cnk:ukwac - Příručka ČNK

Tato stránka je pouze pro čtení. Můžete si pouze prohlédnout zdrojový kód, ale ne ho měnit. Zeptejte se správce, pokud si myslíte, že něco není v pořádku.

====== Korpus ukWaC ======


Obsahuje 2 miliardy slov. Byl vytvořen na základě webových domén s příponou .uk a byly k němu využity seznamy středně frekventovaných slov založené na korpusu BNC. Obsahuje slovnědruhové tagování a lemmatizaci 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 ==
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]])

Historie: • reseni_ukolu • zaciname • oral2006 • dialekt • prehled_pozic_1_a_2 • hledani_v_diachronnim_korpusu • agregat • verbtag • ksk-dopisy • totalita