R 2017

HaBiT system

PALA, Karel, Aleš HORÁK, Pavel RYCHLÝ, Vít SUCHOMEL, Vít BAISA et. al.

Základní údaje

Originální název

HaBiT system

Autoři

PALA, Karel (203 Česká republika, garant, domácí), Aleš HORÁK (203 Česká republika, domácí), Pavel RYCHLÝ (203 Česká republika, domácí), Vít SUCHOMEL (203 Česká republika, domácí), Vít BAISA (203 Česká republika, domácí), Miloš JAKUBÍČEK (203 Česká republika, domácí), Vojtěch KOVÁŘ (203 Česká republika, domácí), Zuzana NEVĚŘILOVÁ (203 Česká republika, domácí), Adam RAMBOUSEK (203 Česká republika, domácí), Björn GAMBÄCK (578 Norsko), Utpal SIKDAR (578 Norsko) a Lars BUNGUM (578 Norsko)

Vydání

2017

Další údaje

Jazyk

angličtina

Typ výsledku

Software

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Česká republika

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Kód RIV

RIV/00216224:14330/17:00096850

Organizační jednotka

Fakulta informatiky

Klíčová slova anglicky

corpus tool; corpus manager; word list; word sketch; sketch differece; concordance

Technické parametry

HaBiT system is provided in the form of a web service, which allows to access and search the text corpora of Amharic, Oromo, Tigrinya and Somali languages of Ethiopia and Norwegian and Czech corpora, as well as use the Universal Dependencies taggers of the 4 Ethiopian languages.
Změněno: 23. 1. 2018 15:19, doc. RNDr. Aleš Horák, Ph.D.

Anotace

V originále

HaBiT system summarizes technical results of the Czech-Norwegian research project 7F14047 Harvesting big text data for under-resourced languages. The main objectives of the HaBiT project were to gather large-scale text data (corpora) from the Web for under-resourced languages, involving Norwegian, partly Czech and the major languages of Ethiopia — Amharic, Afaan Oromo, Tigrinya, Somali — and to build shallow processing applications. The gathered data were processed to make it usable in many language applications, such as information extraction or machine translation. Furthermore, in the process of collecting corpora data, existing tools for building web text resources were further developed and improved since the Ethiopian languages are quite different from most European languages.

Návaznosti

MUNI/A/0897/2016, interní kód MU
Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VI.
Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace VI., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
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