Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
Obě strany předchozí revizePředchozí verze | Následující verzeObě strany příští revize |
cnk:ukwac [2013/12/28 19:32] – lukasjanicik | cnk:ukwac [2014/03/10 12:28] – [Korpus ukWaC] michalkren |
---|
====== Korpus ukWaC ====== | ====== Korpus ukWaC ====== |
| |
| Korpus webových textů stažených z domény .uk, jeho celkový rozsah je 2 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 == |