Deltacorpus

Abstrakt

Texty ve 107 jazycích z korpusu W2C (http://hdl.handle.net/11858/00-097C-0000-0022-6133-9), první 1000000 tokenů pro každý jazyk, označkované delexikalizovaným taggerem popsaným v Yu et al. (2016, LREC, Portorož, Slovenia).

Klíčová slova

• deltacorpus
• texty
• jazycích
• korpusu
• http
• handle
• 11858
• 097c
• 0000
• 0022
• 6133
• první
• 1000000
• tokenů
• každý
• jazyk
• označkované
• delexikalizovaným
• taggerem
• popsaným
• 2016
• lrec
• portorož
• slovenia