Recent Czech Web Corpora

SUCHOMEL, Vít. Recent Czech Web Corpora. In Aleš Horák, Pavel Rychlý. 6th Workshop on Recent Advances in Slavonic Natural Language Processing. Brno: Tribun EU, 2012, s. 77-83. ISBN 978-80-263-0313-8.

Základní údaje

• Originální název: Recent Czech Web Corpora
• Autoři: SUCHOMEL, Vít (203 Česká republika, garant, domácí).
• Vydání: Brno, 6th Workshop on Recent Advances in Slavonic Natural Language Processing, od s. 77-83, 7 s. 2012.
• Nakladatel: Tribun EU

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Stať ve sborníku
• Obor: 60200 6.2 Languages and Literature
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• Forma vydání: tištěná verze "print"
• WWW: URL
• Kód RIV: RIV/00216224:14330/12:00057973
• Organizační jednotka: Fakulta informatiky
• ISBN: 978-80-263-0313-8
• Klíčová slova anglicky: web corpora; czech corpus

Anotace

We introduce the largest Czech text corpus for language research – czTenTen12 with 5.4 billion tokens. A brief comparison with other recent Czech corpora follows.

Návaznosti

• GAP401/10/0792, projekt VaV: Název: Temporální aspekty znalostí a informací

Investor: Grantová agentura ČR, Temporální aspekty znalostí a informací

• LM2010013, projekt VaV: Název: LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat (Akronym: LINDAT-Clarin)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum

• VF20102014003, projekt VaV: Název: Analýza přirozeného jazyka v prostředí internetu (Akronym: APJI)

Investor: Ministerstvo vnitra ČR, Analýza přirozeného jazyka v prostředí internetu