PANACEA Environment Corpus n-grams EL (Greek)

View resource name in all available languages

PANACEA σώμα ελληνικών n-γραμμάτων (n-grams) περιβαλλοντικού τομέα

PANACEA Environment Corpus n-grams EL (Greek) 1.0 contains Greek word n-grams and Greek word/tag/lemma n-grams in the "Environment" (ENV) domain. N-grams are accompanied by their observed frequency counts. The length of the n-grams ranges from unigrams (single words) to five-grams. The data were collected in the context of PANACEA (http://www.panacea-lr.eu), an EU-FP7 Funded Project under Grant Agreement 248064.
The n-gram counts were generated from crawled Web pages that were automatically detected to be in the Greek language and were automatically classified as relevant to the ENV domain. The collection consisted of approximately 31.71 million tokens. Data collection took place in the summer of 2011.

View resource description in all available languages

Ο συγκεκριμένος πόρος περιλαμβάνει ελληνικά n-γράμματα (για n = 1 – 5) λέξεων και n-γράμματα λέξης/μορφοσυντακτικού χαρακτηρισμού/λήμματος στον τομέα του περιβάλλοντος, τα οποία συνοδεύονται από τις αντίστοιχες συχνότητες.
Ο πόρος αναπτύχθηκε στο πλαίσιο του έργου PANACEA (http://www.panacea-lr.eu), που χρηματοδοτήθηκε από το 7ο ΠΠ. Βασίστηκε σε ιστοσελίδες που ανακτήθηκαν αυτόματα από το διαδίκτυο με χρήση του εργαλείου FPC, αφού αναγνωρίστηκε αυτόματα ότι τα κείμενα είναι γραμμένα στην ελληνική και είναι σχετικά με το περιβάλλον. Το κειμενικό σώμα αποτελείται από περίπου 31,71 εκατ. μονάδες. Η συλλογή των δεδομένων έγινε το καλοκαίρι του 2011.

You don’t have the permission to edit this resource.