British National Corpus теперь бесплатный

сборников размеченных текстов

То есть?

То есть?

То есть с морфологической, синтаксической и др. информацией.

Например, в BNC тексты разбиты на предложения, предложения — на слова, для каждого слова указана часть речи и начальная форма, для каждого предложения — ещё метаинформация о том, кто его произносит, для текста — источник, заголовок и т.д. Для транскрипций устных текстов указаны ещё, например, паузы и время произнесения.

Пример: http://www.natcorp.ox.ac.uk/docs/eg.xml

А.... Ок. А для чего спользуется?

А.... Ок. А для чего спользуется?

Как учебный материал для систем машинного обучения, для тестов существующих систем автоматической обработки речи, также для статистических исследований языкового материала.

Какой бы придумать интересный пример, не оторванный от жизни... допустим, нам нужно разработать систему, которая сканирует 100 форумов про Линукс и собирает отзывы о новой Убунте, пытаясь определить, какие изменения вызывают самую сильную попоболь. Так вот...

Хотя с помощью одного BNC такого не сделаешь, там вряд ли достаточно материала про Линукс. Однако можно сделать, например, автоматическую определялку частей речи.

Отличные новости!

А для коммерческого использования также бесплатно? Еще бы отдали корпус русского языка для коммерческого использования... Эх, мечты:)

А для коммерческого использования также бесплатно?

Судя по всему, лицензия не изменилась, а значит, на использование результатов работы над корпусом никаких ограничений не налагается, кроме как если результаты содержат узнаваемые отрывки из текстов корпуса.

Еще бы отдали корпус русского языка для коммерческого использования... Эх, мечты:)

Ты записался добровольцем на http://opencorpora.org ?

Ты записался добровольцем на http://opencorpora.org ?

Спасибо, про них в курсе. У них пока мало материала. А помогать им профессионально, к сожалению, нет ни времени, ни квалификации.