Engelsk-svensk-turkisk korpus
SND-ID: ext0078-1.
Åtkomst till data via
Kontakt
Beáta Megyesi
Skapare/primärforskare
Beáta Megyesi - Uppsala universitet, Institutionen för lingvistik och filologi
Éva Csató Johanson - Uppsala universitet, Institutionen för lingvistik och filologi
Bengt Dahlqvist - Uppsala universitet, Institutionen för lingvistik och filologi
Joakim Nivre - Uppsala universitet, Institutionen för lingvistik och filologi
Eva Pettersson - Uppsala universitet, Institutionen för lingvistik och filologi
Forskningshuvudman
Uppsala universitet - Institutionen för lingvistik och filologi
Beskrivning
We describe a syntactically annotated parallel corpus containing typologically partly different languages, namely English, Swedish andTurkish. The corpus consists of approximately 300 000 tokens in Swedish, 160 000 in Turkish and 150 000 in English, containing bothfiction and technical documents. We build the corpus by using the Uplug toolkit for automatic structural markup, such as tokenizationand sentence segmentation, as well as sentence and word alignment. In addition, we use basic language resource kits for the linguisticanalysis of the languages involved. The annotation is carried on various layers from morphological and part of speech analysis todependency structures. The tools used for linguistic annotation, e.g., HunPos tagger and MaltParser, are freely available data-drivenresources, trained on existing corpora and treebanks for each language. The parallel treebank is used in teaching and linguistic researchto study the relationship between the structurally different languages. In order to study the treebank, several tools have been developedfor the visualization of the annotatio
... Visa mer..Syfte:
Det övergripande syftet med projektet är att främja forskning och undervisning i turkiska. Mer specifikt syftar projektet till att bygga upp språkteknologiska basresurser för turkiska, svenska och engelska med kontrastiva frågeställningar i fokus. Visa mindre..
Data innefattar personuppgifter
Nej
Ansvarig institution/enhet
Institutionen för lingvistik och filologi
Forskningsområde
Språk och litteratur (Standard för svensk indelning av forskningsämnen 2011)
Språk och lingvistik (CESSDA Topic Classification)
Nyckelord
Csató Johansson, Megyesi, Beáta, Dahlqvist, Bengt, Csató, Éva Á. & Nivre, Joakim, 'The English-Swedish-Turkish Parallel Treebank', Proceedings of Language Resources and Evaluation (LREC 2010)., 2010 http://uu.divaportal.org/smash/get/diva2:306475/FULLTEXT01.pdf
Ladda ned här
|
Swepub
Om du publicerat något baserat på det här datamaterialet, meddela gärna SND en referens till din(a) publikation(er). Är du ansvarig för katalogposten kan du själv uppdatera metadata/databeskrivningen via DORIS.