Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
| Obě strany předchozí revizePředchozí verzeNásledující verze | Předchozí verze | ||
| cnk:dewac [2013/12/28 19:31] – lukasjanicik | cnk:dewac [2024/08/02 12:35] (aktuální) – [Korpus deWaC] michalkren | ||
|---|---|---|---|
| Řádek 1: | Řádek 1: | ||
| ====== Korpus deWaC ====== | ====== Korpus deWaC ====== | ||
| + | Korpus webových textů stažených z domény .de, jeho celkový rozsah je 1,35 miliardy slov. Korpus je slovnědruhově označkován a lemmatizován nástrojem [[http:// | ||
| - | 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:// | + | ===== Jak citovat ===== |
| - | == Jak citovat == | + | <WRAP round tip 49%> |
| 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:// | 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:// | ||
| + | </ | ||
| ====== Související odkazy ====== | ====== Související odkazy ====== | ||
| <WRAP round box 49%> | <WRAP round box 49%> | ||
| - | [[cnk: | + | [[cnk: |
| </ | </ | ||
