Rozdíly
Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.
| Následující verze | Předchozí verze | ||
| cnk:itwac [2013/06/20 20:56] – vytvořeno olgarichterova | cnk:itwac [2024/08/02 12:36] (aktuální) – [Korpus itWaC] michalkren | ||
|---|---|---|---|
| Řádek 1: | Řádek 1: | ||
| + | ====== Korpus itWaC ====== | ||
| - | frWaC | + | Korpus webových textů stažených z domény .it, jeho celkový rozsah je 1,6 miliardy slov. Korpus je slovnědruhově označkován a lemmatizován nástrojem [[http:// |
| - | a 1.6 billion word corpus constructed from the Web limiting the crawl to the .fr domain and using medium-frequency words from the Le Monde Diplomatique corpus and basic French vocabulary lists as seeds. The corpus was POS-tagged and lemmatized with the TreeTagger, more information available here. | + | ===== Jak citovat ===== |
| - | http:// | + | <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:// | ||
| + | </ | ||
| + | ====== Související odkazy ====== | ||
| + | <WRAP round box 49%> | ||
| + | [[cnk: | ||
| + | </ | ||
