Somali Web Corpus

  Autoři

Suchomel, Vít and Rychlý, Pavel

  Identifikátor

http://hdl.handle.net/11234/1-2591

 URL projektu

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

 URL dema

https://corpora.fi.muni.cz/habit/run.cgi/first_form?corpname=sowac16

 Odkaz na záznam v

https://www.sketchengine.co.uk/wp-content/uploads/2015/05/Corpus_Factory_2010.pdf
http://habit-project.eu/wiki/SomaliCorpus

 Datum vydání

2016

 Typ

corpus, text

 Velikost

79741231 tokens, 71871585 words, 2643336 sentences

 Jazyky

Somali

 Popis

Somali web corpus. Crawled by SpiderLing in January 2016. Encoded in UTF-8, cleaned, deduplicated.

 Nakladatel

Masaryk University, NLP Centre

 Sponzoři

Norway Grants

Kód projektu: 7F14047

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

 

Ministerstvo školství, mládeže a tělovýchovy České republiky

Kód projektu: LM2015071

Jméno projektu: LINDAT/CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat

 Klíčová slova

text corpora Ethiopian languages web corpora under-resourced languages Somali

 Kolekce

LINDAT / CLARIAH-CZ Data & Tools

Zobrazit celý záznam