Verhuizing TST-materialen

Vanaf april 2016 zijn de digitale taalmaterialen van de TST-Centrale niet langer ondergebracht bij de Nederlandse Taalunie, maar bij het Instituut voor de Nederlandse Taal. Lees meer...

SoNaR-corpus

Prijs per product (download)€0,00
“Exclusief btw en verzend- en afhandelingskosten”
Verzend- en afhandelingskosten:
Stel een vraag over dit artikel
Preloader

Kenmerken

Aantal Woorden: 505000000
Categorie: Corpus
Taligheid: Monolinguaal
Periode van: 1954
Periode tot: 2002
Annotaties:
Lemma’s , Morfologie , Part of Speech , Syntaxis , Woordfrequentie

20150602_SoNaRCorpus_NC_1.2.1.tgz

Omschrijving

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.

 

Specificaties

Versie 1.2.1
Jaar 2015
Opdrachtgever NTU|STEVIN
Financier NTU|STEVIN
Eigenaar Nederlandse Taalunie
Bestandsgrootte 60 GB
Controlegetal (MD5) ae2db1c28366fac6df79ed582e2acebf
Controlegetal (MD5) ae2db1c28366fac6df79ed582e2acebf
Talen Nederlands
Documentatie Documentatie
Project SoNaR
Projectwebsite http://lands.let.ru.nl/projects/SoNaR

Verzend- en afhandelingskosten

Dit taalmateriaal wordt standaard als download aangeboden en dan worden er geen kosten aangerekend. Maar omwille van de grote hoeveelheid data kan het SoNaR-corpus ook aangevraagd worden op een externe harde schijf. Hier rekent de TST-Centrale € 100,00 verzend- en afhandelingskosten voor.


Licentie
Niet-commercieel