Page tree
Skip to end of metadata
Go to start of metadata

You are viewing an old version of this page. View the current version.

Compare with Current View Page History

« Previous Version 4 Next »

Sammlung sehr großer Korpora aus Internettexten, auch für Französisch (1,6 Mrd. Wörter) und Italienisch (2 Mrd. Wörter).

 

Sprache

Englisch, Französisch, Deutsch, Italienisch

Sprachliche Realisierung

schriftlich

Umfang

bis zu 2 Milliarden Wörter pro Korpus

Medium

Acht Internet-Korpora in vier Sprachen, darunter ukWac, frWac, deWac und itWac. Diese Korpora wurden anhand von Stichwortlisten aus den Domains der jeweiligen Sprache extrahiert. Verfügbar sind auch annotierte Versionen der französischen und englischen Wikipedia.

Zeitliche Einordnung

aktuell

Form der Daten

große Textmengen aus dem Internet, online durchsuchbar

Format

HTML

Annotation

zum Teil Lemmatisierung und part-of-speech-Annotation, zum Teil syntaktisches Parsing

Mögliche Suchabfragen

Wörter, Sätze, Lemmata, Wortarten, reguläre Ausdrücke. Die Suchergebnisse werden mit Konkordanzen ausgegeben.

Quelle/Herausgeber

Universitäten Bologna, Pisa, Trento, Stuttgart, Darmstadt, Hildesheim, Naval, Oslo, Pecara, Leeds und Tokio

Nutzungsvoraussetzungen

Zugang frei

Link

Einführung: http://wacky.sslmit.unibo.it/doku.php

Korpus-Übersicht: http://wacky.sslmit.unibo.it/doku.php

Suchmaske: http://nl.ijs.si/noske/wacs.cgi/first_form?corpname=itwac;align=

LiteraturM. Baroni, S. Bernardini, A. Ferraresi and E. Zanchetta (2009): "The WaCky Wide Web: A Collection of Very Large Linguistically Processed Web-Crawled Corpora". In: Language Resources and Evaluation 43 (3), 209-226.
  • No labels