1.2 A National Corpus of Contemporary Welsh: Context and Vision

Knight, Dawn; Morris, Steve; Fitzpatrick, Tess

doi:10.1007/978-3-030-72484-9_2

Cited by 1 publication

(2 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…2 Is léir ó thionscadail chorpais a reáchtáladh i gcás teangacha Eorpacha eile gur cur chuige rathúil é corpas a thiomsú trí ábhar a bailíodh cheana a thabhairt le chéile agus ábhar nuabhailithe a chur leis. Go deimhin, feictear in Knight et al (2020aKnight et al ( , 2020b agus tionscadal corpais náisiúnta na Breatnaise (CorCenCC) idir chamáin acu gur nós i gcónaí é corpais agus bailiúcháin éagsúla a thabhairt le chéile nuair atá corpas náisiúnta á thiomsú agus go bhfuil na 2 San áireamh sa líon mór focal seo bhí an 100 milliún focal a bhí sa British National Corpus (BNC), 100 milliún focal eile a tógadh ón Gigaword Corpus leis an Linguistic Data Consortium le toirt a chur leis na sonraí Béarla agus 25 milliún focal a tiomsaíodh as an nua ó fhoinsí digiteacha le hionadaíocht a dhéanamh ar Bhéarla na hÉireann. teicneolaíochtaí teanga atá ar fáil don teanga an-tábhachtach sa phróiseas seo.…”

Section: Comhthéacs An Taighdeunclassified

“…teicneolaíochtaí teanga atá ar fáil don teanga an-tábhachtach sa phróiseas seo. Is corpas cothromaithe é CorCenCC (Knight et al 2020a(Knight et al , 2020b ar tiomsaíodh é don taighde ginearálta teangeolaíochta agus mar bhunús le ríomhuirlisí a fhorbairt. Sa chaoi go bhféadfaí CorCenCC a úsáid chuige seo ba ghá go bhfágfaí ábhar áirithe eile ar lár.…”

Section: Comhthéacs An Taighdeunclassified

See 1 more Smart Citation

Tiomsú Corpais don Taighde Foclóireachta: Corpas Foclóireachta na Gaeilge (CFG2020)

Meachair

Raghallaigh

Bhreathnach

et al. 2021

TEANGA

View full text Add to dashboard Cite

Leagtar amach sa pháipéar seo na céimeanna a leanadh le Corpas Foclóireachta na Gaeilge 2020 (CFG2020), corpas aonteangach 77.3 milliún focal, a thiomsú. Mínítear comhthéacs an tionscadail agus na riachtanais a spreag na cinntí a tógadh lena linn. Déantar cur síos ansin ar chéim an tiomsaithe agus ar na céimeanna próiseála. Tugtar spléachadh ar inneachar an chorpais, ar an acmhainn a cruthaíodh lena chuardach, agus ar an gcineál anailíse agus taighde a cumasaíodh leis seo. Tiomsaíodh CFG2020 ar an tuiscint gur réamhchéim é ar thionscadal níos leithne corpais, is ar an gcúis sin a dhéantar moltaí i dtaca lena fheabhsú agus lena mhéadú. [This paper sets out the steps followed in the compilation of Corpas Foclóireachta na Gaeilge 2020 (CFG2020), a monolingual 77.3 million word Irish-language corpus. The context and circumstances of the project are explained, along with the motivation for various decisions made. The compilation and processing stages are described in detail. The contents of the corpus are outlined and the resource created to query CFG2020 is presented, along with reference to the kinds of analysis and research which it enables. CFG2020 was created as a first step towards a proposed larger corpus project, and suggestions for improvement and expansion are therefore proposed.]

show abstract

Section: Comhthéacs An Taighdeunclassified