Differences
This shows you the differences between two versions of the page.
Next revision | Previous revision Next revision Both sides next revision | ||
khresmoi:data_notes [2012/02/29 09:56] hlavacova vytvořeno |
khresmoi:data_notes [2012/02/29 13:47] hlavacova |
||
---|---|---|---|
Line 2: | Line 2: | ||
===== JRC-Aquis ===== | ===== JRC-Aquis ===== | ||
+ | http:// | ||
+ | http:// | ||
Data z **JRC-Aquis** se během posledních několika týdnů změnila, takže nejsou kompatibilní se skriptem, který je k nim dodáván, ten se nezměnil. Měla jsem zálohovaná data z páru fr-en, tak jsem je zpracovala, jsou na svém místě. V adresáři original jsou i ostatní data, tj. pro páry de-en a cs-en, ale nejsou zpracovaná, | Data z **JRC-Aquis** se během posledních několika týdnů změnila, takže nejsou kompatibilní se skriptem, který je k nim dodáván, ten se nezměnil. Měla jsem zálohovaná data z páru fr-en, tak jsem je zpracovala, jsou na svém místě. V adresáři original jsou i ostatní data, tj. pro páry de-en a cs-en, ale nejsou zpracovaná, | ||
Zpracování fr-en jsem provedla " | Zpracování fr-en jsem provedla " | ||
- | Z porovnání obou paralelních fr-en dat usuzuji, že na ně byl použit jiný aligner. | + | Z porovnání obou paralelních fr-en dat usuzuji, že na ně byl použit jiný aligner. |
+ | |||
+ | ===== Coppa ===== | ||
+ | |||
+ | Corpus Of Parallel Patent Applications | ||
+ | Dostali jsme na DVD na vyžádání. | ||
+ | IPC: A61, C12N, C12P ... medical patents (doporučeno od WIPO) | ||
+ | Patenty členěny podle roku, ve dvou verzích: | ||
+ | * segmentované podle vět, ale menší - viz tabulka. Některé patenty chybí zcela, některé jsou zkráceny. | ||
+ | * nesegmentované - každý patent má 2 záznamy: jméno a abstract, obojí v EN i FR, tedy alignment podle paragrafu (odhad) | ||
+ | Zatím jsem udělala jen ty nesegmentované. |