European Union Language Resources in Sketch Engine

Varování

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

Autoři	BAISA Vít MICHELFEIT Jan MEDVEĎ Marek JAKUBÍČEK Miloš
Rok publikování	2016
Druh	Článek ve sborníku
Konference	Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC 2016)
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	http://www.lrec-conf.org/proceedings/lrec2016/pdf/572_Paper.pdf
Obor	Informatika
Klíčová slova	JRC-Acquis; DCEP; DGT-TM; Europarl; EUR-Lex; Sketch Engine; parallel corpus; word sketch; parallel concordance
Popis	Several parallel corpora built from European Union language resources are presented here. They were processed by state-of-the-art tools and made available for researchers in the Sketch Engine corpus management system. A completely new resource is introduced: EUR-Lex corpus, being one of the largest parallel corpus available at the moment, containing 840 million tokens of English and having the largest language pair (English-French) with more than 25 million aligned segments (paragraphs).
Související projekty:	Harvesting big text data for under-resourced languages Hyperintensionální logika pro analýzu přirozeného jazyka Rozsáhlé výpočetní systémy: modely, aplikace a verifikace V. Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum