[ 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		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 13:58] hlavacova		khresmoi:data_notes [2012/02/29 14:00] hlavacova
Line 31:		Line 31:
	Staženo, TMX format, kvalita zatím neověřena (PP)		Staženo, TMX format, kvalita zatím neověřena (PP)
	Máme kredit na stažení 1 mld. slov. Zatím stažena EN-FR, EN-DE in-domain data.		Máme kredit na stažení 1 mld. slov. Zatím stažena EN-FR, EN-DE in-domain data.
		+
		+	===== EMEA =====
		+	8-)
		+	Zdroj: http://opus.lingfil.uu.se/EMEA.php
		+	**en-fr.tmx.gz** ... alignovana data - download translation memory files (TMX), 373 152 sentence pairs
		+	**en-fr.xml.gz** ... sentence alignments in XCES format
		+	**en-fr.txt.zip** ... jen angl. texty o lécich - vypadá to jako příbalové letáky 1 092 568 sentences, 26,34M words, download plain text files (MOSES/GIZA++)
		+	Adresář **fr** obsahuje francouzské texty, snad paralelní k en-fr.txt.zip (ověřím), v nějakém XML, morfologicky označkované. 1987 files, 14.9M tokens, 1.2M sentences
		+
		+	===== Orphanet =====
		+	:-?
		+	info na Kh wiki: http://wiki.khresmoi.eu/index.php5/Data_sets/Orphanet
		+	orig. stránka: http://www.orpha.net
		+	Není to žádný kompaktní balík, to se bude muset prolejzat.
		+	Navíc nejsou jasné podmínky, HON negotiates
		+	Vyslán dotaz, zda už to někdo nestáhnul
		+
		+	===== HON certified web sites =====
		+	8-)
		+	asi změť všeho možného.
		+	Počet stránek, ale ruznorodych, takze na stahovani ne příliš šikovné
		+	egrep "\.fr" HON_Certified_Web_Sites_1.1.xml | wc → 2675
		+	Asi tam jsou i různé úrovně "podstránek", např. www.grio.org/ a www.grio.org/liens.php

---

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