SoNaR Nieuwe Media Corpus

Het SoNaR Nieuwe Media Corpus 1.0 bevat nieuwemediateksten die verzameld werden binnen het STEVIN-project SoNaR. Het corpus bevat sms'en, tweets en chatberichten. De teksten werden getokeniseerd, ge-POS-tagd en gelemmatiseerd.

Omdat dit product teksten bevat die afkomstig zijn uit correspondentie zoals tweets die via Twitter verzameld zijn, chats die via publieke internetfora verzameld zijn en sms’en die individuele personen aan de licentiegever verstrekt hebben ten behoeve van dit product, dient de aanvrager extra zorgvuldig met de data om te gaan.

De SoNaR-projectpartners en de Taalunie hebben hun uiterste best gedaan om bronnen en rechthebbenden van alle SoNaR-teksten te achterhalen. Wanneer desondanks teksten zijn opgenomen waarvan u (mede)rechthebbende bent en waarvan u niet als bron of rechthebbende wordt genoemd en/of waarvan u voor het gebruik geen toestemming hebt verleend, dan kunt u met ons contact opnemen via servicedesk@ivdnt.org.

Het SoNaR Nieuwe Media Corpus maakt geen deel uit van het SoNaR-corpus maar is als apart product beschikbaar.

The SoNaR New Media Corpus 1.0 contains texts from new media (sms, tweets and chat messages) that were collected within the STEVIN-project SoNaR.

Productdetails

Documentatie	Documentatie; Verschillende SoNaR-corpora
Eigenaar	Taalunie
Financier	NTU|STEVIN
Jaar	2013
Opdrachtgever	NTU|STEVIN
Project	SoNaR
Projectwebsite	https://lands.cls.ru.nl/projects/SoNaR/description.html
Refereren	SoNaR Nieuwe Media Corpus (Version 1.0) (2013) [Data set]. Available at the Dutch Language Institute: https://hdl.handle.net/10032/tm-a2-k3
Talen	Nederlands
Omvang	36 miljoen woorden
Versie	1.0

Downloaddetails