Rozdíly

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

--- cnk:ukwac [2013/12/28 19:32] – lukasjanicik
+++ cnk:ukwac [2014/03/10 15:11] – [Korpus ukWaC] michalkren
@@ Řádek 1: / Řádek 1: @@
 ====== 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 ==

Historie: