AnCora

http://clic.ub.edu/corpus/es

Etiquetas: 

AnCora es un corpus del catalán (AnCora-CA) y del español (AnCora-ES) con diferentes niveles de anotación:

  • lema y categoría morfológica
  • constituyentes y funciones sintácticas
  • estructura argumental y papeles temáticos
  • clase semántica verbal
  • tipo denotativo de los nombres deverbales
  • sentidos de WordNet nominales
  • entidades nombradas
  • relaciones de correferencia

El corpus de cada lengua contiene 500.000 paraules y están constituidos fundamentalmente por textos periodísticos. Para más información, véase el documento AnCora-corpus.

Como resultado del proceso de anotación se dispone también de dos léxicos verbales, AnCora-Verb, de 2.647 entradas para el español y 2.143 entradas para el catalán, y de un léxico de nominalizaciones deverbales, AnCora-Nom, de 1.600 entradas para el español.

Deja un comentario

Debes indicar tu nombre en el mensaje para que se publique tu comentario.
About text formats

Plain text

  • Allowed HTML tags: <a> <em> <strong> <cite> <blockquote> <code> <ul> <ol> <li> <dl> <dt> <dd> <div> <br> <p><img> <u>
  • Lines and paragraphs break automatically.
  • Web page addresses and e-mail addresses turn into links automatically.
Publica

Etiquetas

corpus de estudiantes corpus de referencia corpus de vídeo corpus escrito corpus general corpus multilingüe corpus oral corpus sonoro corpus textual español para fines específicos inmigrantes variedades geográficas