Lexica/nl: Difference between revisions
(Created page with "=== BasiLex-lexicon === Het BasiLex-lexicon bevat alle lemma's uit het BasiLex-corpus. Het BasiLex-corpus is een geannoteerde verzameling van teksten geschreven voor kinderen in de basisschoolleeftijd.") |
(Created page with "GiGaNT Molex versie 1.0 is uitgegeven en is beschikbaar om te downloaden.") |
||
| Line 66: | Line 66: | ||
*[https://diamant.ivdnt.org/diamant-ui/ Online zoeken] | *[https://diamant.ivdnt.org/diamant-ui/ Online zoeken] | ||
=== Referentienbestand Nederlands (RBN) === | === Referentienbestand Nederlands (RBN) === | ||
Het Referentiebestand Nederlands is een lexicon met ongeveer 50.000 trefwoorden en 90.000 vaste en vrije verbindingen. | |||
* Versie 2.0.1 (2014) | |||
* | *[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/rbn_documentatie_nl.pdf Documentatie (in het Nederlands)] | ||
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/rbn_documentatie_nl.pdf | *[http://hdl.handle.net/10032/tm-a2-n2 Download pagina] | ||
*[http://hdl.handle.net/10032/tm-a2-n2 Download | |||
=== Referentiebestand Belgisch-Nederlands (RBBN) === | === Referentiebestand Belgisch-Nederlands (RBBN) === | ||
Het Referentiebestand Belgisch-Nederlands bevat ca. 4000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België. | |||
* Versie 1.0.1 (2014) | |||
* | *[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/rbbn_handleiding1.0_nl.pdf Handleiding (in het Nederlands)] | ||
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/rbbn_handleiding1.0_nl.pdf | *[http://hdl.handle.net/10032/tm-a2-h4 Download pagina] | ||
*[http://hdl.handle.net/10032/tm-a2-h4 Download | |||
=== e-Lex === | === e-Lex === | ||
E-Lex is een lexicale databank van het Nederlands die uit een enkelwoordlexicon en een meerwoordlexicon bestaat. Het enkelwoordlexicon bevat circa 220.000 trefwoorden en meer dan 600.000 woordvormen, voorzien van morfologische, syntactische en fonologische informatie. Een deel van de trefwoorden is ook voorzien van semantische informatie. Het meerwoordlexicon bevat meer dan 77.000 meerwoordsuitdrukkingen en 26.000 meerwoordslemma's. | |||
*[http://hdl.handle.net/10032/tm-a2-h2 Download pagina] | |||
*[http://hdl.handle.net/10032/tm-a2-h2 Download | |||
=== ISLA: Idiomatic expressions for Second Language Acquisition === | === ISLA: Idiomatic expressions for Second Language Acquisition === | ||
Het ISLA-project heeft een verzameling van ongeveer 400 idiomatische uitdrukkingen en hun betekenissen. | |||
*[http://isla.ruhosting.nl/ ISLA project] | *[http://isla.ruhosting.nl/ ISLA project] | ||
<div lang="en" dir="ltr" class="mw-content-ltr"> | <div lang="en" dir="ltr" class="mw-content-ltr"> | ||
Revision as of 14:22, 21 March 2024
Eentalige Lexica
DiaMaNT
Met DiaMaNT (Diachroon seMantisch lexicon van de Nederlandse Taal) bouwt het Instituut voor de Nederlandse Taal (INT) aan een computationeel semantisch lexicon dat diachrone semantische informatie moet bieden. Het wordt gebouwd als laag bovenop GiGaNT (een computationeel lexicon van de Nederlandse taal vanaf de zesde eeuw tot nu), door betekenisinformatie toe te voegen. DiaMaNT legt relaties tussen woordvormen en betekeniseenheden (concepten) en plaatst ze in de tijd. Het lexicon is een deelproject van CLARIAH (Common Lab Research Infrastructure for the Arts and Humanities), een samenwerkingsproject om een digitale infrastructuur voor de geesteswetenschappen tot stand te brengen.
GiGaNT
Op dit moment ontwikkelt het Instituut voor de Nederlandse Taal (INT) een computationeel lexicon van de Nederlandse taal vanaf de zesde eeuw tot en met het heden. Dit lexicon, met de naam GiGaNT, vormt straks een verzameling van woorden en woordgroepen, waaronder named entities (namen van personen, plaatsen, organisaties), in alle mogelijke spelling- en vormvarianten.
Het lexicon heeft twee hoofdmodules: GiGaNT-Hilex, de historische lexiconcomponent, gebaseerd op het materiaal van de historische woordenboeken van het INT, en GiGaNT-Molex, de moderne lexiconcomponent, met materiaal uit de INT-corpora.
De standaardmodules van GiGaNT Hilex zijn beschikbaar gemaakt doormiddel van een lexicon-service. Als u gebruik wilt maken van deze service, neem dan contact op met Katrien Depuydt.
GiGaNT Molex versie 1.0 is uitgegeven en is beschikbaar om te downloaden.
NT2Lex
NT2Lex is een lexicale database voor het Nederlands als een buitenlandse taal (NT2) en bevat frequentieverdelingen van in teksten waargenomen woorden die zijn becijferd op basis van de zes-niveaus tellende schaal van het Common European Framework of Reference for Languages. Beschikbaar om online te doorzoeken en om te downloaden.
CELEX and WebCelex
Interface waarmee de CELEX-lexicale databases van het Duits, Engels, Nederlands kunnen worden geraadpleegd. Voor iedere taal zijn de lemma's aangevuld met orthografische, fonologische, morfologische en syntactische informatie en frequentiegegevens.
De Nederlandse CELEX Data en subsets daarvan zijn beschikbaar bij ELRA (kosten zijn van toepassing)
- Download pagina CELEX Dutch lexical database - Complete set
- Download pagina CELEX Dutch lexical database - Derivational Morphology Subset
- Download pagina CELEX Dutch lexical database - Frequency Subset
- Download pagina CCELEX Dutch lexical database - Inflectional Morphology Subset
- Download pagina CELEX Dutch lexical database - Orthography Subset
- Download pagina CELEX Dutch lexical database - Phonology Subset
- Download pagina CELEX Dutch lexical database - Syntax Subset
BasiLex-lexicon
Het BasiLex-lexicon bevat alle lemma's uit het BasiLex-corpus. Het BasiLex-corpus is een geannoteerde verzameling van teksten geschreven voor kinderen in de basisschoolleeftijd.
- Versie 1.0 (2015)
- Tellings, A., Hulsbosch, M., Vermeer, A. & van den Bosch, A. (2015). BasiLex: an 11.5-million words corpus of Dutch texts written for children. Computational Linguistics in the Netherlands Journal 4, 191-208
- Download pagina
BasiScript-lexicon
Het BasiScript-lexicon bevat alle lemma's van het BasiScript Corpus met aanvullende informatie. BasiScript is een corpus met 9 miljoen woorden geschreven tekst geproduceerd door leerlingen van de Nederlandse basisschool.
- Versie 1.0 (2015)
- Projectpagina
- Download pagina
DuOMAn Subjectivity Lexicon
Het DuOMAn Subjectivity Lexicon bevat ongeveer 9000 werkwoorden, bijwoorden, substantieven en adjectieven waarvan aangegeven werd of ze een (zeer) negatieve, een neutrale of een (zeer) positieve gevoelswaarde hebben.
- Jijkoun, V., Hofmann, K. (2009). Generating a Non-English Subjectivity Lexicon: Relations That Matter
- Documentatie
- Download pagina
Diachroon seMantisch lexicon van de Nederlandse Taal - DiaMaNT
Met DiaMaNT (Diachroon seMantisch lexicon van de Nederlandse Taal) bouwt het Instituut voor de Nederlandse Taal (INT) aan een computationeel semantisch lexicon dat diachrone semantische informatie moet bieden. Het wordt gebouwd als laag bovenop GiGaNT (een computationeel lexicon van de Nederlandse taal vanaf de zesde eeuw tot nu), door betekenisinformatie toe te voegen. DiaMaNT legt relaties tussen woordvormen en betekeniseenheden (concepten) en plaatst ze in de tijd.
Referentienbestand Nederlands (RBN)
Het Referentiebestand Nederlands is een lexicon met ongeveer 50.000 trefwoorden en 90.000 vaste en vrije verbindingen.
- Versie 2.0.1 (2014)
- Documentatie (in het Nederlands)
- Download pagina
Referentiebestand Belgisch-Nederlands (RBBN)
Het Referentiebestand Belgisch-Nederlands bevat ca. 4000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België.
- Versie 1.0.1 (2014)
- Handleiding (in het Nederlands)
- Download pagina
e-Lex
E-Lex is een lexicale databank van het Nederlands die uit een enkelwoordlexicon en een meerwoordlexicon bestaat. Het enkelwoordlexicon bevat circa 220.000 trefwoorden en meer dan 600.000 woordvormen, voorzien van morfologische, syntactische en fonologische informatie. Een deel van de trefwoorden is ook voorzien van semantische informatie. Het meerwoordlexicon bevat meer dan 77.000 meerwoordsuitdrukkingen en 26.000 meerwoordslemma's.
ISLA: Idiomatic expressions for Second Language Acquisition
Het ISLA-project heeft een verzameling van ongeveer 400 idiomatische uitdrukkingen en hun betekenissen.
DuELME
DuELME is a lexicon of more than 5,000 Dutch multiple-word expressions.
Expressions with the same syntactic pattern are divided into so-called Equivalence Classes, which makes it possible to integrate the lexicon with minimal manual effort into an NLP system. The lexicon has been developed within the framework of the IRME project.
INT IMPACT NE-lexicon
The INT IMPACT NE Lexicon is an elaborate set of enriched historical Dutch locations, person names and organisations. All locations and organizations are linked to a manually verified modern lemma, and, where applicable, to possible alternative names. Person names are manually annotated with structural information (e.g. ‘givenname’, ‘surname’, etc.), linked to possible variants and to possible matches in the German PND. All entries are linked to their source file, date and image location.
Polderland Dutch General Lexicon
The Polderland Dutch General Lexicon contains 400,463 Dutch words, comprising 236,369 nouns, 90,882 adjectives, 69,744 verbs, 2,120 adverbs, and 1,348 items from other categories (pronouns, determiners, articles, adpositions, conjunctions, numerals, etc.). It complies with the official Dutch Spelling (2005/6). The lexicon contains an ID, word form, lemma and part of speech.
Polderland Dutch Lexicon of Abbreviations and Acronyms
The Polderland Dutch Lexicon of Abbreviations and Acronym contains 2,180 Dutch abbreviations and acronyms. It complies with the official Dutch Spelling (2005/6). Each entry consists of an ID, word form, lemma and part of speech.
AuCoPro-Semantics
The AuCoPro-Semantics dataset serves for the automatic semantic analysis of compounds. It contains semantically annotated noun-noun compounds (NN) from Dutch and Afrikaans, split in two annotation rounds per language. The semantic annotation was performed with annotation guidelines based on those of Ó Séaghdha (2008). Another part of the dataset contains other nominal compounds (XN) in Dutch, that were annotated using a newly developed annotation scheme.
LiLaH Emotion Lexicon
The lexicon contains manual translations of the NRC Emotion Lexicon (http://saifmohammad.com/WebPages/NRC-Emotion-Lexicon.htm) that encodes the sentiment of a word (positive, negative) and its emotion association (anger, anticipation, disgust, fear, joy, sadness, surprise, trust) for Croatian, Dutch and Slovene with a binary schema. Manual translations were produced by inspecting and correcting the automatic translations from English provided with the original lexicon. While translations to all 14,182 entries are provided for Slovene and Croatian, only translations for the 6,468 entries that have any sentiment or emotion associated with the word are given for Dutch. For English entries, please refer to the original NRC Emotion Lexicon.
- Webpage
- Daelemans, Walter; et al., 2020, The LiLaH Emotion Lexicon of Croatian, Dutch and Slovene, Slovenian language resource repository CLARIN.SI, ISSN 2820-4042, http://hdl.handle.net/11356/1318.
Parole Lexicon
The PAROLE project (1999) has developed and implemented specifications for the design, structuring and annotation of corpora and lexicons for the European languages. The Dutch lexicon contains more than 20,000 entries which have been annotated with POS, number, tense and syntactic complementation patterns.
Multilingual Lexica
OMBI Arabic-Dutch
OMBI Arabic-Dutch is a bilingual lexicon with Arabic as source language and Dutch as target language.
- Version 1.0 (2010)
- Documentation
- Download page
OMBI Dutch-Arabic
OMBI Dutch-Arabic is a bilingual lexicon with Dutch as source language and Arabic as target language.
- Version 1.0 (2008)
- Documentation
- Download page
OMBI Dutch-Danish
OMBI Dutch-Danish is a bilingual lexicon with Dutch as source language and Danish as target language.
- Version 1.0 (2008)
- Documentation
- Download page
OMBI Dutch-Indonesian
Bilingual lexicon with Dutch as source language and Indonesian as target language.
QTLeap specialized lexicons
This gazetteer comprises multilingual lexicon entries used for the translation of specific IT domain expressions for Basque, Bulgarian, Czech, Dutch, English, Portuguese and Spanish. The expressions were collected, on the one hand, from the freely available software localization files, such as VLC, Libre Office and KDE, and on the other hand, from IT-related Wikipedia articles.