Amharic Web Corpus

  Autoři

Suchomel, Vít and Rychlý, Pavel

  Identifikátor

http://hdl.handle.net/11234/1-2587

 URL projektu

http://habit-project.eu/wiki/HabitSystemFinal

 URL dema

https://corpora.fi.muni.cz/habit/run.cgi/first_form?corpname=amwac16;align=

 Odkaz na záznam v

https://link.springer.com/chapter/10.1007/978-3-319-45510-5_34
https://www.sketchengine.co.uk/wp-content/uploads/2015/05/Corpus_Factory_2010.pdf
http://habit-project.eu/wiki/AmharicCorpus

 Datum vydání

2016

 Typ

corpus, text

 Velikost

20287250 tokens, 17320000 words, 1208926 sentences

 Jazyky

Amharic

 Popis

Amharic web corpus. Crawled by SpiderLing in August 2013 and October 2015 and January 2016. Encoded in UTF-8, cleaned, deduplicated. Tagged by TreeTagger trained on Amharic WIC corpus.

 Nakladatel

Masaryk University, NLP Centre

 Sponzoři

Norway Grants

Kód projektu: 7F14047

Jméno projektu: Harvesting big text data for under-resourced languages (HaBiT)

 Klíčová slova

Amharic text corpus Web corpus under-resourced language corpus annotation morphological tagger

 Kolekce

LINDAT / CLARIAH-CZ Data & Tools

Zobrazit celý záznam