Het BasiLex-corpus is een geannoteerde verzameling van teksten geschreven voor kinderen in de basisschoolleeftijd. Het corpus bevat 13,5 miljoen tokens, waarvan 11,5 miljoen woorden. De tokens komen voor ongeveer 40% uit educatieve materialen, 40% uit kinderliteratuur en 20% uit media.
Voor commercieel gebruik zie de commerciële productpagina.
The BasiLex corpus is an annotated collection of texts written for primary school-aged children. The corpus contains 13.5 million tokens, of which 11.5 million are words. About 40% of the tokens come from educational materials, 40% from children's literature and 20% from media.
For commercial use, see the commercial product page.
Because of agreements with the data supplier, it is necessary to sign a licence first. The download contains the licence and further instructions for placing an order.
Productdetails
| Besturingssysteem | Linux, Windows |
| Dataformaat | xml (FoLiA) |
| Doelpubliek | Voornamelijk voor leerkrachten, makers van lesmaterialen en toetsen, schrijvers van kinderliteratuur, uitgevers en onderzoekers. |
| Eigenaar | Radboud Universiteit |
| Financier | NWO |
| Jaar | 2015 |
| Originele publicaties | 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 |
| Project | WIC-CorD: a Dutch Written Input for Children Corpus, POS-tagged and lemmatized, with a derived lexicon tagged for frequency and linguistic characteristics |
| Refereren | Tellings, A. E. J. M. (2015), BasiLex-corpus (Version 1.0) [Data set]. Available at the Dutch Language Institute: http://hdl.handle.net/10032/tm-a2-n4 |
| Talen | Nederlands |
| Versie | 1.0 |
Downloaddetails
| Bestand | |
|---|---|
| BP_BasiLex-corpus_NC.zip |
- Aantal bestanden 1
- Aantal downloads 136
- Bestandsgrootte 52.32 KB
- Datum plaatsing 17/07/2020
- Laatst bijgewerkt 10/10/2025
- Versie 1.0