Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
Obě strany předchozí revizePředchozí verze | Poslední revizeObě strany příští revize |
cnk:dewac [2013/12/28 19:32] – [Související odkazy] lukasjanicik | cnk:dewac [2014/03/10 15:08] – [Korpus deWaC] michalkren |
---|
====== Korpus deWaC ====== | ====== Korpus deWaC ====== |
| |
| Korpus webových textů stažených z domény .de, jeho celkový rozsah je 1,7 miliardy slov. Korpus je slovnědruhově označkován a lemmatizován nástrojem [[http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/|TreeTagger]], podrobnější informace o vzniku korpusu najdete [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|zde]]. |
Obsahuje 1,7 miliard slov. Byl vytvořen na základě webových domén s příponou .de a využil seznamy středně frekventovaných slov založené na korpusu SudDeutsche Zeitung a základní seznamy ze slovníků. Obsahuje slovnědruhové tagování a lematizaci pomocí nástroje [[http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/|TreeTagger]], [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|více informací zde]]. | |
| |
== Jak citovat == | == Jak citovat == |