Effective Corpus Virtualization

Varování

Publikace nespadá pod Ústav výpočetní techniky, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	JAKUBÍČEK Miloš RYCHLÝ Pavel KILGARRIFF Adam
Rok publikování	2014
Druh	Článek ve sborníku
Konference	Challenges in the Management of Large Corpora (CMLC-2)
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	http://corpora.ids-mannheim.de/cmlc.html
Obor	Informatika
Klíčová slova	corpus; corpus linguistics; virtualization; indexing; database
Přiložené soubory	lrec2014_virtualization.pdf
Popis	In this paper we describe an implementation of corpus virtualization within the Manatee corpus management system. Under corpus virtualization we understand logical manipulation with corpora or their parts grouping them into new (virtual) corpora. We discuss the motivation for such a setup in detail and show space and time efficiency of this approach evaluated on a 11 billion word corpus of Spanish.
Související projekty:	Analýza přirozeného jazyka v prostředí internetu Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum