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:itwac [2013/09/24 11:14] – olgarichterovacnk:itwac [2024/08/02 12:36] (aktuální) – [Korpus itWaC] michalkren
Řádek 2: Řádek 2:
 ====== Korpus itWaC ====== ====== Korpus itWaC ======
  
-Obsahuje 2 miliardy slov. Byl vytvořen na základě webových domén s příponou .it a využil seznam středně frekventovaných slov z korpusu Repubblica a základních seznamů z italských slovníků. Obsahuje slovnědruhové tagování pomocí nástroje TreeTagger a lematizaci pomocí lexikonu [[http://dev.sslmit.unibo.it/linguistics/morph-it.php|Morph-it!]], [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|více informací zde]].+Korpus webových textů stažených z domény .it, jeho celkový rozsah je 1,6 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 lexikonu [[http://dev.sslmit.unibo.it/linguistics/morph-it.php|Morph-it!]] najdete [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|zde]]. 
  
-== Jak citovatr ==+===== 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://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]])
 +</WRAP>
 +====== Související odkazy ======
 +<WRAP round box 49%>
 +[[cnk:dewac|Korpus deWaC]] • [[cnk:frwac|Korpus frWaC]] • [[cnk:ukwac|Korpus ukWaC]]
 +</WRAP>

Historie: