Corpus querying/nl: Difference between revisions

From Clarin K-Centre
Jump to navigation Jump to search
VisualWikitext
(Created page with "==[https://opensonar.ivdnt.org/ OpenSonar]== De huidige applicatie bevat twee corpora: *Het SoNaR corpus (Zie Referentiecorpora voor meer informatie.) *Het Corpus Gesproken Nederlands (CGN) is een verzameling van 900 uur (bijna 9 miljoen woorden) hedendaagse Nederlandse spraak, afkomstig van Vlamingen en Nederlanders. De spraakfragmenten (spontaan en voorbereid) zijn opgelijnd met diverse transcripties (o.a. orthografisch, fonetisch) en annotaties (syntactisch, POS-t...")
No edit summary
 
(18 intermediate revisions by 3 users not shown)
Line 1: Line 1:
<languages/>
==Autosearch==
==Autosearch==
Deze demonstrateur staat gebruikers toe om een of meerdere corpora aan te wijzen en data voor deze corpora te uploaden, waarna de corpora automatisch op te zoeken zijn op een particuliere werkplek.
Met deze demo kunnen gebruikers een of meer corpora definiëren en gegevens voor de corpora uploaden, waarna de corpora automatisch doorzoekbaar worden gemaakt in een besloten werkruimte.


Gebruikers kunnen tekstdata uploaden die geannoteerd zijn met lemma + gedeelte van spraak tags in TEI of FoLiA formaat. Dit kan in een los XML-bestand, of als een archief (zip of tar.gz) dat meerdere bestanden bevat. Om te beginnen is de corpusgrootte gelimiteerd (25 MB limiet per geüpload bestand; 500.000 token limiet voor een geheel corpus), maar deze limieten kunnen worden verhoogd op een later moment. De zoekapplicatie wordt aangedreven door de INL BlackLab-corpus zoekmachine. De zoek-interface is dezelfde als die gebruikt wordt voor bijvoorbeeld het [https://chn.ivdnt.org Corpus Hedendaags Nederlands].
Gebruikers kunnen tekstdata uploaden die geannoteerd zijn met lemmata en POS-tags in TEI- of FoLiA-formaat. Dit kan in een los XML-bestand, of als een archief (zip of tar.gz) dat meerdere bestanden bevat. Om te beginnen is de corpusgrootte gelimiteerd (25 MB limiet per geüpload bestand; een limiet van 500.000 tokens voor een geheel corpus), maar deze limieten kunnen worden verhoogd op een later moment. De zoekapplicatie wordt aangedreven door de INL BlackLab-corpuszoekmachine. De zoekinterface is dezelfde als die gebruikt wordt voor bijvoorbeeld het [https://chn.ivdnt.org Corpus Hedendaags Nederlands].


* [http://portal.clarin.inl.nl/autocorp/ Demonstrateur]
* [http://portal.clarin.inl.nl/autocorp/ Demo] (Enkel toegankelijk met een CLARIN-account)


==[https://opensonar.ivdnt.org/ OpenSonar]==
== OpenSonar ==
De huidige applicatie bevat twee corpora:
De huidige applicatie bevat twee corpora:
*Het SoNaR corpus (Zie [[Referentiecorpora]] voor meer informatie.)
*Het SoNaR-corpus (Zie [[Referentiecorpora]] voor meer informatie.)
*Het Corpus Gesproken Nederlands (CGN) is een verzameling van 900 uur (bijna 9 miljoen woorden) hedendaagse Nederlandse spraak, afkomstig van Vlamingen en Nederlanders. De spraakfragmenten (spontaan en voorbereid) zijn opgelijnd met diverse transcripties (o.a. orthografisch, fonetisch) en annotaties (syntactisch, POS-tags). Alle annotaties zijn handmatig geverifieerd, behalve de fonetische transcriptie waarvan slechts 11,3% is geverifieerd. De corpusdata is beschikbaar voor onderzoekers,  
*Het Corpus Gesproken Nederlands (CGN) is een verzameling van 900 uur (bijna 9 miljoen woorden) hedendaagse Nederlandse spraak, afkomstig van Vlamingen en Nederlanders. De spraakfragmenten (spontaan en voorbereid) zijn opgelijnd met diverse transcripties (o.a. orthografisch, fonetisch) en annotaties (syntactisch, POS-tags). Alle annotaties zijn handmatig geverifieerd, behalve de fonetische transcriptie waarvan slechts 11,3% is geverifieerd. De corpusdata is beschikbaar voor onderzoekers, zie
[http://hdl.handle.net/10032/tm-a2-k6 hier].
[http://hdl.handle.net/10032/tm-a2-k6 hier].


<div lang="en" dir="ltr" class="mw-content-ltr">
The application has been developed in the CLARIN-NL and CLARIAH projects by a joint team of the Dutch Language Institute, Tilburg University and Radboud University.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
De applicatie is ontwikkeld in de CLARIN-NL- en CLARIAH-projecten door een samengesteld team van het Instituut voor de Nederlandse Taal, Universiteit Tilburg en de Radboud Universiteit.
The application is a web-based frontend for the BlackLab search engine for corpora with token-based annotation. The current frontend is a further development of the corpus-frontend application developed by INT (https://github.com/INL/corpus-frontend) and its design is inspired by the first version of the OpenSoNaR user interface by Tilburg and Radboud University (https://github.com/Taalmonsters/WhiteLab2.0).
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
De applicatie is een web-based frontend voor de BlackLab-zoekmachine voor corpora met annotatie gebaseerd op tokens. Het huidige frontend is een verdere ontwikkeling van de door het INT ontwikkelde corpus-frontendapplicatie (https://github.com/INL/corpus-frontend) en het ontwerp is geïnspireerd door de eerste versie van de OpenSoNaR-gebruikersinterface van de Universiteit Tilburg en de Radboud Universiteit. (https://github.com/Taalmonsters/WhiteLab2.0).
== Corpus Analysis Tools ==
A hopefully comprehensive list of tools used in corpus compilation and analysis.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [https://opensonar.ivdnt.org/ Website] (Enkel toegankelijk met een CLARIN-account)
* [https://corpus-analysis.com/ website]
 
</div>
== Hulpmiddelen voor corpusanalyse ==
Een uitgebreide lijst met hulpmiddelen die kunnen worden gebruikt bij de analyse en samenstelling van corpora.
 
* [https://corpus-analysis.com/ Website]

Latest revision as of 14:54, 6 August 2024

Other languages:

Autosearch

Met deze demo kunnen gebruikers een of meer corpora definiëren en gegevens voor de corpora uploaden, waarna de corpora automatisch doorzoekbaar worden gemaakt in een besloten werkruimte.

Gebruikers kunnen tekstdata uploaden die geannoteerd zijn met lemmata en POS-tags in TEI- of FoLiA-formaat. Dit kan in een los XML-bestand, of als een archief (zip of tar.gz) dat meerdere bestanden bevat. Om te beginnen is de corpusgrootte gelimiteerd (25 MB limiet per geüpload bestand; een limiet van 500.000 tokens voor een geheel corpus), maar deze limieten kunnen worden verhoogd op een later moment. De zoekapplicatie wordt aangedreven door de INL BlackLab-corpuszoekmachine. De zoekinterface is dezelfde als die gebruikt wordt voor bijvoorbeeld het Corpus Hedendaags Nederlands.

  • Demo (Enkel toegankelijk met een CLARIN-account)

OpenSonar

De huidige applicatie bevat twee corpora:

  • Het SoNaR-corpus (Zie Referentiecorpora voor meer informatie.)
  • Het Corpus Gesproken Nederlands (CGN) is een verzameling van 900 uur (bijna 9 miljoen woorden) hedendaagse Nederlandse spraak, afkomstig van Vlamingen en Nederlanders. De spraakfragmenten (spontaan en voorbereid) zijn opgelijnd met diverse transcripties (o.a. orthografisch, fonetisch) en annotaties (syntactisch, POS-tags). Alle annotaties zijn handmatig geverifieerd, behalve de fonetische transcriptie waarvan slechts 11,3% is geverifieerd. De corpusdata is beschikbaar voor onderzoekers, zie

hier.


De applicatie is ontwikkeld in de CLARIN-NL- en CLARIAH-projecten door een samengesteld team van het Instituut voor de Nederlandse Taal, Universiteit Tilburg en de Radboud Universiteit.

De applicatie is een web-based frontend voor de BlackLab-zoekmachine voor corpora met annotatie gebaseerd op tokens. Het huidige frontend is een verdere ontwikkeling van de door het INT ontwikkelde corpus-frontendapplicatie (https://github.com/INL/corpus-frontend) en het ontwerp is geïnspireerd door de eerste versie van de OpenSoNaR-gebruikersinterface van de Universiteit Tilburg en de Radboud Universiteit. (https://github.com/Taalmonsters/WhiteLab2.0).

  • Website (Enkel toegankelijk met een CLARIN-account)

Hulpmiddelen voor corpusanalyse

Een uitgebreide lijst met hulpmiddelen die kunnen worden gebruikt bij de analyse en samenstelling van corpora.

Retrieved from "https://kdutch.ivdnt.org/mediawiki/index.php?title=Corpus_querying/nl&oldid=10672"