ARTS, Tressy, Yonatan BELINKOV, Nizar HABASH, Adam KILGARRIFF a Vít SUCHOMEL. arTenTen: Arabic Corpus and Word Sketches. Journal of King Saud University-Computer and Information Sciences. Elsevier, 2014, roč. 2014, č. 26, s. 381-395. ISSN 1319-1578. Dostupné z: https://dx.doi.org/10.1016/j.jksuci.2014.06.009.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název arTenTen: Arabic Corpus and Word Sketches
Autoři ARTS, Tressy (826 Velká Británie a Severní Irsko), Yonatan BELINKOV (376 Izrael), Nizar HABASH (784 Spojené arabské emiráty), Adam KILGARRIFF (826 Velká Británie a Severní Irsko) a Vít SUCHOMEL (203 Česká republika, garant, domácí).
Vydání Journal of King Saud University-Computer and Information Sciences, Elsevier, 2014, 1319-1578.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Nizozemské království
Utajení není předmětem státního či obchodního tajemství
WWW plný text článku
Kód RIV RIV/00216224:14330/14:00073241
Organizační jednotka Fakulta informatiky
Doi http://dx.doi.org/10.1016/j.jksuci.2014.06.009
UT WoS 000216697200002
Klíčová slova anglicky Corpora; Lexicography; Morphology; Concordance; Arabic
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: Mgr. Michal Petr, učo 65024. Změněno: 27. 5. 2015 09:02.
Anotace
We present arTenTen, a web-crawled corpus of Arabic, gathered in 2012. arTenTen consists of 5.8-billion words. A chunk of it has been lemmatized and part-of-speech (POS) tagged with the MADA tool and subsequently loaded into Sketch Engine, a leading corpus query tool, where it is open for all to use. We have also created ‘word sketches: one-page, automatic, corpus-derived summaries of a word’s grammatical and collocational behavior. We use examples to demonstrate what the corpus can show us regarding Arabic words and phrases and how this can support lexicography and inform linguistic research. The article also presents the ‘sketch grammar’ (the basis for the word sketches) in detail, describes the process of building and processing the corpus, and considers the role of the corpus in additional research on Arabic.
Návaznosti
LM2010013, projekt VaVNázev: 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 VaVNázev: Analýza přirozeného jazyka v prostředí internetu (Akronym: APJI)
Investor: Ministerstvo vnitra ČR, Analýza přirozeného jazyka v prostředí internetu
VytisknoutZobrazeno: 25. 4. 2024 02:21