Annotated Amharic Corpora

D 2016

Annotated Amharic Corpora

RYCHLÝ, Pavel a Vít SUCHOMEL

Základní údaje

Originální název

Annotated Amharic Corpora

Autoři

RYCHLÝ, Pavel (203 Česká republika, domácí) a Vít SUCHOMEL (203 Česká republika, garant, domácí)

Vydání

Switzerland, Text, Speech, and Dialogue 19th International Conference, TSD 2016 Brno, Czech Republic, September 12–16, 2016 Proceedings, od s. 295-302, 8 s. 2016

Nakladatel

Springer International Publishing

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

60200 6.2 Languages and Literature

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

tištěná verze "print"

Odkazy

Plný text výsledku

Impakt faktor

Impact factor: 0.402 v roce 2005

Kód RIV

RIV/00216224:14330/16:00088120

Organizační jednotka

Fakulta informatiky

ISBN

978-3-319-45509-9

ISSN

DOI

http://dx.doi.org/10.1007/978-3-319-45510-5_34

UT WoS

000389707400034

Klíčová slova anglicky

Amharic; text corpus; web corpus; under-resourced language; corpus annotation; morphological tagger

Štítky

firank_B

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 1. 11. 2017 11:02, RNDr. Vít Suchomel, Ph.D.

Anotace

V originále

Amharic is one of under-resourced languages. The paper presents two text corpora. The first one is a substantially cleaned version of existing morphologically annotated WIC Corpus (210,000 words). The second one is the largest Amharic text corpus (17 million words). It was created from Web pages automatically crawled in 2013, 2015 and 2016. It is part-of-speech annotated by a tagger trained and evaluated on the WIC Corpus.

Návaznosti

GA15-13277S, projekt VaV

Název: Hyperintensionální logika pro analýzu přirozeného jazyka

Investor: Grantová agentura ČR, Hyperintensionální logika pro analýzu přirozeného jazyka

7F14047, projekt VaV

Název: Harvesting big text data for under-resourced languages (Akronym: HaBiT)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Harvesting big text data for under-resourced languages

Citovat

RYCHLÝ, Pavel a Vít SUCHOMEL. Annotated Amharic Corpora. In Petr Sojka, Aleš Horák, Ivan Kopeček, Karel Pala. Text, Speech, and Dialogue 19th International Conference, TSD 2016 Brno, Czech Republic, September 12–16, 2016 Proceedings. Switzerland: Springer International Publishing, 2016, s. 295-302. ISBN 978-3-319-45509-9. Dostupné z: https://dx.doi.org/10.1007/978-3-319-45510-5_34.

@inproceedings{1353390,
   author = {Rychlý, Pavel and Suchomel, Vít},
   address = {Switzerland},
   booktitle = {Text, Speech, and Dialogue 19th International Conference, TSD 2016 Brno, Czech Republic, September 12–16, 2016 Proceedings},
   doi = {http://dx.doi.org/10.1007/978-3-319-45510-5_34},
   editor = {Petr Sojka, Aleš Horák, Ivan Kopeček, Karel Pala},
   keywords = {Amharic; text corpus; web corpus; under-resourced language; corpus annotation; morphological tagger},
   howpublished = {tištěná verze "print"},
   language = {eng},
   location = {Switzerland},
   isbn = {978-3-319-45509-9},
   pages = {295-302},
   publisher = {Springer International Publishing},
   title = {Annotated Amharic Corpora},
   url = {http://link.springer.com/chapter/10.1007/978-3-319-45510-5_34},
   year = {2016}
}

TY  - JOUR
ID  - 1353390
AU  - Rychlý, Pavel - Suchomel, Vít
PY  - 2016
TI  - Annotated Amharic Corpora
PB  - Springer International Publishing
CY  - Switzerland
SN  - 9783319455099
KW  - Amharic
KW  - text corpus
KW  - web corpus
KW  - under-resourced language
KW  - corpus annotation
KW  - morphological tagger
UR  - http://link.springer.com/chapter/10.1007/978-3-319-45510-5_34
L2  - http://link.springer.com/chapter/10.1007/978-3-319-45510-5_34
N2  - Amharic is one of under-resourced languages. The paper presents two text corpora. The first one is a substantially cleaned version of existing morphologically annotated WIC Corpus (210,000 words). The second one is the largest Amharic text corpus (17 million words). It was created from Web pages automatically crawled in 2013, 2015 and 2016. It is part-of-speech annotated by a tagger trained and evaluated on the WIC Corpus.
ER  -

RYCHLÝ, Pavel a Vít SUCHOMEL. Annotated Amharic Corpora. In Petr Sojka, Aleš Horák, Ivan Kopeček, Karel Pala. \textit{Text, Speech, and Dialogue 19th International Conference, TSD 2016 Brno, Czech Republic, September 12–16, 2016 Proceedings}. Switzerland: Springer International Publishing, 2016, s.~295-302. ISBN~978-3-319-45509-9. Dostupné z: https://dx.doi.org/10.1007/978-3-319-45510-5\_{}34.

Podrobný výpis o publikaci