AplikaceAplikace
Nastavení

Rozdíly

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

Odkaz na výstup diff

Obě strany předchozí revizePředchozí verze
Následující verze
Předchozí verze
cnk:dewac [2013/09/24 11:15] Olga Richterovacnk:dewac [2014/03/10 15:10] (aktuální) – [Korpus deWaC] Michal Křen
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 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]]. 
-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 slovníkůObsahuje slovnědruhové tagování lematizaci pomocí nástroje [[http://www.cis.uni-muenchen.de/~schmid/tools/TreeTagger/|TreeTagger]], [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|více informací 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:frwac|Korpus frWaC]] • [[cnk:itwac|Korpus itWaC]] • [[cnk:ukwac|Korpus ukWaC]]
 +</WRAP>