Display:

Moroccorp is een corpus van communicatie via internet-chat tussen Marokkaans-Nederlandse taalgebruikers, bestaande uit tien miljoen woorden. De data wordt aangeboden als een tekstbestand van 82.4 Mb.

Moroccorp is a corpus of computer-mediated communication in Dutch by Moroccan-Dutch language users, consisting of ten million words of chat material. The data is delivered in a .txt file of 82.4 Mb.

 

Productdetails

Jaar: 2019
Versie: 1.1
Periode: 2012
Woorden: 10.000.000
Talen: Nederlands
Refereren: Moroccorp (Version 1.1) (2019) [Data set]. Available at the Dutch Language Institute:
http://hdl.handle.net/10032/tm-a2-q4
Documentatie: Ruette, T. and van de Velde, F. (2013) Moroccorp: tien miljoen woorden uit twee Marokkaans-Nederlandse chatkanalen. Lexikos 23: 456-475.

Het SumNL-samenvattingencorpus is gebaseerd op 30 clusters. Ieder cluster bestaat uit een onderwerp en 5-25 krantenartikelen die relevant zijn voor het onderwerp. Voor ieder cluster werden twee samenvattingen gemaakt van verschillende grootte en ook extracts bestaande uit tien zinnen uit de teksten.

De commerciële versie van dit corpus bevat een tweetal clusters minder dan de niet-commerciële versie.

Dit product is gratis. Maar het is wel noodzakelijk dat eerst een licentie wordt ondertekend. De download bevat de licentie en verdere instructies voor het plaatsen van een bestelling.

Productdetails

Jaar: 2014
Financier: Universiteit Antwerpen (Kleine Projecten BOF 2008)
Eigenaar: Universiteit Antwerpen
Talen: Nederlands
Refereren: SumNL-samenvattingencorpus Commercieel (Version 1.0) (2014) [Data set]. Available at the Dutch Language Institute:
http://hdl.handle.net/10032/tm-a2-q5
Documentatie: Technisch rapport

Het Wablieft-corpus bevat het digitaal archief van de Wablieft-krant (periode 2011-2017), zoals ook beschikbaar op de website http://www.wablieft.be/krant/archief.

Het bevat 2 miljoen woorden krantenmateriaal in eenvoudig te lezen Nederlands. Er is metadata beschikbaar i.v.m. de krantenrubriek (binnenland, sport, ...) en de publicatiedatum. Het betreft al het materiaal sinds de krant volledig digitaal en online beschikbaar is, van 2011 tot december 2017.

De data is beschikbaar in verschillende formaten: oorspronkelijke tekstbestanden, tekstbestanden met één zin per lijn, geannoteerd met Frog (POS-tagging, lemmatisering, morfologie, named entity recognition, chunking, dependency relaties) in FoLiA of CoNNL, en syntactisch geanalyseerd met Alpino, in Alpino-xml.

Er is een overeenkomst met Wablieft voor de verspreiding van dit materiaal voor niet-commerciële doeleinden. Commerciële partijen kunnen contact opnemen met Wablieft om een licentie voor het materiaal te verkrijgen.

 

Productdetails

Jaar: 2019
Versie: 1.2
Periode: 2011-2017
Woorden: 2.000.000
Eigenaar: Wablieft
Talen: Nederlands
Refereren: Wablieft-corpus (Version 1.2) (2019) [Data set]. Available at the Dutch Language Institute:
http://hdl.handle.net/10032/Tm-a2-q6

Op deze website maken wij gebruik van cookies.