Title: SoNaR-1
Creators: Oostdijk, N.H.J. ; Reynaert, M. ; Hoste, V.; Heuvel, H. van den ; Monachesi, P.; Desmet, B.; Clercq, O. De; Schuurman, I.
Date of Archiving: 2014
Archive: SoNaR
Related links: http://lands.let.ru.nl/projects/SoNaR/
Publication type: Dataset
Access level : open access

Please use this identifier to cite or link to this item : https://hdl.handle.net/2066/156341   https://hdl.handle.net/2066/156341

Display more details
Key words: Corpus
Nederlandse taal
Vlaams
geschreven woord
STEVIN
Organization: Taalwetenschap
CLST - Centre for Language and Speech Technology
Abstract:
Het SoNaR-corpus is een tekstcorpus dat bestaat uit twee delen, nl. SoNaR-500 en SoNaR-1. SONAR-500 bevat meer dan 500 miljoen woorden tekst afkomstig uit uiteenlopende domeinen en genres. Alle teksten werden getokeniseerd, ge-POS-tagd en gelemmatiseerd. Ook de named entities werden gelabeld. Alle annotaties van SoNaR-500 werden automatisch geproduceerd. SoNaR-1 is grotendeels een subset van SoNaR-500 en bevat 1 miljoen woorden. SoNaR-1 werd voorzien van verschillende soorten semantische annotaties, nl. named entity labelling, coreferentieannotatie en de annotatie van spatiële en temporele relaties. Alle annotaties van SoNaR-1 werden manueel geverifieerd. De nieuwemediateksten (tweets, chats en sms'en), die ook verzameld werden in het kader van het STEVIN-project SoNaR maken geen deel uit van het SoNaR-corpus 1.0. en zijn apart als SoNar Nieuwe Media Corpus beschikbaar. [ISBN: 9789491325021]
Audience(s): Language and literature studies

This item appears in the following Collection(s)

Browse

Statistics