Recent Czech Web Corpora

• Authors: SUCHOMEL Vít
• Year of publication: 2012
• Type: Article in Proceedings
• Conference: 6th Workshop on Recent Advances in Slavonic Natural Language Processing
• MU Faculty or unit: Faculty of Informatics
• Web: https://nlp.fi.muni.cz/raslan/2012/paper11.pdf
• Field: Linguistics
• Keywords: web corpora; czech corpus
• Description: 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.

Related projects

• Temporální aspekty znalostí a informací
• Analýza přirozeného jazyka v prostředí internetu
• Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum