Seitenhierarchie
Zum Ende der Metadaten springen
Zum Anfang der Metadaten

Im Projekt PAISÀ (Piattaforma per l’Apprendimento dell’Italiano Su corpora Annotati) wurden Texte aus dem Internet zusammengestellt und linguistisch dokumentiert, um authentische Texte für den Sprachunterricht zur Verfügung zu stellen. Das Korpus ist lemmatisiert und POS-getaggt und umfasst 250 Mio Tokens. Korpus und Frequenzlisten können im Volltext heruntergeladen werden.

 

Sprache

Italienisch

Varietät

Standard

Sprachliche Realisierung

schriftlich (Internet)

Umfang

ca. 250 Mio. Wörter

Medium

Texte mit einer Länge von mehr als 150 Wörtern, insgesamt ca. 380.000 Dokumente aus mehr als 1.000 Webseiten. 260.000 Dokumente aus Wikipedia, ca. 65.000 aus Blogs.

Geographischer Ursprung

[Italien]

Form der Daten

XML-Dokument, Frequenzlisten, Dokumentation zu Lemmata und POS

Annotation

lemmatisiert, part-of-speech-annotiert

Quelle/Herausgeber

PAISÀ-Projekt

Link

http://www.corpusitaliano.it/

Zum Zitieren:Lyding, V. / Stemle, E. / Borghetti, C. / Brunello, M. / Castagnoli, S. / Dell'Orletta, F. / Dittmann, H. / Lenci, A. / Pirrelli, V. 2014. The PAISÀ Corpus of Italian Web Texts. Proceedings of the 9th Web as Corpus Workshop (WaC-9), Association for Computational Linguistics, Gothenburg, Sweden, April 2014. 36-43.