Wikipedia subcorpus from 2018 (bih_wikipedia_2018_10K)

Identifikator: 11022/0000-0007-DFB7-0

Beschreibung

Bihari Wikipedia-Teilkorpus basierend auf Texten von 2018 (10.000 Sätze) erstellt im Rahmen des Projektes "Deutscher Wortschatz" bzw. "Wortschatz Leipzig".
Das Projekt sammelt regelmäßig (meist jährlich) frei verfügbare Dokumente im Internet und aus anderen Quellen und bereitet diese auf. Das Ergebnis sind Korpora und korpusbasierte Wörterbücher für über 250 Sprachen, in denen zu jedem Wort statistische Angaben, Beispielsätze und Links zu verwandten Wörtern verfügbar sind. Das Angebot zählt zu den umfangreichsten Informationssystemen zur deutschen Sprache und stellt für viele weitere Sprachen die jeweils größten frei verfügbaren Datenmengen bereit.

Metadaten

Details

Typ/Media Type: Written corpus, text/plain, application/gzip
Lizenz: CC BY-NC
Sprache: unknown (ISO 639-3: und)
Zeitliche Abdeckung: 2009-11-28 - 2018-01-20
Keywords: wikipedia, Corpus

Größe

Anzahl Sätze: 10000
Anzahl Types: 20966
Anzahl Token: 164994

Kontakt

Administrativer Kontakt
Technischer Kontakt

Zitieren

Leipzig Corpora Collection: Wikipedia subcorpus from 2018 (bih_wikipedia_2018_10K). Leipzig Corpora Collection. Dataset. Identifier: 11022/0000-0007-DFB7-0.