AplikaceAplikace
Nastavení

Rozdíly

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

Odkaz na výstup diff

Následující verze		Předchozí verze
cnk:ukwac [2013/06/20 20:57] – vytvořeno olgarichterovacnk:ukwac [2024/08/02 12:38] (aktuální) – [Jak citovat] michalkren
Řádek 1: Řádek 1:
-ukWaC: +====== Korpus ukWaC ======
  
-a 2 billion word corpus constructed from the Web limiting the crawl to the .uk domain and using medium-frequency words from the BNC as seeds. The corpus was POS-tagged and lemmatized with the TreeTagger. The tagset is available here, more information can be found in this paper.+Korpus webových textů stažených z domény .uk, jeho celkový rozsah je 1,9 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 [[http://wacky.sslmit.unibo.it/lib/exe/fetch.php?media=tagsets:ukwac_tagset.txt|tagsetu]] najdete [[http://wacky.sslmit.unibo.it/doku.php?id=corpora|zde]]. 
  
-http://wacky.sslmit.unibo.it/doku.php?id=corpora+===== 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]]) 
 +</WRAP> 
 + 
 +===== Související odkazy ===== 
 +<WRAP round box 49%> 
 +[[cnk:dewac|Korpus deWaC]] • [[cnk:frwac|Korpus frWaC]] • [[cnk:itwac|Korpus itWaC]] 
 +</WRAP>

Historie: