Between Comparable and Parallel: English-Czech Corpus from Wikipedia

Varování

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

Autoři	ŠTROMAJEROVÁ Adéla BAISA Vít BLAHUŠ Marek
Rok publikování	2016
Druh	Článek ve sborníku
Konference	RASLAN 2016 Recent Advances in Slavonic Natural Language Processing
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	https://nlp.fi.muni.cz/raslan/2016/paper03-Stromajerova_Baisa_Blahus.pdf
Obor	Informatika
Klíčová slova	parallel corpora; comparable corpora; Wikipedia
Popis	We describe the process of creating a parallel corpus from Czech and English Wikipedias using methods which are language independent. The corpus consists of Czech and English Wikipedia articles, the Czech ones being translations of the English ones, is aligned on sentence level and is accessible in Sketch Engine corpus manager.
Související projekty:	Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum Čeština v jednotě synchronie a diachronie - 2016