Lexica

From Clarin K-Centre
Revision as of 15:08, 21 March 2024 by Floyd (talk | contribs) (Created page with "=== Polderland Dutch Lexicon of Abbreviations and Acronyms === Het Polderland Dutch Lexicon of Abbreviations and Acronym bestaat uit 2.180 Nederlandse afkortingen en acroniemen. Het houdt zich aan de Nederlandse officiële spelling (2005/6). Het lexicon bevat een ID, word form, lemma en een deel van spraak.")
Jump to navigation Jump to search

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)

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 9000 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.

Referentienbestand 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. 4000 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 5000 Nederlandstalige meerwoordexpressies.

Expressies met hetzelfde syntactische patroon zijn gegroepeerd in zogenoemde equivalence classes, 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 geverifieerde moderne lemma en, waar van toepassingen, aan mogelijke alternatieve namen. Persoonsnamen zijn handmatig geannoteerd met structurele informatie (bijv. 'roepnaam', 'achternaam', etc.), verbonden aan mogelijke varianten en mogelijke matches in de Duitse PND. Alle inzendingen zijn verbonden aan hun bronbestand, datum en afbeeldinglocatie.

Polderland Dutch General Lexicon

Het Polderland Dutch General Lexicon bevat 400.463 Nederlandse woorden, bestaand uit 236.369 zelfstandige naamwoorden, 90.882 adjectieven, 69.744 werkwoorden, 2.120 bijwoorden en 1.348 items uit andere categorieën (voornaamwoorden, bepalingen, samenvoegingen telwoorden, etc.). Het houdt zich aan de officiële Nederlandse spelling (2005/6). Het lexicon bevat een ID, word form, lemma en een deel van spraak.

Polderland Dutch Lexicon of Abbreviations and Acronyms

Het Polderland Dutch Lexicon of Abbreviations and Acronym bestaat uit 2.180 Nederlandse afkortingen en acroniemen. Het houdt zich aan de Nederlandse officiële spelling (2005/6). Het lexicon bevat een ID, word form, lemma en een deel van spraak.

AuCoPro-Semantics

De AuCoPro-Semantics-dataset dient de automatische semantische analyse van compounds. Het bevat semantisch geannoteerde zelfstandig naamwoord compounds van het Nederlands en Afrikaans, gescheiden in twee annotatieronden per taal. De semantische annotatie is uitgevoerd met annotatierichtlijnen gebaseerd op die van Ó. Séaghdha (2008). Een ander deel van de dataset bevat andere nominale compounds in het Nederlands, die zijn geannoteerd met gebruik 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 1970-1998. Het bevat ruim 20.000 entry’s, die voorzien zijn van woordsoort, getal, naamval en syntactische complementatiepatronen.

Meertalige Lexica

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, multilingual information retrieval etc.

OMBI Dutch-Arabic

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

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, multilingual information retrieval, enz.

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, multilingual information retrieval, enz.

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.