Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verzePoslední revizeObě strany příští revize |
cnk:ukwac [2013/10/02 11:44] – luciechlumska | cnk:ukwac [2015/07/13 10:15] – michalskrabal |
---|
====== Korpus ukWaC ====== | ====== Korpus ukWaC ====== |
| |
| Korpus webových textů stažených z domény .uk, jeho celkový rozsah je 1,9 miliardy slov. Korpus je slovnědruhově označkován a lemmatizován nástrojem [[http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/|TreeTagger]], podrobnější informace o vzniku korpusu a použitém [[http://wacky.sslmit.unibo.it/lib/exe/fetch.php?media=tagsets:ukwac_tagset.txt|tagsetu]] najdete [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|zde]]. |
Obsahuje 2 miliardy slov. Byl vytvořen na základě webových domén s příponou .uk a byly k němu využity seznamy středně frekventovaných slov založené na korpusu BNC. Obsahuje slovnědruhové tagování a lemmatizaci pomocí nástroje [[http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/|TreeTagger]], [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|více informací zde]], tagset je k nalezení [[http://wacky.sslmit.unibo.it/lib/exe/fetch.php?media=tagsets:ukwac_tagset.txt|zde]]. | |
| |
== Jak citovat == | == 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]]) | 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:dewac|Korpus deWaC]] • [[cnk:frwac|Korpus frWaC]] • [[cnk:itwac|Korpus itWaC]] |
| </WRAP> |