Home
55
PANACEA English-French and English-Greek parallel corpus acquired for Labour Legislation domain 
View resource name in all available languages
Corpus parallèle PANACEA anglais-français et anglais-grec acquis pour le domaine de la législation du travail
ID:
ELRA-W0058
The PANACEA English-French and English-Greek parallel corpus was acquired in the framework of the PANACEA project (Platform for Automatic, Normalized Annotation and Cost-Effective Acquisition of Language Resources for Human Language Technologies), under the European Commission's Seventh Framework Programme.
This package consists of an English-French and English-Greek sentence-aligned parallel corpus from the Labour Legislation domain automatically acquired from the web during 2010 and 2011. Data and language pairs are split into training, test and development test sets as follows:
<table border="0" width="100%" cellspacing="0" cellpadding="2" class="infoBoxContents">
<tr align=center><td>filename</td><td>sentences</td><td>tokens</td><td>vocabulary</tr>
<tr align=center><td>lab.en-el.dev.el</td><td>506</td><td>16089</td><td>3719</tr>
<tr align=center><td>lab.en-el.dev.en</td><td>506</td><td>15129</td><td>2705</tr>
<tr align=center><td>lab.en-el.test.el</td><td>2000</td><td>66770</td><td>8014</tr>
<tr align=center><td>lab.en-el.test.en</td><td>2000</td><td>62953</td><td>5145</tr>
<tr align=center><td>lab.en-el.train.el</td><td>7064</td><td>244396</td><td>17250</tr>
<tr align=center><td>lab.en-el.train.en</td><td>7064</td><td>233145</td><td>10249</tr>
<tr align=center><td>lab.en-fr.dev.en</td><td>1411</td><td>52156</td><td>5775</tr>
<tr align=center><td>lab.en-fr.dev.fr</td><td>1411</td><td>61191</td><td>6429</tr>
<tr align=center><td>lab.en-fr.test.en</td><td>2000</td><td>71688</td><td>6984</tr>
<tr align=center><td>lab.en-fr.test.fr</td><td>2000</td><td>84399</td><td>7833</tr>
<tr align=center><td>lab.en-fr.train.en</td><td>20261</td><td>709943</td><td>19925</tr>
<tr align=center><td>lab.en-fr.train.fr</td><td>20261</td><td>836684</td><td>22349</tr>
</table>
All corpus files are provided as plain text in UTF8 character encoding, one sentence per line with line numbers identifying parallel sentences.
View resource description in all available languages
Le corpus parallèle PANACEA anglais-français et anglais-grec a été acquis dans le cadre du projet PANACEA (Platform for Automatic, Normalized Annotation and Cost-Effective Acquisition of Language Resources for Human Language Technologies), du septième programme-cadre de la Commission européenne.
Le package consiste en un corpus parallèle de phrases alignées anglais-français et anglais-grec dans le domaine de la législation du travail, acquis automatiquement depuis le web en 2010 et 2011. Les données et les paires de langues sont réparties en ensembles d’apprentissage, de test et de tests de développement comme suit:
<table border="0" width="100%" cellspacing="0" cellpadding="2" class="infoBoxContents">
<tr align=center><td>Nom de fichier </td><td>Phrases</td><td>Tokens</td><td>Vocabulaire</tr>
<tr align=center><td>filename</td><td>sentences</td><td>tokens</td><td>vocabulary</tr>
<tr align=center><td>lab.en-el.dev.el</td><td>506</td><td>16089</td><td>3719</tr>
<tr align=center><td>lab.en-el.dev.en</td><td>506</td><td>15129</td><td>2705</tr>
<tr align=center><td>lab.en-el.test.el</td><td>2000</td><td>66770</td><td>8014</tr>
<tr align=center><td>lab.en-el.test.en</td><td>2000</td><td>62953</td><td>5145</tr>
<tr align=center><td>lab.en-el.train.el</td><td>7064</td><td>244396</td><td>17250</tr>
<tr align=center><td>lab.en-el.train.en</td><td>7064</td><td>233145</td><td>10249</tr>
<tr align=center><td>lab.en-fr.dev.en</td><td>1411</td><td>52156</td><td>5775</tr>
<tr align=center><td>lab.en-fr.dev.fr</td><td>1411</td><td>61191</td><td>6429</tr>
<tr align=center><td>lab.en-fr.test.en</td><td>2000</td><td>71688</td><td>6984</tr>
<tr align=center><td>lab.en-fr.test.fr</td><td>2000</td><td>84399</td><td>7833</tr>
<tr align=center><td>lab.en-fr.train.en</td><td>20261</td><td>709943</td><td>19925</tr>
<tr align=center><td>lab.en-fr.train.fr</td><td>20261</td><td>836684</td><td>22349</tr>
</table>
Tous les fichiers du corpus sont fournis au format plein texte avec un codage de caractères UTF8, une phrase par ligne avec des nombres de lignes identifiant les phrases parallèles.
People who looked at this resource also viewed the following: