CzeSL Grammatical Error Correction Dataset (CzeSL-GEC)

  Authors

Šebesta, Karel ; et al.show everyone

Šebesta, Karel ; Bedřichová, Zuzanna ; Šormová, Kateřina ; Štindlová, Barbora ; Hrdlička, Milan ; Hrdličková, Tereza ; Hana, Jiří ; Petkevič, Vladimír ; Jelínek, Tomáš ; Škodová, Svatava ; Janeš, Petr ; Lundáková, Kateřina ; Skoumalová, Hana ; Sládek, Šimon ; Pierscieniak, Piotr ; Toufarová, Dagmar ; Straka, Milan ; Rosen, Alexandr ; Náplava, Jakub ; Poláčková, Marie

  Item identifier

http://hdl.handle.net/11234/1-2143

 Date issued

2017-04-30

 Type

corpus, text

 Size

108067 sentences, 48 files

 Language(s)

Czech

 Description

CzeSL-GEC is a corpus containing sentence pairs of original and corrected versions of Czech sentences collected from essays written by both non-native learners of Czech and Czech pupils with Romani background. To create this corpus, unreleased CzeSL-man corpus (http://utkl.ff.cuni.cz/learncorp/) was utilized. All sentences in the corpus are word tokenized.

 Publisher

Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL)

 Acknowledgement

Ministerstvo školství, mládeže a tělovýchovy České republiky

Project code: LM2015071

Project name: LINDAT/CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat

 

Grantová agentura České republiky

Project code: GAČR 16-10185S

Project name: Čeština nerodilých mluvčích z pohledu teoretického a komputačního / Non-native Czech from the Theoretical and Computational Perspective

 Subject(s)

natural language correction grammatical error correction

 Collection(s)

LINDAT / CLARIAH-CZ Data & Tools

 

This item is replaced by a newer submission:

http://hdl.handle.net/11234/1-3057

List all versions  

Show full item record