arTenTen: Arabic Corpus and Word Sketches
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F14%3A00073241" target="_blank" >RIV/00216224:14330/14:00073241 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.sciencedirect.com/science/article/pii/S1319157814000330" target="_blank" >http://www.sciencedirect.com/science/article/pii/S1319157814000330</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.jksuci.2014.06.009" target="_blank" >10.1016/j.jksuci.2014.06.009</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
arTenTen: Arabic Corpus and Word Sketches
Popis výsledku v původním jazyce
We present arTenTen, a web-crawled corpus of Arabic, gathered in 2012. arTenTen consists of 5.8-billion words. A chunk of it has been lemmatized and part-of-speech (POS) tagged with the MADA tool and subsequently loaded into Sketch Engine, a leading corpus query tool, where it is open for all to use. We have also created ´word sketches?: one-page, automatic, corpus-derived summaries of a word?s grammatical and collocational behavior. We use examples to demonstrate what the corpus can show us regarding Arabic words and phrases and how this can support lexicography and inform linguistic research. The article also presents the ´sketch grammar? (the basis for the word sketches) in detail, describes the process of building and processing the corpus, and considers the role of the corpus in additional research on Arabic.
Název v anglickém jazyce
arTenTen: Arabic Corpus and Word Sketches
Popis výsledku anglicky
We present arTenTen, a web-crawled corpus of Arabic, gathered in 2012. arTenTen consists of 5.8-billion words. A chunk of it has been lemmatized and part-of-speech (POS) tagged with the MADA tool and subsequently loaded into Sketch Engine, a leading corpus query tool, where it is open for all to use. We have also created ´word sketches?: one-page, automatic, corpus-derived summaries of a word?s grammatical and collocational behavior. We use examples to demonstrate what the corpus can show us regarding Arabic words and phrases and how this can support lexicography and inform linguistic research. The article also presents the ´sketch grammar? (the basis for the word sketches) in detail, describes the process of building and processing the corpus, and considers the role of the corpus in additional research on Arabic.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Journal of King Saud University-Computer and Information Sciences
ISSN
1319-1578
e-ISSN
—
Svazek periodika
2014
Číslo periodika v rámci svazku
26
Stát vydavatele periodika
NL - Nizozemsko
Počet stran výsledku
15
Strana od-do
381-395
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—