Morfoloogiliselt ühestatud jututubade korpus

Korpuse maht on 94 000 sõna pluss kirjavahemärgid ja kasutajanimed. Korpus on väljavõte jututubade korpusest . ESTMORFi abil automaatselt analüüsitud tekstid ühestas-parandas käsitsi Dage Särg aastal 2012 oma magistritöö Internetikeele süntaktiline analüüs kitsenduste grammatikaga. Tartu 2015 tarvis.

Formaat

Failiformaat on peaaegu samasugune kui morfoloogiliselt ühestatud korpusel, kuid

• Täpitähed on utf8 kodeeringus
• Morfoloogiliste kategooriatena on kasutusel
• Pakitud failide failid_fs.zip puhul Filosofti kategooriad,
• Pakitud failide failid_gt.zip puhul Giellatekno kategooriad, mis on kasutusel ka keeleveebi korpuste märgendusena
• Lisaks eristatakse veel järgmisi sõnaliike:
• B - lausepartikkel, nt. "noh"
• E - emotikon
• Q - sõna osaks olev, kuid eraldi trükitud osa, nt. "magasid ki"

---

Veebisepp   Viimati muudetud: E, 02. november 2020 14:00 UTC.