Toto je starší verze dokumentu!
Korpus itWaC
Korpus webových textů stažených z domény .it, jeho celkový rozsah je 1,6 miliardy slov. Korpus je slovnědruhově označkován a lemmatizován nástrojem TreeTagger, podrobnější informace o vzniku korpusu a použitém lexikonu Morph-it! najdete zde.
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. (PDF ke stažení)
