[ Skip to the content ]

Institute of Formal and Applied Linguistics Wiki


[ Back to the navigation ]

Table of Contents

Khresmoi

Medical Information Analysis & Retrieval
http://www.khresmoi.eu/

People and contacts


Data

Jsou zde /net/data/khresmoi

MT training data available for KHRESMOI

Kliknutím na korpus (první sloupec) se dostanete do sekce 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 DONE:tda
CESTA Evaluation Package ELRA in 38 Kw sent DONE:cesta
EQueR Evaluation Package ELRA in 140 MiB DONE:equer
CESART Evaluation Package ELRA in 9000 Kw DONE:cesart
French Gigaword LDC news 863 Kw DONE:gigaword
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 DONE:emea
MESH U.S. National Library of Medicine in 838 kw DONE:mesh*
OrphaNet OrphaNet in ? :-? Wien will do
Europarl WMT12 parl 1.8Ms 1.7Ms sent DONE:europarl
News Commentary WMT12 news 43ks 60ks sent DONE:news-com
News monolingual WMT12 news 181kw 147kw 162kw DONE:wmt-news
United Nations WMT12 un 12.3Ms DONE:undoc
French-English 109 corpus WMT12 web 22.5Ms sent DONE:giga
Medpedia wiki Medpedia in ? only EN found
Coppa (patenty) WIPO in 24,8Mw = 1,2Ms sent DONE:wipo
Coppa (patenty) WIPO in 33,5Mw par DONE:wipo
Coppa (patenty) WIPO tech 153,8Mw = 7,5Ms sent DONE:wipo
Coppa (patenty) WIPO tech 178,8Mw par DONE:wipo
MAREC Wien TU in ? ? ? :-?
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
FMA Foundational Model of Anatomy ontology in 855,5kw DONE:fma
PIL The Patient Information Leaflet Corpus in 0,5Mw DONE:pil
GREC Gene Regulation Event Corpus in 52kw DONE:grec
GENIA GENIA in 490kw DONE:genia
Cochrane Cochrane in 53.6Mw DONE:cochrane
un Euromatrix gen sent 517.4Mw 386.3Mw 5.9Mw DONE:un
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
8-) stažená data, ale nezpracovaná
:?: nevíme, jestli chceme
:-? chceme stahovat, ale zatím nevíme, jak na to … z různých příčin
8-O čekáme na data
:!: nějaký problém, podrobněji v poznámkách - prokliknout z prvního sloupce

Další odkazy

Khresmoi wiki
http://wiki.khresmoi.eu/index.php5/Data_sets_used
http://wiki.khresmoi.eu/index.php5/Data_sets

www stranka WMT workshopu
http://www.statmt.org/wmt12/
http://www.statmt.org/wmt11/translation-task.html … tady je to vsecko pohromade

korpus OPUS
http://opus.lingfil.uu.se/

Dokumenty



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