AplikaceAplikace
Nastavení

Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

Odkaz na výstup diff

Následující verze
Předchozí verze
cnk:dewac [2013/06/20 20:56] – vytvořeno Olga Richterovacnk:dewac [2014/03/10 15:10] (aktuální) – [Korpus deWaC] Michal Křen
Řádek 1: Řádek 1:
-deWaC+====== Korpus deWaC ======
  
-1.7 billion word corpus constructed from the Web limiting the crawl to the .de domain and using medium-frequency words from the SudDeutsche Zeitung corpus and basic German vocabulary lists as seedsThe corpus was POS-tagged and lemmatized with the TreeTagger, more information available here.+Korpus webových textů stažených z domény .de, jeho celkový rozsah je 1,35 miliardy slovKorpus 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]]
  
-http://wacky.sslmit.unibo.it/doku.php?id=corpora+== Jak citovat == 
 +M. Baroni, S. Bernardini, A. Ferraresi and E. Zanchetta. 2009. The WaCky Wide Web: A Collection of Very Large Linguistically Processed Web-Crawled Corpora. Language Resources and Evaluation 43(3): 209-226. ([[http://wacky.sslmit.unibo.it/lib/exe/fetch.php?media=papers:wacky_2008.pdf|PDF ke stažení]]) 
 + 
 +====== Související odkazy ====== 
 +<WRAP round box 49%> 
 +[[cnk:frwac|Korpus frWaC]] • [[cnk:itwac|Korpus itWaC]] • [[cnk:ukwac|Korpus ukWaC]] 
 +</WRAP>