[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki

• ÚFAL Wiki Home
• ÚFAL Home
• Sitemap
• RSS
• ÚFAL calendar
• Recent changes
• Login
• Hledat:

[ Back to the navigation ]

Differences

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

View differences: Side by SideInline Go

Link to this comparison view

Both sides previous revision Previous revision 2012/06/13 10:15 hlavacova 2012/03/02 13:50 hlavacova 2012/03/01 16:16 hlavacova 2012/03/01 16:16 hlavacova 2012/03/01 15:57 hlavacova 2012/03/01 15:57 hlavacova 2012/03/01 11:34 hlavacova 2012/02/29 14:44 hlavacova 2012/02/29 14:36 hlavacova 2012/02/29 14:34 hlavacova 2012/02/29 14:31 hlavacova 2012/02/29 14:29 hlavacova 2012/02/29 14:25 hlavacova 2012/02/29 14:24 hlavacova 2012/02/29 14:19 hlavacova 2012/02/29 14:19 hlavacova 2012/02/29 14:18 hlavacova 2012/02/29 14:01 hlavacova 2012/02/29 14:00 hlavacova 2012/02/29 13:58 hlavacova 2012/02/29 13:51 hlavacova 2012/02/29 13:49 hlavacova 2012/02/29 13:47 hlavacova 2012/02/29 10:00 hlavacova 2012/02/29 09:56 hlavacova vytvořeno Go Next revision		Previous revision 2012/06/13 10:15 hlavacova 2012/03/02 13:50 hlavacova 2012/03/01 16:16 hlavacova 2012/03/01 16:16 hlavacova 2012/03/01 15:57 hlavacova 2012/03/01 15:57 hlavacova 2012/03/01 11:34 hlavacova 2012/02/29 14:44 hlavacova 2012/02/29 14:36 hlavacova 2012/02/29 14:34 hlavacova 2012/02/29 14:31 hlavacova 2012/02/29 14:29 hlavacova 2012/02/29 14:25 hlavacova 2012/02/29 14:24 hlavacova 2012/02/29 14:19 hlavacova 2012/02/29 14:19 hlavacova 2012/02/29 14:18 hlavacova 2012/02/29 14:01 hlavacova 2012/02/29 14:00 hlavacova 2012/02/29 13:58 hlavacova 2012/02/29 13:51 hlavacova 2012/02/29 13:49 hlavacova 2012/02/29 13:47 hlavacova 2012/02/29 10:00 hlavacova 2012/02/29 09:56 hlavacova vytvořeno Go Next revision Both sides next revision
khresmoi:data_notes [2012/02/29 10:00] hlavacova		khresmoi:data_notes [2012/02/29 13:51] hlavacova
Line 7:		Line 7:
	Zpracování fr-en jsem provedla "ručně", ne pomocí skriptu processing.sh. Ten je připraven, ale jak jsem napsala, na současných datech nefunguje.		Zpracování fr-en jsem provedla "ručně", ne pomocí skriptu processing.sh. Ten je připraven, ale jak jsem napsala, na současných datech nefunguje.
	Z porovnání obou paralelních fr-en dat usuzuji, že na ně byl použit jiný aligner. V tom ale problém asi nebude, spíš je formát dat nekompatibililní se skriptem.		Z porovnání obou paralelních fr-en dat usuzuji, že na ně byl použit jiný aligner. V tom ale problém asi nebude, spíš je formát dat nekompatibililní se skriptem.
		+
		+	===== 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.
		+
		+	===== MAREC =====
		+	A61 (MEDICAL OR VETERINARY SCIENCE; HYGIENE): 1.589,849 files
		+	Nevím, kolik slov, není to v jednolitém balíku.
		+	Na žádost o přístup odpověděli:
		+	//the IRF is not granting access to the MAREC collection anymore. However, the access for research purposes should be possible in a foreseeable future via the Vienna University of Technology - Allan will certainly come back to you when the legal status is cleared.//
		+
		+	===== TDA =====
		+	Máme kredit na stažení 1 mld. slov. Zatím stažena EN-FR, EN-DE in-domain data.
		+

---

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