Differences

This shows you the differences between two versions of the page.

--- khresmoi:start [2012/01/30 10:06]
ufal
+++ khresmoi:start [2012/06/14 12:09]
hlavacova
@@ Line 2: / Line 2: @@
 Medical Information Analysis & Retrieval
 http://www.khresmoi.eu/
@@ Line 12: / Line 11: @@
     * **JD**   = Jan Dědek <dedek (at) ksi.mff.cuni.cz>
     * **JB**   = Jakub Bystroň <jb.elitecode (at) gmail.com>
+    * **ZU**   = Zdeňka Urešová <uresova (at) ufal.mff.cuni.cz>
 ----
 ==== Data ====
+Jsou zde **/net/data/khresmoi**
 === MT training data available for KHRESMOI ===
+Kliknutím na korpus (první sloupec) se dostanete do sekce [[khresmoi:data_notes|Poznámky k datům]], případně na stránku, odkud jsou data stažená.
+----
 ^ Corpus ^ Source ^ Domain ^  EN-FR  ^  EN-DE  ^  alignment  ^  EN  ^  FR  ^  DE  ^  Note  ^
-| TDA translation memory  | TDA |  in  |  13517 Kw |  6797 Kw |  sent  |  |  |  |  8-) PP  |
+| [[khresmoi:data_notes#TDA|TDA]] translation memory  | TDA |  in  |  13517 Kw |  6797 Kw |  sent  |  |  |  |  DONE:tda  |
-| CESTA Evaluation Package  | ELRA |  in  |  38 Kw |  |  sent  |  |  |  |  waiting  |
+| [[khresmoi:data_notes#ELDA|CESTA]] Evaluation Package  | ELRA |  in  |  38 Kw |  |  sent  |  |  |  |  DONE:cesta  |
-| EQueR Evaluation Package  | ELRA |  in  |  |  |  |  |  140 MiB | |  waiting  |
+| [[khresmoi:data_notes#ELDA|EQueR ]]Evaluation Package | ELRA |  in  |  |  |  |  |  140 MiB | |  DONE:equer  |
-| CESART Evaluation Package | ELRA |  in  |  |  |  |  |  9000 Kw | |  waiting  |
+| [[khresmoi:data_notes#ELDA|CESART]] Evaluation Package | ELRA |  in  |  |  |  |  |  9000 Kw | |  DONE:cesart  |
-| French Gigaword | LDC |  news  |  |  |  |  |   863 Kw | |  8-) DVD  |
+| [[khresmoi:data_notes#French Gigaword|French Gigaword]] | LDC |  news  |  |  |  |  |   863 Kw | |  DONE:gigaword  |
-| Acquis | JRC |  law  |  1,25 Ms |  1,33 Ms |  sent  |  |  |   |  8-) JHla (jen FR) |
+| [[khresmoi:data_notes#JRC-Acquis|Acquis]] | JRC |  law  |  1,25 Ms |  1,33 Ms |  sent  |  |  |   |  DONE:jrc  |
-| EMEA | European Medicines Agency |  in  |  373 Ks |  12 Mw |  |  26.34 Mw |  14.9Mw |   |  8-) JHla, JB  |
+| [[khresmoi:data_notes#EMEA|EMEA]] | European Medicines Agency |  in  |  373 Ks |  12 Mw |  |  26.34 Mw |  14.9Mw |   |  DONE:emea  |
-| MESH | U.S. National Library of Medicine |  in  |  |  |  |  838 kw |   |   |  8-) JHla  |
+| [[khresmoi:data_notes#MESH|MESH]] | U.S. National Library of Medicine |  in  |  |  |  |  838 kw |   |   |  DONE:mesh*  |
-| OrphaNet  | OrphaNet |  in  |  ?  |  |  |  |  | |  Wien will do  |
+| [[khresmoi:data_notes#Orphanet|OrphaNet]]  | OrphaNet |  in  |  ?  |  |  |  |  | |  :-? Wien will do  |
-| Europarl | WMT12 |  parl  |  1.8Ms |  1.7Ms  |  sent  |  |  | |  8-) JHla  |
+| [[khresmoi:data_notes#Europarl|Europarl]] | WMT12 |  parl  |  1.8Ms |  1.7Ms  |  sent  |  |  | |  DONE:europarl  |
-| News Commentary  | WMT12 |  news  |  43ks |  60ks |  sent  |  |  | |  8-) JHla  |
+| News Commentary  | WMT12 |  news  |  43ks |  60ks |  sent  |  |  | |  DONE:news-com  |
-| News monolingual | WMT12 |  news  |  |  |  |  181kw |  147kw |  162kw |  8-) JHla  |
+| News monolingual | WMT12 |  news  |  |  |  |  181kw |  147kw |  162kw |  DONE:wmt-news  |
-| United Nations | WMT12 |  news  |  12.3Ms |  |  |  |  | |  8-) JHla  |
+| United Nations | WMT12 |  un  |  12.3Ms |  |  |  |  | |  DONE:undoc  |
-| French-English 109 corpus | WMT12 |  web  |  22.5Ms |  |  sent  |  |  | |  8-) JHla  |
+| French-English 109 corpus | WMT12 |  web  |  22.5Ms |  |  sent  |  |  | |  DONE:giga  |
 | Medpedia wiki| Medpedia |  in  |   |  |  |  ? |  | |  only EN found  |
-| Corpus Of Parallel Patent Applications (Coppa)| WIPO |  in#all  |  1.6Mf#170Mw |  |  |   |   |   |  waiting for DVD JHla   |
+| [[khresmoi:data_notes#Coppa|Coppa]] (patenty)| WIPO |  in  |  24,8Mw = 1,2Ms |  |  sent  |   |   |   |  DONE:wipo  |
-| Springer Bilingual Corpus | much.more |  in  |    |  1.09 Mw |   |  |   |   |  8-) JB   |
+| [[khresmoi:data_notes#Coppa|Coppa]] (patenty)| WIPO |  in  |  33,5Mw |  |  par  |   |   |   |  DONE:wipo  |
+| [[khresmoi:data_notes#Coppa|Coppa]] (patenty)| WIPO |  tech  |  153,8Mw = 7,5Ms |  |  sent  |   |   |   |  DONE:wipo   |
+| [[khresmoi:data_notes#Coppa|Coppa]] (patenty)| WIPO |  tech  |  178,8Mw |  |  par  |   |   |   |  DONE:wipo  |
+| [[khresmoi:data_notes#MAREC|MAREC]] | Wien TU |  in  |  ? |  ? |  ?  |  |   |   |  :-?  |
+| [[khresmoi:data_notes#much.more|Springer Bilingual Corpus]] | much.more |  in  |    |  800kw |  par  | 1.1Mw |   |  1.0Mw |  DONE:muchmore   |
+| Europarl3 | OPUS |    |    |  1.3 Ms |  sent  |  |   |   |  neni poreba   |
+| OpenSubtitles2011 | OPUS |    |    |  5 Ms |  sent  |  |   |   |  8-) JB   |
+| Czeng | UFAL |    |    |   |  sent  |  |   |   |  JB   |
+| Drugbank | drugbank.ca |  in  |    |  |   |  624kw |   |   |  DONE:drugbank   |
+| [[http://sig.biostr.washington.edu/projects/fma/release/v3.2.1/alt_formats.html|FMA]] | Foundational Model of Anatomy ontology |  in  |    |  |   |  855,5kw |   |   |  DONE:fma   |
+| PIL | The Patient Information Leaflet Corpus |  in  |    |  |   |  0,5Mw |   |   |  DONE:pil   |
+| [[www.nactem.ac.uk/download.php?target=GREC/GREC_Standoff.zip|GREC]] | Gene Regulation Event Corpus |  in  |    |  |   |  52kw |   |   |  DONE:grec   |
+| [[www.nactem.ac.uk/GENIA/current/GENIA-corpus/Part-of-speech/GENIAcorpus3.02p.tgz|GENIA]] | GENIA |  in  |    |  |   |  490kw |   |   |  DONE:genia   |
+| [[https://download.ir-facility.org/khresmoi/coch.zip|Cochrane]] | Cochrane |  in  |    |  |   |  53.6Mw |   |   |  DONE:cochrane  |
+| [[khresmoi:data_notes#un|un]]| Euromatrix |  gen  |  |  |  sent  |  517.4Mw |  386.3Mw |  5.9Mw |  DONE:un  |
+| [[http://universitypublisher.meduniwien.ac.at/radio2wiki/index.php/Main_Page|Radio2wiki]] | Radio2wiki |  in  |    |  |   |  |   |  74kw |  DONE:radio2wiki   |
+== Vysvětlivky ==
 k, M ... thousand, milion
 w, s, f ... words, sentences, files (for parallel data only source (English) words are counted)
+* viz podrobnější info v podsekcích
+Sloupec Note obsahuje název podadresáře /net/data/khresmoi, kde je uložen výsledek
+-) stažená data, ale nezpracovaná
+:?: nevíme, jestli chceme
+:-? chceme stahovat, ale zatím nevíme, jak na to ... z různých příčin
+-O čekáme na data
+:!: nějaký problém, podrobněji v poznámkách - prokliknout z prvního sloupce
-=== Zdroje  ===
-__JRC Acquis__
-http://optima.jrc.it/Acquis/JRC-Acquis.3.0/alignmentsHunAlign/index.html
-__MAREC__
-A61 (MEDICAL OR VETERINARY SCIENCE; HYGIENE): 1.589,849 files
-Nevím, kolik slov, není to v jednolitém balíku.
+=== Další odkazy  ===
 __Khresmoi wiki__
 http://wiki.khresmoi.eu/index.php5/Data_sets_used
@@ Line 60: / Line 83: @@
 http://opus.lingfil.uu.se/
-__JRC Acquis__
+==== Dokumenty ====
-http://langtech.jrc.it/JRC-Acquis.html
-__ELDA__
-Objednali jsme několik balíčků s in-domain daty (EN-FR, FR)
-__TDA__
-Máme kredit na stažení 1 mld. slov. Zatím stažena EN-FR, EN-DE in-domain data.
-__LDC__
-=== Paralelní data ===
- [[EN-FR]]
- [[EN-DE]]
-=== Mono data ===
-[[FR]]
-[[DE]]
-[[EN]]
 ----
-==== Dokumenty ====
-----
-==== SVN ====
-Prosím PP o doplnění
-----

[ Back to the navigation ] [ Back to the content ]

Institute of Formal and Applied Linguistics Wiki

Differences