - celkem vsak minimalne 200 stran NEformatovaneho textu