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:ukwac [2013/09/24 11:24] – olgarichterovacnk:ukwac [2024/08/02 12:38] (aktuální) – [Jak citovat] michalkren
Řádek 1: Řádek 1:
 ====== Korpus ukWaC ====== ====== Korpus ukWaC ======
  
 +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]]. 
  
-Obsahuje 2 miliard slov. Byl vytvořen na základě webových domén s příponou .uk a využil seznamy středně frekventovaných slov založené na korpusu BNC. Obsahuje slovnědruhové tagování a 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]], tagset je k nalezení [[http://wacky.sslmit.unibo.it/lib/exe/fetch.php?media=tagsets:ukwac_tagset.txt|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]])+
  
 +<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: