Lexica/nl: Difference between revisions

From Clarin K-Centre
Jump to navigation Jump to search
VisualWikitext
(Created page with "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 [mailto://katrien.depuydt@ivdnt.org Katrien Depuydt].")
No edit summary
 
(12 intermediate revisions by 2 users not shown)
Line 8: Line 8:
*[https://ivdnt.org/corpora-lexica/diamant/#diamant Projectbeschrijving]
*[https://ivdnt.org/corpora-lexica/diamant/#diamant Projectbeschrijving]


=== 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.
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.


Line 14: Line 15:
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  [mailto://katrien.depuydt@ivdnt.org Katrien Depuydt].
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  [mailto://katrien.depuydt@ivdnt.org Katrien Depuydt].


GiGaNT Molex versie 1.0 is uitgegeven en is beschikbaar om te downloaden.
GiGaNT Molex versie 2.0 is uitgegeven en is beschikbaar om te downloaden.


*[https://ivdnt.org/corpora-lexica/gigant/ Projectbeschrijving]
*[https://ivdnt.org/corpora-lexica/gigant/ Projectbeschrijving]
*[http://hdl.handle.net/10032/tm-a2-u7 Download pagina GiGaNT-Molex]
*[http://hdl.handle.net/10032/tm-a2-u7 Downloadpagina GiGaNT-Molex]


=== NT2Lex ===
=== 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.
NT2Lex is een lexicale database voor het Nederlands als een buitenlandse taal (NT2) en de database 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.


*[https://cental.uclouvain.be/cefrlex/nt2lex Bron website]
*[https://cental.uclouvain.be/cefrlex/nt2lex Databasewebsite]


<div lang="en" dir="ltr" class="mw-content-ltr">
=== CELEX and WebCelex ===
=== CELEX and WebCelex ===
WebCelex is a webbased interface to the CELEX lexical databases of English, Dutch and German.
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.
   
CELEX was developed as a joint enterprise of the University of Nijmegen, the Institute for Dutch Lexicology in Leiden, the Max Planck Institute for Psycholinguistics in Nijmegen, and the Institute for Perception Research in Eindhoven. For each language, the database contains detailed information on: orthography (variations in spelling, hyphenation), phonology (phonetic transcriptions, variations in pronunciation, syllable structure, primary stress), morphology (derivational and compositional structure, inflectional paradigms), syntax (word class, word class-specific subcategorizations, argument structures) and word frequency (summed word and lemma counts, based on recent and representative text corpora).
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [http://portal.clarin.inl.nl/webcelex/ WebCelex]
* [http://portal.clarin.inl.nl/webcelex/ WebCelex]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
De Nederlandse CELEX Data en subsets daarvan zijn beschikbaar bij ELRA (kosten zijn van toepassing)
The Dutch CELEX Data and subsets thereof are available at ELRA (charges apply)
* [http://catalog.elra.info/product_info.php?products_id=439 Download pagina CELEX Dutch lexical database - Complete set]
* [http://catalog.elra.info/product_info.php?products_id=439 Download page CELEX Dutch lexical database - Complete set]
* [http://catalog.elra.info/product_info.php?products_id=443  Download pagina CELEX Dutch lexical database - Derivational Morphology Subset]
* [http://catalog.elra.info/product_info.php?products_id=443  Download page CELEX Dutch lexical database - Derivational Morphology Subset]
*[http://catalog.elra.info/product_info.php?products_id=445 Download pagina CELEX Dutch lexical database - Frequency Subset]
*[http://catalog.elra.info/product_info.php?products_id=445 Download page CELEX Dutch lexical database - Frequency Subset]
*[http://catalog.elra.info/product_info.php?products_id=442 Download pagina CCELEX Dutch lexical database - Inflectional Morphology Subset]
*[http://catalog.elra.info/product_info.php?products_id=442 Download page CCELEX Dutch lexical database - Inflectional Morphology Subset]
*[http://catalog.elra.info/product_info.php?products_id=440 Download pagina CELEX Dutch lexical database - Orthography Subset]
*[http://catalog.elra.info/product_info.php?products_id=440 Download page CELEX Dutch lexical database - Orthography Subset]
*[http://catalog.elra.info/product_info.php?products_id=441 Download pagina CELEX Dutch lexical database - Phonology Subset]
*[http://catalog.elra.info/product_info.php?products_id=441 Download page CELEX Dutch lexical database - Phonology Subset]
*[http://catalog.elra.info/product_info.php?products_id=444 Download pagina CELEX Dutch lexical database - Syntax Subset]
*[http://catalog.elra.info/product_info.php?products_id=444 Download page CELEX Dutch lexical database - Syntax Subset]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== BasiLex-lexicon ===
=== BasiLex-lexicon ===
The BasiLex Lexicon contains all lemmas from the BasiLex Corpus with additional information. The BasiLex Corpus (11.5 million words) is an annotated collection of texts written for children in the age from four to twelve years.
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0 (2015)
* Version 1.0 (2015)
* [https://www.clips.uantwerpen.be/00.old.drupal/clinjournal/sites/default/files/13-Tellings-etal-CLIN2014.pdf 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]
* [https://www.clips.uantwerpen.be/00.old.drupal/clinjournal/sites/default/files/13-Tellings-etal-CLIN2014.pdf 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]
* [http://hdl.handle.net/10032/tm-a2-k7 Download page]
* [http://hdl.handle.net/10032/tm-a2-k7 Downloadpagina]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== BasiScript-lexicon ===
=== BasiScript-lexicon ===
The BasiScript Lexicon contains all lemmas from the BasiScript Corpus with additional information. The BasiScript Corpus (9 million words) is an annotated collection of texts written by children in the age from four to twelve years.
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0 (2015)
* Version 1.0 (2015)
* [https://www.narcis.nl/research/RecordID/OND1347377 Projectpagina]
* [https://www.narcis.nl/research/RecordID/OND1347377 Project page]
* [http://hdl.handle.net/10032/tm-a2-f2 Downloadpagina]
* [http://hdl.handle.net/10032/tm-a2-f2 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== DuOMAn Subjectivity Lexicon ===
=== DuOMAn Subjectivity Lexicon ===
The DuOMAn Subjectivity Lexicon is a collection of about 9000 verbs, adverbs, nouns and adjectives marked with a (very) negative, neutral or (very) positive sentiment value.
Het DuOMAn Subjectivity Lexicon bevat ongeveer 9.000 werkwoorden, bijwoorden, substantieven en adjectieven waarvan aangegeven werd of ze een (zeer) negatieve, een neutrale of een (zeer) positieve gevoelswaarde hebben.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/duoman_eacl046.pdf Jijkoun, V., Hofmann, K. (2009). Generating a Non-English Subjectivity Lexicon: Relations That Matter]
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/duoman_eacl046.pdf Jijkoun, V., Hofmann, K. (2009). Generating a Non-English Subjectivity Lexicon: Relations That Matter]
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/duoman_subjectivity-lexicon-report.pdf Documentation]
*[https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/duoman_subjectivity-lexicon-report.pdf Documentatie]
*[http://hdl.handle.net/10032/tm-a2-g9 Download page]
*[http://hdl.handle.net/10032/tm-a2-g9 Downloadpagina]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Diachroon seMantisch lexicon van de Nederlandse Taal - DiaMaNT ===
=== Diachroon seMantisch lexicon van de Nederlandse Taal - DiaMaNT ===
The DiaMaNT lexicon is a computational semantical lexicon that offers diachronical semantical information. It is built as a layer on top of [https://ivdnt.org/corpora-lexica/gigant/ GiGaNT], by adding semantic information. The lexicon links word forms to concepts and places these on a time scale.
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[https://ivdnt.org/corpora-lexica/diamant/?highlight=diamant Informatie]
*[https://ivdnt.org/corpora-lexica/diamant/?highlight=diamant Information]
*[https://diamant.ivdnt.org/diamant-ui/ Online zoeken]
*[https://diamant.ivdnt.org/diamant-ui/ Online search]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Referentiebestand Nederlands (RBN) ===
=== Referentienbestand Nederlands (RBN) ===
Het Referentiebestand Nederlands is een lexicon met ongeveer 50.000 trefwoorden en 90.000 vaste en vrije verbindingen.
The RBN is a collection of ca. 50,000 frequently used Dutch words, enriched with linguistic information.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 2.0.1 (2014)
* Version 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 Documentation (in Dutch)]
*[http://hdl.handle.net/10032/tm-a2-n2 Downloadpagina]
*[http://hdl.handle.net/10032/tm-a2-n2 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Referentiebestand Belgisch-Nederlands (RBBN) ===
=== Referentiebestand Belgisch-Nederlands (RBBN) ===
The RBBN is a collection of 4.000 words and expressions that are typical for Belgian Dutch.
Het Referentiebestand Belgisch-Nederlands bevat ca. 4.000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0.1 (2014)
* Version 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 Manual (in Dutch)]
*[http://hdl.handle.net/10032/tm-a2-h4 Downloadpagina]
*[http://hdl.handle.net/10032/tm-a2-h4 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== e-Lex ===
=== e-Lex ===
A lexical database consisting of over 200,000 entries and over 640,000 word forms, enriched with part of speech, complementation type, semantic type, and phonological information.
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.  
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://hdl.handle.net/10032/tm-a2-h2 Downloadpagina]
*[http://hdl.handle.net/10032/tm-a2-h2 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== ISLA: Idiomatic expressions for Second Language Acquisition ===
=== ISLA: Idiomatic expressions for Second Language Acquisition ===
The ISLA project has a collection of about 400 idiomatic expressions and their meaning.
Het ISLA-project heeft een verzameling van ongeveer 400 idiomatische uitdrukkingen en hun betekenissen.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://isla.ruhosting.nl/ ISLA project]
*[http://isla.ruhosting.nl/ ISLA project]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== DuELME ===
=== DuELME ===
DuELME is a lexicon of more than 5,000 Dutch multiple-word expressions.
DuELME is een lexicon met ruim 5.000 Nederlandstalige meerwoordexpressies.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
Expressies met hetzelfde syntactische patroon zijn gegroepeerd in zogenoemde equivalentieklassen, wat het mogelijk maakt om het lexicon met minimale handmatige inspanning te integreren in een NLP-systeem. Het lexicon is ontwikkeld in het kader van het IRME-project.  
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://hdl.handle.net/10032/tm-a2-j9 Downloadpagina]
*[http://hdl.handle.net/10032/tm-a2-j9 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== INT IMPACT NE-lexicon ===
=== 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.
Het INT IMPACT NE-lexicon is een uitgebreide set van verrijkte historische Nederlandse locaties, persoonsnamen en organisaties. Alle locaties en organisaties zijn verbonden aan een handmatig geverifieerd moderne lemma en, waar van toepassingen, aan mogelijke alternatieve namen. Persoonsnamen zijn handmatig geannoteerd met structurele informatie (bijv. 'roepnaam', 'achternaam', etc.), gekoppeld aan mogelijke varianten en mogelijke overeenkomsten in de Duitse PND. Alle trefwoorden zijn verbonden aan hun bronbestand, datum en afbeeldingslocatie.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://hdl.handle.net/10032/tm-a2-a5 Downloadpagina]
*[http://hdl.handle.net/10032/tm-a2-a5 Download page]
*[http://www.impact-project.eu/ Projectpagina]
*[http://www.impact-project.eu/ Project page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Polderland Algemeen Nederlands Lexicon ===
=== Polderland Dutch General Lexicon ===
Het Polderland Algemeen Nederlands Lexicon bevat 400.463 Nederlandse woorden, bestaand uit 236.369 zelfstandige naamwoorden, 90.882 adjectieven, 69.744 werkwoorden, 2.120 bijwoorden en 1.348 woorden uit andere categorieën (voornaamwoorden, bepalingen, samenvoegingen telwoorden, etc.). Het houdt zich aan de officiële Nederlandse spelling (2005/6). Het lexicon bevat een ID, de woordvorm, het lemma en de POS.
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://catalog.elra.info/en-us/repository/browse/ELRA-L0077/ Bestelpagina (kosten van toepassing)]
*[http://catalog.elra.info/en-us/repository/browse/ELRA-L0077/ Order page (charges apply)]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Polderland Nederlands Lexicon van Afkortingen en Acroniemen ===
=== Polderland Dutch Lexicon of Abbreviations and Acronyms ===
Het Polderland Nederlands Lexicon van Afkortingen en Acroniemen bestaat uit 2.180 Nederlandse afkortingen en acroniemen. Het houdt zich aan de Nederlandse officiële spelling (2005/6). Het lexicon bevat een ID, een woordvorm, een lemma en POS.
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.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[http://catalog.elra.info/en-us/repository/browse/ELRA-L0076/ Bestelpagina (kosten van toepassing)]
*[http://catalog.elra.info/en-us/repository/browse/ELRA-L0076/ Order page (charges apply)]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== AuCoPro-Semantics ===
=== 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.
De AuCoPro-Semantics-dataset dient voor de automatische semantische analyse van samenstellingen. Het bevat semantisch geannoteerde substantief-substantiefsamenstellingen van het Nederlands en Afrikaans, gescheiden in twee annotatieronden per taal. De semantische annotatie is uitgevoerd volgens annotatierichtlijnen die gebaseerd zijn op die van Ó. Séaghdha (2008). Een ander deel van de dataset bevat andere nominale samenstellingen in het Nederlands, die zijn geannoteerd met behulp van een nieuw ontwikkeld annotatieschema.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
*[https://www.uantwerpen.be/en/research-groups/clips/research/datasets/ Webpagina]
*[https://www.uantwerpen.be/en/research-groups/clips/research/datasets/ Webpage]
*[https://www.researchgate.net/publication/251414440_Classification_of_Noun-Noun_Compound_Semantics_in_Dutch_and_Afrikaans Paper]
*[https://www.researchgate.net/publication/251414440_Classification_of_Noun-Noun_Compound_Semantics_in_Dutch_and_Afrikaans Paper]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== LiLaH Emotion Lexicon ===
=== LiLaH Emotion Lexicon ===
The lexicon contains manual translations of the NRC Emotion Lexicon (<nowiki>http://saifmohammad.com/WebPages/NRC-Emotion-Lexicon.htm</nowiki>) 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.
Dit product bevat een uitbreiding van het NRC-emotielexicon. Het bevat een lijst met woorden in het Grieks, Koerdisch, Turks, Spaans, Farsi en Chinees (traditioneel en vereenvoudigd) en hun associaties met acht basisemoties (boosheid, angst, verwachting, vertrouwen, verrassing, verdriet, vreugde en afkeer) en twee sentimenten (negatief en positief). De annotaties zijn automatisch gegenereerd en handmatig gecontroleerd door moedertaalsprekers. Aanvullende talen (waaronder Nederlands) kunnen hier gevonden worden
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [http://hdl.handle.net/11356/1318 Webpagina]
* [http://hdl.handle.net/11356/1318 Webpage]
* Daelemans, Walter; et al., 2020, The LiLaH Emotion Lexicon of Croatian, Dutch and Slovene, Slovenian language resource repository CLARIN.SI, ISSN 2820-4042, <nowiki>http://hdl.handle.net/11356/1318</nowiki>.
* Daelemans, Walter; et al., 2020, The LiLaH Emotion Lexicon of Croatian, Dutch and Slovene, Slovenian language resource repository CLARIN.SI, ISSN 2820-4042, <nowiki>http://hdl.handle.net/11356/1318</nowiki>.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== Parole Lexicon ===
=== 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.
Het PAROLE-lexicon is een computationeel lexicon met Nederlands taalmateriaal van ongeveer de periode 1970-1998. Het bevat ruim 20.000 trefwoorden, die voorzien zijn van woordsoort, getal, naamval en syntactische complementatiepatronen.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [http://hdl.handle.net/10032/tm-a2-m4 Webpagina]
* [http://hdl.handle.net/10032/tm-a2-m4 Webpage]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
<span id="Multilingual_Lexica"></span>
== Multilingual Lexica ==
== Meertalige Lexica ==
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== OMBI Arabisch-Nederlands ===
=== OMBI Arabic-Dutch ===
OMBI-Arabisch-Nederlands is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand bevat ca. 37.000 entry's en is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie etc.
OMBI Arabic-Dutch is a bilingual lexicon with Arabic as source language and Dutch as target language.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0 (2010)
* Version 1.0 (2010)
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-da_documentatie_en.pdf Documentatie]
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-da_documentatie_en.pdf Documentation]
* [http://hdl.handle.net/10032/tm-a2-b3 Downloadpagina]
* [http://hdl.handle.net/10032/tm-a2-b3 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== OMBI Nederlands-Arabisch ===
=== OMBI Dutch-Arabic ===
OMBI Nederlands-Arabisch is een tweetalig lexicon met Nederlands als brontaal en Arabisch als doeltaal.
OMBI Dutch-Arabic is a bilingual lexicon with Dutch as source language and Arabic as target language.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0 (2008)
* Version 1.0 (2008)
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-da_documentatie_en.pdf Documentatie]
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-da_documentatie_en.pdf Documentation]
* [http://hdl.handle.net/10032/tm-a2-b5 Downloadpagina]
* [http://hdl.handle.net/10032/tm-a2-b5 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== OMBI Nederlands-Deens===
=== OMBI Dutch-Danish ===
OMBI Nederlands-Deens is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie, enz.
OMBI Dutch-Danish is a bilingual lexicon with Dutch as source language and Danish as target language.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* Versie 1.0 (2008)
* Version 1.0 (2008)
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-dd_documentatie_nl.pdf Documentatie]
* [https://taalmaterialen.ivdnt.org/wp-content/uploads/documentatie/ombi-dd_documentatie_nl.pdf Documentation]
* [http://hdl.handle.net/10032/tm-a2-b4 Downloadpagina]
* [http://hdl.handle.net/10032/tm-a2-b4 Download page]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== OMBI Nederlands-Indonesisch ===
=== OMBI Dutch-Indonesian ===
OMBI Nederlands-Indonesisch is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie, enz.
Bilingual lexicon with Dutch as source language and Indonesian as target language.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [http://hdl.handle.net/10032/tm-a2-b6 Webpagina]
* [http://hdl.handle.net/10032/tm-a2-b6 Webpage]
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
=== QTLeap specialized lexicons ===
=== 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.
Deze gids bestaat uit meertalige lexiconitems die worden gebruikt voor de vertaling van specifieke IT-domeinuitdrukkingen voor het Baskisch, Bulgaars, Tsjechisch, Nederlands, Engels, Portugees en Spaans. De uitdrukkingen werden enerzijds verzameld uit de vrij beschikbare softwarelocalisatiebestanden, zoals VLC, Libre Office en KDE en anderzijds uit IT-gerelateerde Wikipedia-artikelen.
</div>


<div lang="en" dir="ltr" class="mw-content-ltr">
* [https://hdl.handle.net/21.11129/0000-000B-D37C-C Webpagina]
* [https://hdl.handle.net/21.11129/0000-000B-D37C-C Webpage]
</div>

Latest revision as of 13:44, 26 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 2.0 is uitgegeven en is beschikbaar om te downloaden.

NT2Lex

NT2Lex is een lexicale database voor het Nederlands als een buitenlandse taal (NT2) en de database 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)

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.

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.

DuOMAn Subjectivity Lexicon

Het DuOMAn Subjectivity Lexicon bevat ongeveer 9.000 werkwoorden, bijwoorden, substantieven en adjectieven waarvan aangegeven werd of ze een (zeer) negatieve, een neutrale of een (zeer) positieve gevoelswaarde hebben.

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.

Referentiebestand Nederlands (RBN)

Het Referentiebestand Nederlands is een lexicon met ongeveer 50.000 trefwoorden en 90.000 vaste en vrije verbindingen.

Referentiebestand Belgisch-Nederlands (RBBN)

Het Referentiebestand Belgisch-Nederlands bevat ca. 4.000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België.

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 een lexicon met ruim 5.000 Nederlandstalige meerwoordexpressies.

Expressies met hetzelfde syntactische patroon zijn gegroepeerd in zogenoemde equivalentieklassen, wat het mogelijk maakt om het lexicon met minimale handmatige inspanning te integreren in een NLP-systeem. Het lexicon is ontwikkeld in het kader van het IRME-project.

INT IMPACT NE-lexicon

Het INT IMPACT NE-lexicon is een uitgebreide set van verrijkte historische Nederlandse locaties, persoonsnamen en organisaties. Alle locaties en organisaties zijn verbonden aan een handmatig geverifieerd moderne lemma en, waar van toepassingen, aan mogelijke alternatieve namen. Persoonsnamen zijn handmatig geannoteerd met structurele informatie (bijv. 'roepnaam', 'achternaam', etc.), gekoppeld aan mogelijke varianten en mogelijke overeenkomsten in de Duitse PND. Alle trefwoorden zijn verbonden aan hun bronbestand, datum en afbeeldingslocatie.

Polderland Algemeen Nederlands Lexicon

Het Polderland Algemeen Nederlands Lexicon bevat 400.463 Nederlandse woorden, bestaand uit 236.369 zelfstandige naamwoorden, 90.882 adjectieven, 69.744 werkwoorden, 2.120 bijwoorden en 1.348 woorden uit andere categorieën (voornaamwoorden, bepalingen, samenvoegingen telwoorden, etc.). Het houdt zich aan de officiële Nederlandse spelling (2005/6). Het lexicon bevat een ID, de woordvorm, het lemma en de POS.

Polderland Nederlands Lexicon van Afkortingen en Acroniemen

Het Polderland Nederlands Lexicon van Afkortingen en Acroniemen bestaat uit 2.180 Nederlandse afkortingen en acroniemen. Het houdt zich aan de Nederlandse officiële spelling (2005/6). Het lexicon bevat een ID, een woordvorm, een lemma en POS.

AuCoPro-Semantics

De AuCoPro-Semantics-dataset dient voor de automatische semantische analyse van samenstellingen. Het bevat semantisch geannoteerde substantief-substantiefsamenstellingen van het Nederlands en Afrikaans, gescheiden in twee annotatieronden per taal. De semantische annotatie is uitgevoerd volgens annotatierichtlijnen die gebaseerd zijn op die van Ó. Séaghdha (2008). Een ander deel van de dataset bevat andere nominale samenstellingen in het Nederlands, die zijn geannoteerd met behulp van een nieuw ontwikkeld annotatieschema.

LiLaH Emotion Lexicon

Dit product bevat een uitbreiding van het NRC-emotielexicon. Het bevat een lijst met woorden in het Grieks, Koerdisch, Turks, Spaans, Farsi en Chinees (traditioneel en vereenvoudigd) en hun associaties met acht basisemoties (boosheid, angst, verwachting, vertrouwen, verrassing, verdriet, vreugde en afkeer) en twee sentimenten (negatief en positief). De annotaties zijn automatisch gegenereerd en handmatig gecontroleerd door moedertaalsprekers. Aanvullende talen (waaronder Nederlands) kunnen hier gevonden worden

  • Webpagina
  • 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

Het PAROLE-lexicon is een computationeel lexicon met Nederlands taalmateriaal van ongeveer de periode 1970-1998. Het bevat ruim 20.000 trefwoorden, die voorzien zijn van woordsoort, getal, naamval en syntactische complementatiepatronen.

Meertalige Lexica

OMBI Arabisch-Nederlands

OMBI-Arabisch-Nederlands is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand bevat ca. 37.000 entry's en is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie etc.

OMBI Nederlands-Arabisch

OMBI Nederlands-Arabisch is een tweetalig lexicon met Nederlands als brontaal en Arabisch als doeltaal.

OMBI Nederlands-Deens

OMBI Nederlands-Deens is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie, enz.

OMBI Nederlands-Indonesisch

OMBI Nederlands-Indonesisch is een bilinguaal lexicaal bestand in xml-LMF-formaat. Het bestand is geschikt voor taaltechnologische toepassingen zoals automatisch vertalen, e-learning, meertalige informatie-extractie, enz.

QTLeap specialized lexicons

Deze gids bestaat uit meertalige lexiconitems die worden gebruikt voor de vertaling van specifieke IT-domeinuitdrukkingen voor het Baskisch, Bulgaars, Tsjechisch, Nederlands, Engels, Portugees en Spaans. De uitdrukkingen werden enerzijds verzameld uit de vrij beschikbare softwarelocalisatiebestanden, zoals VLC, Libre Office en KDE en anderzijds uit IT-gerelateerde Wikipedia-artikelen.

Retrieved from "https://kdutch.ivdnt.org/mediawiki/index.php?title=Lexica/nl&oldid=8206"