Khresmoi

Khresmoi

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

People and contacts

JH = Jan Hajič <hajic (at) ufal.mff.cuni.cz>
PP = Pavel Pecina <pecina (at) ufal.mff.cuni.cz>
JHla = Jaroslava Hlaváčová <hlava (at) ufal.mff.cuni.cz>
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>
RR = Rudolf Rosa <rosa (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 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				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
stažená data, ale nezpracovaná
nevíme, jestli chceme
chceme stahovat, ale zatím nevíme, jak na to … z různých příčin
čekáme na data
nějaký problém, podrobněji v poznámkách - prokliknout z prvního sloupce