Das "Italian Web-As-Corpus" besteht aus online verfügbaren Texten, die durch web crawling gesammelt wurden.
Sprache | Italienisch |
Sprachstufe | Standard |
Sprachliche Realisierung | schriftlich |
Umfang | ca. 1.5–2 Milliarden Tokens |
Medium | Texte von Webseiten, die ausschließlich die Domain .it haben |
Geographischer Ursprung | Italien |
Form der Daten | Online-Texte |
Format | Text, XML |
Annotation |
lemmatisiert, POS-Tags (automatisch annotiert), das Subkorpus von italienischem Wikipedia wurde zusätzlich mit Semantik und Syntax annotiert | |
Mögliche Suchabfragen | Mit Sketch Engine oder NoSketchEngine können Wortfrequenzen, n-grams, Konkordanzen usw. erstellt werden |
Quelle/Herausgeber | Università di Bologna |
Nutzungsvoraussetzungen | Anmeldung erforderlich für Sketch Engine |
Link | https://corpora.dipintra.it/ (NoSketchEngine) oder https://www.sketchengine.eu/itwac-italian-corpus/ |
| Zum Zitieren: | Baroni, Marco, Silvia Bernardini, Adriano Ferraresi & Eros Zanchetta. 2009. The WaCky Wide Web: A Collection of Very Large Linguistically Processed Web-Crawled Corpora. Language Resources and Evaluation 43(3). 209–226. |
