Recent Czech Web Corpora

• Autoři: SUCHOMEL Vít
• Rok publikování: 2012
• Druh: Článek ve sborníku
• Konference: 6th Workshop on Recent Advances in Slavonic Natural Language Processing
• Fakulta / Pracoviště MU: Fakulta informatiky
• www: https://nlp.fi.muni.cz/raslan/2012/paper11.pdf
• Obor: Jazykověda
• Klíčová slova: web corpora; czech corpus
• Popis: 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.

Související projekty

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