| Naam | |
|---|---|
|
Afrikaans Custom Dictionary for Government Domain |
This language resource contains an alphabetic list of words which are exclusive to the government domain or which are not part of the official orthography of the language.
|
|
Afrikaans Genre Classification Corpus |
This language resource contains training and testing data for genre classification for Afrikaans.
|
|
AI-Trainingset – Tag de Tekst voor Named Entity Recognition (NER) |
Handmatig getagde historische documenten die gebruikt kunnen worden om systemen voor 'Named Entity Recognition' te trainen.
 Manually tagged historical texts that can be used to train systems for 'Named Entity Recognition'. |
|
Algemeen Nederlands Woordenboek (ANW) |
Een corpusgebaseerd, elektronisch woordenboek van het eigentijdse Nederlands in Nederland, Vlaanderen, Suriname en het Caraïbisch gebied. A corpus-based electronic dictionary describing the contemporary Dutch language as used in the Netherlands, Flanders, Suriname and the Caribbean. |
|
Algemene Nederlandse Spraakkunst (e-ANS) |
De ANS wil een zo volledig mogelijke beschrijving geven van de grammaticale aspecten van het hedendaagse Standaardnederlands (in zijn geografische en stilistische verscheidenheid), en is bedoeld is voor een breed publiek van grammaticaal geïnteresseerden en dus niet uitsluitend – en ook niet in de eerste plaats – voor gespecialiseerde taalkundigen.
The ANS (Algemene Nederlandse Spraakkunst - General Grammar of Dutch) aims to provide a most comprehensive description of Standard Dutch grammar (taking into account geographical and stylistic diversity). It is intended for a general public with interest in grammar and therefore not exclusively and not firstly for linguistic experts. |
|
Annotated Corpora for Term Extraction Research (ACTER) |
ACTER is een handmatig geannoteerde dataset voor termextractie, die drie talen omvat (Engels, Frans en Nederlands), en vier domeinen (corruptie, dressuur, hartfalen en windenergie).
ACTER is a manually annotated dataset for term extraction, covering 3 languages (English, French, and Dutch), and 4 domains (corruption, dressage, heart failure, and wind energy). |
|
Attestation Tool |
Multifunctionele, downloadbare gebruikersinterface voor de productie van computationele lexica, inclusief gouden standaard voor named entity tagging. Deze tool wordt gedistribueerd via GitHub.
|
|
AUTONOMATA-namencorpus |
Een database van in totaal circa 5000 voorgelezen voornamen, achternamen, straatnamen, plaatsnamen en controlewoorden.
A database with in total about 5000 read first names, surnames, straat names, city names and check words. |
|
AUTONOMATA-namencorpus Commercieel |
Een database van in totaal circa 5000 voorgelezen voornamen, achternamen, straatnamen, plaatsnamen en controlewoorden.
A database with in total about 5000 read first names, surnames, straat names, city names and check words.
|
|
AUTONOMATA-POI-corpus |
Het corpus is een database van 800 voorgelezen points of interest (POI's) uit Nederland en België, bestaande uit namen van restaurants, hotels, campings, cafés etc.
A corpus of 800 pronounced points of interest from the Netherlands and Belgium containing names of restaurants, camping sites, cafe's, etc.
|
|
AUTONOMATA-POI-demo |
Een demo van een spraakherkenner voor POI's (points of interest). Deze demo herkent overnachtingsadressen en eetgelegenheden in enkele grote steden (o.a. Amsterdam, Antwerpen, Gent, Rotterdam).
A demo of speech recognision for POI's (points of interest). This demo recognises hotels and restuarants in a number of large cities (a.o. Amsterdam, Antwerp, Ghent, Rotterdam)
|
|
AUTONOMATA-transcriptietoolset |
De AUTONOMATA-transcriptietoolset bestaat uit een transcriptietool en learning tools, waarmee men woordenlijsten kan verrijken met nauwkeurige uitspraakinformatie.
The AUTONOMATA transcription tool set consists of a transcription tool and a learning tool. These can be used to add accurate pronounciation details to word lists.
|
|
AutoSearch |
Een tool om geannoteerde teksten te uploaden (voorzien van lemma's en woordsoortinformatie in TEI- of FoLiA-formaat), één of meerdere corpora te definiëren en deze te doorzoeken. Alleen toegankelijk met een CLARIN-account.
|
|
Autshumato Afrikaans-English Translation Memory |
Translation memory from Afrikaans to English (EN-GB), in the government domain for use in the Autshumato ITE application. |
|
Autshumato English-Afrikaans Parallel Corpora |
English and Afrikaans parallel corpora aligned on sentence level. |
|
Autshumato English-Afrikaans Translation Memory |
Translation memory from English (EN-GB) to Afrikaans, in the government domain for use in the Autshumato ITE application. |
|
Autshumato English-isiZulu Parallel Corpora |
English and isiZulu parallel corpora aligned on sentence level. |
|
Autshumato English-isiZulu Translation Memory |
Translation memory from English (EN-GB) to isiZulu, in the government domain for use in the Autshumato ITE application. |
|
Autshumato English-Sesotho sa Leboa Parallel Corpora |
English and Sesotho sa Leboa (Sepedi) parallel corpora aligned on sentence level. |
|
Autshumato isiZulu-English Translation Memory |
Translation memory from IsiZulu to English (EN-GB), in the government domain for use in the Autshumato ITE application. |
|
Autshumato Sesotho sa Leboa-English Translation Memory |
Translation memory from Sesotho sa Leboa to English (EN-GB), in the government domain for use in the Autshumato ITE application. |
|
BasiLex-corpus |
Het BasiLex-corpus is een geannoteerde verzameling van teksten geschreven voor kinderen in de basisschoolleeftijd.
The Basilex corpus is an annotated collection of texts written for children in the age from four to twelve years.
|
|
BasiLex-corpus Commercieel |
Het BasiLex-corpus is een geannoteerde verzameling van teksten geschreven voor kinderen in de basisschoolleeftijd.
The Basilex corpus is an annotated collection of texts written for children in the age from four to twelve years. |
|
BasiLex-lexicon |
Het BasiLex-lexicon bevat alle lemma's uit het BasiLex-corpus met daaraan toegevoegd extra informatie.
The Basilex Lexicon contains all lemmas from the Basilex Corpus with additional information.
|
|
BasiLex-lexicon Commercieel |
Het BasiLex-lexicon bevat alle lemma's uit het BasiLex-corpus met daaraan toegevoegd extra informatie.
The Basilex Lexicon contains all lemmas from the Basilex Corpus with additional information. |
|
BasiScript-corpus |
Het BasiScript-corpus is een geannoteerde verzameling van teksten geschreven door kinderen in de basisschoolleeftijd.
The BasiScript Corpus is an annotated collection of texts written by children in the age from four to twelve years.
|
|
BasiScript-corpus Commercieel |
Het BasiScript-corpus is een geannoteerde verzameling van teksten geschreven door kinderen in de basisschoolleeftijd.
The BasiScript Corpus is an annotated collection of texts written by children in the age from four to twelve years.
|
|
BasiScript-lexicon |
Het BasiScript-corpus is een geannoteerde verzameling van teksten geschreven door kinderen in de basisschoolleeftijd. Het BasiScript-lexicon is afgeleid van dat corpus.
The Basilex Corpus is an annotated collection of texts written by children in primary school. The BasiScript Lexicon is derived from this corpus.
|
|
BasiScript-lexicon Commercieel |
Het BasiScript-corpus is een geannoteerde verzameling van teksten geschreven door kinderen in de basisschoolleeftijd. Het BasiScript-lexicon is afgeleid van dat corpus.
The Basilex Corpus is an annotated collection of texts written by children in primary school. The BasiScript Lexicon is derived from this corpus.
|
|
Belgian Covid Sign Language Corpus (BeCoS Corpus) |
Een geannoteerd parallel corpus gesproken taal (Nederlands, Frans, Duits) en gebarentaal (VGT, LSFB) gebaseerd op uitgezonden nieuwsberichten van de Belgische federale overheid betreffende COVID-19.
An annotated parallel corpus with speech (Flemish, French, German) and sign language (VGT, LSFB) based on news broadcasts from the Belgian federal government concerning COVID-19. |
|
BlackLab |
Corpuszoeksysteem op basis van Apache Lucene. Deze tool wordt gedistribueerd via GitHub.
|
|
BlackLab Frontend |
Een uitgebreide interface voor de BlackLab-corpuszoekmachine.
|
|
BLISS Dialogue Summaries |
Nederlandse spraakopnames van deelnemers die spreken met het BLISS-dialoogsysteem over alledaagse bezigheden en activiteiten waar ze plezier aan beleven. De data bevat 55 opnames met een gemiddelde duur van 2 minuten en 34 seconden.
Dutch recordings of participants who talk with the BLISS dialogue system about their everyday occupations and their favorite activities. The corpus contains 55 recordings with an average duration of 2 minutes and 34 seconds. |
|
BLISS Spoken Dialogue Dataset |
Nederlandse spraakopnames van deelnemers die spreken met het BLISS-dialoogsysteem (v1) over alledaagse bezigheden en activiteiten waar ze plezier aan beleven. De data bevat 55 opnames met een gemiddelde duur van 2 minuten en 34 seconden.
Dutch recordings of participants who speak with the BLISS dialogue system about everyday occupations and activities which they enjoy. The copus contains 55 recordings with an average duration of 2 minutes and 34 seconds. |
|
Brieven als Buit – Gouden Standaard |
De circa 1000 met hoofdwoordsoort en modern lemma verrijkte bronbestanden van het Brieven als Buit-programma, geleid door prof. dr. M.J. van der Wal. |
|
Brieven als Buit (Online) |
Een selectie van ongeveer 1.000 privébrieven uit de late zeventiende tot de late achttiende eeuw werd getokeniseerd, gelemmatiseerd en voorzien van een POS-tag. De taalkundige verrijkingen werden manueel gecontroleerd.
A selection of about one thousand Dutch private letters from the late seventeenth and late eighteenth centuries were digitised, tokenized, tagged with Part of Speech and lemmatised. The linguistic annotations were verified manually. |
|
Brieven als Buit-2 (Online) |
Aanvulling op het Brieven als Buit-corpus
Addition to the Letters as Loot corpus. |
|
Cd-rom Middelnederlands |
De Cd-rom Middelnederlands (1998) bevat het Middelnederlands Woordenboek, de teksten van het Corpus Gysseling en een collectie van ruim 300 rijm- en prozateksten.
|
|
CGN-annotaties |
De CGN-annotaties bevatten het volledig geannoteerde corpus in getranscribeerde vorm.
The CGN Annotations contain the data from the CGN (Corpus of Spoken Dutch) minus the sound data. |
|
CGN-annotaties Commercieel |
De CGN-annotaties bevatten het volledig geannoteerde corpus in getranscribeerde vorm.
The CGN Annotations contain the data from the CGN (Corpus of Spoken Dutch) minus the sound data.
|
|
Children’s Oral Reading Corpus (CHOREC) |
Een verzameling van 130 uur voorgelezen kinderspraak.
A collection of 130 hours of speech by children (reading loud). |
|
CHN N-grams |
N-grammen (lengten één, twee en drie) met frequenties uit het Corpus Hedendaags Nederlands.
|
|
CHN N-grams Commercieel |
N-grammen (lengten één, twee en drie) met frequenties uit het Corpus Hedendaags Nederlands.
|
|
CoBaLT |
Applicatie om een verzameling tekstbestanden in te laden en taalkundig te annoteren. Deze applicatie wordt gedistribueerd via GitHub.
|
|
CombiLex |
CombiLex is een lijst van lemma's en woordvormen zonder toegevoegde taalkundige informatie.
Combilex is a list of Dutch lemmas and word forms without further annotation. |
|
CombiLex Commercieel |
CombiLex is een lijst van lemma's en woordvormen zonder toegevoegde taalkundige informatie.
Combilex is a list of Dutch lemmas and word forms without further annotation. |
|
COREA-coreferentiecorpus |
Het corpus bestaat uit Nederlandse teksten waarin coreferentierelaties systematisch gemarkeerd zijn.
A corpus of Dutch texts with annotated coreference relations. |
|
COREA-coreferentiecorpus Commercieel |
Het corpus bestaat uit Nederlandse teksten waarin coreferentierelaties systematisch gemarkeerd zijn.
A corpus of Dutch texts with annotated coreference relations. |
|
COREA-coreferentieservice |
Een systeem dat automatisch coreferentiële relaties tussen nominale constituenten in teksten op kan lossen.
|
|
Cornetto-LMF |
Lexicale database voor het Nederlands met semantische relaties en combinatorische informatie. Alleen toegankelijk met een CLARIN-account.
Lexical database for Dutch with semantic relations and combinatorial information. Only accessible with a Clarin-account. |
|
Corpus Gesproken Nederlands (CGN) |
Een verzameling van ongeveer 900 uur gesproken Standaardnederlands afkomstig van Vlamingen en Nederlanders.
A collection of about 900 hours spoken standard Dutch from Flanders and the Netherlands. |
|
Corpus Gesproken Nederlands (CGN) Commercieel |
Een verzameling van ongeveer 900 uur gesproken Standaardnederlands afkomstig van Vlamingen en Nederlanders.
A collection of about 900 hours spoken standard Dutch from Flanders and the Netherlands. |
|
Corpus Gysseling (Data) |
Een verzameling van alle dertiende-eeuwse teksten die als bronnenmateriaal hebben gediend voor het Vroegmiddelnederlands Woordenboek.
|
|
Corpus Gysseling (Online) |
Corpus van Middelnederlandse teksten (tot en met het jaar 1300), uitgegeven in de periode 1977-1987 door de taalkundige Maurits Gysseling.
Corpus of Middle Dutch texts (until 1300), published in the period 1977-1987 by the linguist Maurits Gysseling. |
|
Corpus Hedendaags Nederlands (CHN) |
Het Corpus Hedendaags Nederlands (CHN) is een tekstverzameling met meer dan 3 miljoen teksten uit boeken, blogs, kranten, tijdschriften en journaaluitzendingen uit Nederland, Vlaanderen, Suriname en de Nederlandse Antillen. Samen zijn deze teksten goed voor meer dan 1 miljard woorden.
Corpus Hedendaags Nederlands (CHN) is a text collection with more than 3 million texts from books, blogs, newspapers, magazines and news broadcasts from the Netherlands, Flanders, Suriname and the Netherlands Antilles. Together these texts amount to more than 1 billion words. |
|
Corpus Juridisch Nederlands (Online) |
Het Corpus Juridisch Nederlands omvat een verzameling van 5.856 wetsteksten uit de periode 1814 tot 1989, die per jaar zijn samengevoegd.
The Corpus Juridisch Nederlands comprises a collection of 5,856 legal texts from the period 1814 to 1989, compiled year by year.
|
|
Corpus Middelnederlands (Data) |
Een verzameling van ca. 350 Middelnederlandse literaire teksten uit de periode 1250-1500, in TEI gecodeerd (oorspronkelijk gepubliceerd op de cd-rom Middelnederlands).
A collection of 350 Middle Dutch literary texts from the period between 1250 and 1500, encoded in TEI (originally published on the CD-ROM Middle Dutch). |
|
Corpus Middelnederlands (Online) |
Het Corpus Middelnederlands is een verzameling van 336 Middelnederlandse literaire teksten uit de periode 1250-1500. De teksten zijn doorzoekbaar via een webapplicatie.
The Corpus Middle-Dutch is a collection of literary texts from the period 1250-1500. The texts can be searched via a web interface.
|
|
Corpus Nederlandse Gebarentaal (CNGT) |
Dit product is nog niet beschikbaar. This product is not yet available. Productdetails Dataformaat Jaar Opdrachtgever Project Refereren Corpus Nederlandse Gebarentaal (Version 1.0) (202?) [Data set]. Available at the Dutch Language Institute: http://hdl.handle.net/10032/tm-a2-u5 Talen Vlaamse Gebarentaal Toepassing Versie 1.0 Downloaddetails
|
|
Corpus Ondertitelde UVN-Colleges (COUC) |
Subtitled videos of lectures in Dutch. The subtitles are an exact transcriptions of the recorded speech.
|
|
Corpus Oudnederlands (Online) |
Het Corpus Oudnederlands is de verzameling van al het overgebleven Nederlandse woordmateriaal uit de periode 475-1200.
The Corpus Old Dutch is a collection of all remaining Dutch word material from the period 475-1200 |
|
Corpus Pathologische en Normale Spraak (COPAS) |
Een verzameling opnames van bijna 200 sprekers met een hoorbare spraakstoornis en van 122 controlesprekers.
A collection recordings of almost 200 speakers with an audible speech impediment and a control group of 122 speakers. |
|
Corpus Vlaamse Gebarentaal (Corpus VGT) |
Het Corpus VGT is een verzameling van gannoteerde video’s in Vlaamse Gebarentaal. Informanten (sprekers VGT) spreken twee aan twee over een reeks thema’s.
The Corpus VGT is a collection of videos in Flemish Sign Language. Informants (native speakers of VGT) discuss in pairs a series of subjects. |
|
Corpus Vlaamse Gebarentaal (CVGT) |
Dit product is nog niet beschikbaar. This product is not yet available. Productdetails Dataformaat Jaar Opdrachtgever Project Refereren Corpus Vlaamse Gebarentaal (Version 1.0) (202?) [Data set]. Available at the Dutch Language Institute: http://hdl.handle.net/10032/tm-a2-u4 Talen Vlaamse Gebarentaal Toepassing Versie 1.0 Downloaddetails
|
|
Couranten Corpus (Online) |
Het Couranten Corpus bevat dertien zeventiende-eeuwse Nederlandse kranten uit de periode 1619-1700 die momenteel op Delpher.nl beschikbaar zijn.
The Couranten Corpus contains thirteen seventeenth-century Dutch newspapers from the period 1619-1700, which are currently available on Delpher.nl. |
|
D-TUNA-corpus |
Het D-TUNA-corpus bestaat uit 2400 geschreven en (getranscribeerde) gesproken referentiële expressies.
The D-TUNA Corpus consists of 2400 written and (transcribed) spoken referential expressions. |
|
DAESO-corpus: parallelle Nederlandstalige monolinguale treebank |
Een parallelle monolinguale treebank voor het Nederlands.
A parallel monolingual treebank for Dutch. |
|
DAESO-corpus: parallelle Nederlandstalige monolinguale treebank Commercieel |
Een parallelle monolinguale treebank voor het Nederlands.
A parallel monolingual treebank for Dutch. |
|
Database van de Zuidelijk-Nederlandse Dialecten (DSDD) |
De database van de Zuidelijk-Nederlandse dialecten is samengesteld uit drie regionale dialectwoordenboeken: het Woordenboek van de Vlaamse Dialecten (WVD), het Woordenboek van de Brabantse Dialecten (WBD) en het Woordenboek van de Limburgse Dialecten. The Database of the Southern Dutch Dialects (DSDD) is an aggregation of three regional dialect dictionaries: the Dictionary of Flemish Dialects (Woordenboek van de Vlaamse Dialecten - WVD), the Dictionary of the Brabantian Dialects (Woordenboek van de Brabantse Dialecten - WBD), and the Dictionary of the Limburgian Dialects (Woordenboek van de Limburgse Dialecten - WLD). |
|
Diachroon seMantisch lexicon van de Nederlandse Taal – DiaMaNT |
Een interface voor het doorzoeken van het Diachroon seMantisch lexicon van de Nederlandse Taal (DiaMaNT). Dat is een computationeel semantisch lexicon waarin (historische) woordvormen en concepten zijn verbonden.
An interface for querying the Diachronic Semantic Lexicon of the Dutch language (DiaMaNT); a computational semantic lexicon connecting (historical) word forms and concepts. |
|
DuELME |
Een lexicon met ruim 5000 Nederlandstalige meerwoordexpressies.
|
|
DuELME Commercieel |
Een lexicon met ruim 5.000 Nederlandstalige meerwoordexpressies.
|
|
DuOMAn Subjectivity Lexicon |
Een verzameling van ongeveer 9000 woorden waarvoor aangegeven werd of ze een negatieve, neutrale of positieve gevoelswaarde hebben.
A collection of about 9000 marked with sentiment values negative, neutral or positive. |
|
DuOMAn Subjectivity Lexicon Commercieel |
Een verzameling van ongeveer 9000 woorden waarvoor aangegeven werd of ze een negatieve, neutrale of positieve gevoelswaarde hebben.
A collection of about 9000 marked with sentiment values negative, neutral or positive. |
|
Dupira |
Parser voor het Nederlands voor toepassingen in information retrieval.
Parser for Dutch applicable for information retrieval. |
|
Dutch Idiom Database: Native Speakers (DID-NS) |
Een database met beoordelingen van Nederlandse uitdrukkingen door moedertaalsprekers.
A database with appreciations by native speakers of Dutch expressions. |
|
Dutch Idiom Database: Native Speakers (DID-NS) Commercieel |
Een database met beoordelingen van Nederlandse uitdrukkingen door moedertaalsprekers.
A database with appreciations by native speakers of Dutch expressions. |
|
Dutch Parallel Corpus (DPC) |
Een parallel corpus van 10 miljoen woorden voor de taalparen Nederlands-Engels en Nederlands-Frans.
A parallel corpus of 10 million words for the language pairs Dutch-English and Dutch-French. |
|
Dutch Parallel Corpus (DPC) Commercieel |
Een parallel corpus van 8,77 miljoen woorden voor de taalparen Nederlands-Engels en Nederlands-Frans.
A parallel corpus of 8,77 million words for the language pairs Dutch-English and Dutch-French. |
|
e-Lex |
Lexicon met ruim 200.000 lemma's en ruim 640.000 woordvormen voorzien van o.a. POS-tag, complementatiepatroon, semantisch type en uitspraakinformatie.
|
|
e-Lex Commercieel |
Lexicon met ruim 200.000 lemma's en ruim 640.000 woordvormen voorzien van o.a. POS-tag, complementatiepatroon, semantisch type en uitspraakinformatie.
|
|
Eindhoven-corpus |
Een verzameling Nederlandstalige geschreven en getranscribeerde gesproken teksten uit de periode van 1960 tot 1976.
A corpus of Dutch written and transcribed spoken texts from the period 1960 to 1976. |
|
Etymologiebank |
De Etymologiebank biedt alle belangrijke etymologische publicaties van het Nederlands op woordniveau aan op één centraal punt (data geleverd door het INT).
|
|
Etymologisch Woordenboek van het Nederlands (EWN) |
Een wetenschappelijk etymologisch woordenboek voor het moderne bovenregionale Nederlands.
|
|
Federated Search Lexica |
Een interface voor het gelijktijdig doorzoeken van een aantal lexica.
Aan interface for simultaneous querying a number of lexica. |
|
Frequentielijsten corpora |
De 5000 meest voorkomende woorden uit de Miljoenencorpora, het PAROLE-corpus 2004, het CGN, het ANW-corpus, het Eindhoven-corpus, het D-Coi-corpus en het SoNaR-corpus.
|
|
Frequentielijsten corpora Commercieel |
De 5000 meest voorkomende woorden uit de Miljoenencorpora, het PAROLE-corpus 2004, het CGN, het ANW-corpus, het Eindhoven-corpus, het D-Coi-corpus en het SoNaR-corpus.
|
|
Frog |
Een tokenizer, tagger, lemmatizer, morphological segmenter, shallow parser, named entity recognizer, en dependency parser in één. |
|
GiGaNT-Molex |
Het GiGaNT-Molex-lexicon bevat Nederlands materiaal uit Nederland, Vlaanderen, de Antillen en Suriname afkomstig uit hedendaagse corpusteksten van het Instituut voor de Nederlandse Taal (INT). Alle lemmata en paradigmata zijn handmatig nagekeken en conform de officiële spelling.
|
|
GiGaNT-Molex Commercieel |
Het GiGaNT-Molex-lexicon bevat Nederlands materiaal uit Nederland, Vlaanderen, de Antillen en Suriname afkomstig uit hedendaagse corpusteksten van het INT. Alle lemmata en paradigmata zijn handmatig nagekeken en conform de officiële spelling.
|
|
Greedy Extraction of Trees for Empirical Linguistics – GrETEL |
Een gebruiksvriendelijke interface voor het doorzoeken van syntactisch geannoteerde corpora of treebanks.
A common interface for querying syntactically annotated corpora and tree banks. |
|
Hoger Onderwijs Terminologie in Nederland en Vlaanderen (HOTNeV) |
Een terminologische database met Nederlandse en Vlaamse onderwijstermen.
A terminological database with Dutch and Flemish terms from the educational domain.
|
|
Hotel Review Corpus in Nederlandse Gebarentaal (NGT_HoReCo) |
Een multimodaal parallel corpus met de talen Nederlands en Nederlandse Gebarentaal (NGT) waarin 283 hotelbeoordelingen werden vertaald uit het Nederlands in NGT door professionele, dove vertalers.
A multimodal parallel corpus of Dutch and Sign Language of the Netherlands (NGT), in which 283 hotel reviews in written Dutch were translated into NGT videos by deaf professional translators. |
|
Hulk / Keurmerk Spelling |
HulK / Keurmerk Spelling: keurmerk voor producten die de regels en principes van de officiële spelling van de Taalunie volgen.
|
|
IFA Dialoog-videocorpus |
Video- en geluidsopnamen van spontane dialogen tussen proefpersonen.
Video- and sound recordings of spontaneous dialogues between subjects. |
|
IFA-corpus |
Een database voor fonetisch onderzoek die bestaat uit Nederlandse spraakdata van 8 personen; 4 mannelijk en 4 vrouwelijk.
A corpus for phonetic research consisting of speech data of 4 male and 4 female persons. |
|
INL Labs |
Webservice voor het taggen/lemmatiseren van (historische) teksten met o.a. een tagger voor eigennamen (named entities) en een tagger speciaal getraind voor historisch materiaal. De laatste geeft de moderne woordvormen weer en maakt een koppeling naar betekenisomschrijvingen.
|
|
INT Historische Woordenlijst |
Twee lijsten met elk ca. 500.000 historische woordvormen ten behoeve van OCR en OCR-postcorrectie, voor de periode ca. 1550 - ca. 1970.
|
|
INT IMPACT NE-lexicon |
Lexicon voor het Nederlands, met historische namen en varianten uit de periode 1750-1945.
|
|
isiNdebele Custom Dictionary for Government Domain |
This language resource contains an alphabetic list of words which are exclusive to the government domain or which are not part of the official orthography of isiNdebele. |
|
isiNdebele Genre Classification Corpus |
Contains training and testing data for genre classification for isiNdebele. |
|
isiXhosa Custom Dictionary for Government Domain |
This language resource contains an alphabetic list of words which are exclusive to the government domain or which are not part of the official orthography of isiXhosa. |
|
isiXhosa Genre Classification Corpus |
Contains training and testing data for genre classification for isiXhosa. |
|
isiZulu Custom Dictionary for Government Domain |
This language resource contains an alphabetic list of words which are exclusive to the government domain or which are not part of the official orthography of isiZulu. |
|
isiZulu Genre Classification Corpus |
Contains training and testing data for genre classification for isiZulu. |
|
JASMIN-spraakcorpus |
Een verzameling van circa 115 uur Nederlandse spraak van jongeren, anderstaligen en senioren, bestaande uit voorgelezen tekst en mens-machinedialogen.
A corpus of about 115 hours of Dutch speech from juveniles, non-native speakers and seniors, consisting of read text and man-machine dialogues. |
|
JASMIN-spraakcorpus Commercieel |
Een verzameling van circa 115 uur Nederlandse spraak van jongeren, anderstaligen en senioren, bestaande uit voorgelezen tekst en mens-machinedialogen.
A corpus of about 115 hours of Dutch speech from juveniles, non-native speakers and seniors, consisting of read text and man-machine dialogues. |
|
Lassy Groot-corpus |
Een corpus bestaande uit circa 700 miljoen woorden dat automatisch voorzien werd van syntactische annotaties.
Lassy Groot-corpus: A corpus of about 700 million words that has been annotated syntactically by machine. |
|
Lassy Groot-corpus Commercieel |
Een corpus bestaande uit circa 476 miljoen woorden dat automatisch voorzien werd van syntactische annotaties. The corpus contains about about 476 million words with automatically generated syntactic annotations. |
|
Lassy Klein-corpus |
Het Lassy Klein-corpus is een corpus van ongeveer 1 miljoen woorden met manueel geverifieerde syntactische annotaties.
The Lassy Small Corpus contains about a million words with manually verified syntactical annotations. |
|
Lassy Klein-corpus Commercieel |
Een syntactisch geannoteerd corpus bestaande uit 772.000 woorden.
A syntactically annotated corpus consisting of a million words. |
|
Lwazi Afrikaans ASR Corpus |
Audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Afrikaans Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Afrikaans. |
|
Lwazi English ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi English Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in English. |
|
Lwazi isiNdebele ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi isiNdebele Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in isiNdebele. |
|
Lwazi isiXhosa ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi isiXhosa Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in isiXhosa. |
|
Lwazi isiZulu ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi isiZulu Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in isiZulu. |
|
Lwazi Sepedi ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Sepedi Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Sepedi. |
|
Lwazi Sesotho ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Sesotho Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Sesotho. |
|
Lwazi Setswana ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Setswana Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Setswana. |
|
Lwazi Siswati ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Siswati Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Siswati. |
|
Lwazi Tshivenda ASR corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Tshivenda Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Tshivenda. |
|
Lwazi Xitsonga ASR Corpus |
Complete audio recordings and orthographic transcriptions used for Lwazi speech recognition systems. |
|
Lwazi Xitsonga Pronunciation Dictionary |
General phonemic pronunciations for frequently occurring words in Xitsonga. |
|
Medische Pilot (MedPilot) |
De Medische Pilot is een bij wijze van experiment ingerichte database waarin een klein deel van de medische woordschat beschreven wordt op verschillende niveaus, van wetenschappelijk tot toegankelijk voor laaggeletterden, en waarin ook verschillen tussen Vlaamse en Nederlandse termen worden getoond.
The Medical Pilot is an experimental database in which a small selection of medical terms is described at several levels, from scientific to functionally illiterate, and which also hilights the differences between Flemish and Dutch from the Netherlands.
|
|
Medische Termen Belgisch-Nederlands (MedTermBN) |
Een lijst met medische begrippen waarvoor in België en Nederland afwijkende termen worden gebruikt.
|
|
Medische Termen Belgisch-Nederlands (MedTermBN) Commercieel |
Een lijst met medische begrippen waarvoor in België en Nederland afwijkende termen worden gebruikt.
|
|
Meertalige Ondertiteldata 2BDutch |
De ondertiteldata behorend bij de Nederlandstalige video’s op de website www.2BDutch.nl, vormen het product Meertalige Ondertiteldata 2BDutch.
A corpus of subtitles belonging to the Dutch video's on the website www.2BDutch.nl. |
|
Memory-Based Morphological Parser (MBMP) |
Een geheugengebaseerde morfologische parser voor de programmeertaal Python. Deze tool wordt gedistribueerd via GitHub.
|
|
Middelnederlandsch Woordenboek (MNW) |
Beschrijft de Nederlandse woordenschat uit de periode ca. 1250 tot ca. 1550.
|
|
Moroccorp |
Moroccorp is een corpus van chats tussen Marokkaans-Nederlandse taalgebruikers, bestaande uit tien miljoen woorden.
Moroccorp is a corpus of chats between Maroccan-Dutch language users consisting of about a million words. |
|
NAMES Corpus |
Een corpus van Nederlandse voor- en achternamen zoals gevonden in 19de-eeuwse geboorte-, huwelijks- en overlijdensakten. De naamvarianten zijn gekoppeld aan een standaardvorm.
|
|
NAMES Corpus Commercieel |
Een corpus van Nederlandse voor- en achternamen zoals gevonden in 19de-eeuwse geboorte-, huwelijks- en overlijdensakten. De naamvarianten zijn gekoppeld aan een standaardvorm.
|
|
Nederlands als Wetenschapstaal: Scheikunde |
Als onderdeel van het project Nederlands als Wetenschapstaal is een lijst met scheikundige termen samengesteld.
As part of the project Dutch as language of Science", a list has been compiled of terms used in chemistry. |
|
Nederlands als Wetenschapstaal: Wiskunde |
Als onderdeel van het project "Nederlands als Wetenschapstaal" is een lijst met wiskundige termen samengesteld.
As part of the project "Dutch as language of Science", a list has been compiled of terms used in mathematics. |
|
Neologismen Online v3 |
Lijst met ca. 19.000 nieuwe Nederlandse woorden en uitdrukkingen.
|
|
OMBI Arabisch-Nederlands |
Bilinguaal lexicaal bestand met als brontaal Arabisch en als doeltaal Nederlands.
Bilingual lexicon with Arabic as source language and Dutch as target language. |
|
OMBI Arabisch-Nederlands Commercieel |
Bilinguaal lexicaal bestand met als brontaal Arabisch en als doeltaal Nederlands.
Bilingual lexicon with Arabic as source language and Dutch as target language. |
|
OMBI Nederlands-Arabisch |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Arabisch.
Bilingual lexicon with Dutch as source language and Arabic as target language. |
|
OMBI Nederlands-Arabisch Commercieel |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Arabisch.
Bilingual lexicon with Dutch as source language and Arabic as target language. |
|
OMBI Nederlands-Deens |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Deens.
Bilingual lexicon with Dutch as source language and Danish as target language. |
|
OMBI Nederlands-Deens Commercieel |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Deens.
Bilingual lexicon with Dutch as source language and Danish as target language. |
|
OMBI Nederlands-Indonesisch |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Indonesisch.
Bilingual lexicon with Dutch as source language and Indonesian as target language. |
|
OMBI Nederlands-Indonesisch Commercieel |
Bilinguaal lexicaal bestand met als brontaal Nederlands en als doeltaal Indonesisch.
Bilingual lexicon with Dutch as source language and Indonesian as target language. |
|
Open Dutch Wordnet |
Open Dutch Wordnet is een lexicale database voor het Nederlands, die 116.992 synsets bevat.
Open Dutch Wordnet is a lexical dabase of Dutch containing 116922 synsets. |
|
OpenSoNaR |
Online zoeksysteem voor het SoNaR-corpus, een tekstverzameling van hedendaags geschreven Nederlands dat uit meer dan 500 miljoen woorden bestaat. Het SoNaR-corpus is ook als download beschikbaar.
|
|
Oudnederlands Woordenboek (ONW) |
Een wetenschappelijk woordenboek van het oudste Nederlands.
|
|
Paco-MT Parallelle Corpora |
Twee (bestaande) parallelle corpora voorzien van automatisch gegenereerde syntactische annotaties en node alignments.
Paco-MT Parallelle Corpora: Two (existing) parallel corpora provided with automatically generated syntactic annotation and node alignments. |
|
PAROLE-lexicon |
Het PAROLE-lexicon bevat ruim 20.000 entry's, die voorzien werden van woordsoort, getal, naamval en syntactische complementatiepatronen.
|
|
Philosophical Integrator of Computational and Corpus Libraries (PICCL) |
PICCL biedt een workflow aan voor het samenstellen van corpora waarbij een aantal bestaande tools zijn samengevoegd.
|
|
Pinkhof Geneeskundig Woordenboek (Online) |
Het Pinkhof Geneeskundig Woordenboek (Online) bevat ruim 52.000 medische termen met hun betekenissen en/of verwijzingen.
The Pinkhof Medical Dictionary contains more than 52,000 medical terms with their meanings and/or references. |
|
Referentiebestand Belgisch-Nederlands (RBBN) |
Een verzameling van 4000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België.
A collection of 4000 words and expressions that are typical for Belgian Dutch. |
|
Referentiebestand Belgisch-Nederlands (RBBN) Commercieel |
Een verzameling van 4000 woorden en uitdrukkingen die typisch zijn voor het Nederlands in België.
A collection of 4000 words and expressions that are typical for Belgian Dutch. |
|
Referentiebestand Nederlands (RBN) |
Een verzameling van ongeveer 50.000 frequente Nederlandse woorden aangevuld met taalkundige informatie.
|
|
Referentiebestand Nederlands (RBN) Commercieel |
Een verzameling van ongeveer 50.000 frequente Nederlandse woorden aangevuld met taalkundige informatie.
|
|
RND Woordenlijsten |
Fonetische transcripties van dialectwoorden verzameld in Nederland en België. Oorspronkelijk gepubliceerd in de “Reeks Nederlandse Dialectatlassen”.
Phonetic transcriptions of dialect words collected in the Netherlands and Belgium. Originally published in the "Reeks Nederlandse Dialectatlassen”. |
|
Sepedi Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Sesotho Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Sesotho Genre Classification Corpus |
Contains training and testing data for genre classification for Sesotho. |
|
Sesotho sa Leboa Genre Classification Corpus |
Contains training and testing data for genre classification for Sesotho sa Leboa. |
|
Setswana Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Setswana Genre Classification Corpus |
Contains training and testing data for genre classification for Setswana. |
|
Siswati Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Siswati Genre Classification Corpus |
Contains training and testing data for genre classification for Siswati. |
|
SoNaR character ngrams |
Uit de bestanden van het SoNaR-corpus versie 1.2 (SONAR500) zijn n-grammem met de lengtes 1, 2 en 3 afgeleid.
From the SoNaR Corpus version 1.2 (SONAR500) n-grams have been derived with the lengths 1, 2, and 3. |
|
SoNaR Groot-corpus Commercieel |
Het SoNaR Groot-corpus Commercieel bevat ruim 271 miljoen woorden afkomstig uit (standaard) Nederlandstalige teksten van na 1954.
The SoNaR Corpus contains more than 500 million words from texts in standard Dutch later than 1954. |
|
SoNaR Klein-corpus Commercieel |
Het SoNaR Klein-corpus Commercieel bevat ongeveer 825.000 woorden tekst die semantisch geannoteerd werden. The SoNaR Small Corpus Commercial contains approx. 825.000 words. The corpus is semantically annotated. |
|
SoNaR Nieuwe Media Corpus |
Het SoNaR Nieuwe Media Corpus 1.0 bevat nieuwemediateksten (sms'en, tweets en chatberichten) die verzameld werden binnen het STEVIN-project SoNaR.
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. |
|
SoNaR-corpus |
Het SoNaR-corpus bevat ruim 500 miljoen woorden afkomstig uit (standaard) Nederlandstalige teksten van na 1954.
The SoNaR Corpus contains more than 500 million words from texts in standard Dutch later than 1954. |
|
SumNL-samenvattingencorpus |
Het SumNL-samenvattingencorpus is gebaseerd op 30 clusters. Ieder cluster bestaat uit een onderwerp en 5-25 krantenartikelen die relevant zijn voor het onderwerp.
The SumNL Corpus of Abstracts is based on 30 clusters. Each cluster consists of a topic and 5-25 newspaper articles that are relevant for that topic. |
|
SumNL-samenvattingencorpus Commercieel |
Het SumNL-samenvattingencorpus is gebaseerd op 28 clusters. Ieder cluster bestaat uit een onderwerp en 5-25 krantenartikelen die relevant zijn voor het onderwerp.
The SumNL Corpus of Abstracts is based on 30 clusters. Each cluster consists of a topic and 5-25 newspaper articles that are relevant for that topic. |
|
Taalportaal |
Taalportaal is een uitgebreide grammatica van het Nederlands, Fries en Afrikaans beschreven in het Engels. Het portaal bevat een lijst van taalkundige termen en een taalkundige bibliografie. Taalportaal wordt regelmatig geüpdatet.
Taalportaal is an comprehensive grammar of Dutch, Frisian and Afrikaans written in English. The portal contains a list of linguistic terms and a linguistic bibliography. Taalportaal receives frequent updates. |
|
The LiLaH Emotion Lexicon of Greek, Kurdish, Turkish, Spanish, Farsi and Chinese |
Een lijst met woorden in het Grieks, Koerdisch, Turks, Spaans, Farsi en Chinees (traditioneel en vereenvoudigd) en hun associaties met acht basisemoties en twee sentimenten.
A list of words in Greek, Kurdish, Turkish, Spanish, Farsi and Chinese (traditional and simplified) and their associations with eight basic emotions and two sentiments.
|
|
Tshivenda Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Tshivenda Genre Classification Corpus |
Contains training and testing data for genre classification for Tshivenda. |
|
Vertaalwoordenschat |
Applicatie voor tweetalige woordenboeken met Nederlands als bron- of doeltaal. Momenteel zijn de taalparen Nederlands-Nieuwgrieks, Nederlands-Portugees, Nederlands-Estisch en Nederlands-Fins gratis beschikbaar.
|
|
Vroegmiddelnederlands Woordenboek (VMNW) |
Een wetenschappelijk woordenboek gebaseerd op ambtelijke bescheiden en literaire teksten uit de dertiende eeuw.
|
|
VU-DNC-corpus |
Een diachroon Nederlands krantencorpus dat bestaat uit data van vijf kranten. Voor elk van de kranten is data uit twee jaren beschikbaar (1950/1951 en 2002). Alleen toegankelijk met een CLARIN-account.
|
|
Wablieft-corpus |
Het Wablieft-corpus bevat het digitaal archief van de Wablieft-krant (periode 2011-2017).
The Wablieft Corpus contains the digital archive of the Wablieft paper (from 2011-2017). |
|
WAI-NOT Corpus |
Het WAI-NOT-corpus bestaat uit 874 krantenartikels, afkomstig uit de WAI-NOT-krant. De artikels zijn opgesteld in eenvoudig te lezen Nederlands en zijn afkomstig uit de periode 2009-2021. Het corpus bevat ongeveer 75.000 woorden.
The WAI-NOT Corpus contains the digital archive of the WAI-NOT paper (from 2009-2021) and it contains easy-to-read articles written in Dutch. The corpus contains approximately 75,000 words. |
|
WebCelex |
Interface waarmee de CELEX-lexicaledatabases 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.
|
|
Woordcombinaties (Online) |
Woordcombinaties toont hoe woorden gebruikt worden in voorbeeldzinnen, welke woorden typisch en/of vaak met elkaar gecombineerd worden en hoe (valentie)patronen samen met collocaties gebruikt worden voor het bouwen van zinnen.
The tool shows how words are used in example sentences, which words are typically and/or frequently combined and how (valency) patterns together with collocations are used in building sentences.
|
|
Woordenboek der Friese Taal (WFT) |
Het "Wurdboek fan de Fryske taal" is een wetenschappelijk, descriptief woordenboek en bevat ongeveer 120.000 lemma's.
|
|
Woordenboek der Nederlandsche Taal (WNT) |
Een historisch, wetenschappelijk, beschrijvend woordenboek van het Nederlands van 1500-1976.
|
|
Woordenboek Vlaamse Gebarentaal (Woordenboek VGT) |
Dit product bevat het videomateriaal uit het online Woordenboek Vlaamse Gebarentaal. In de 10.025 video's is per video een gebaar vastgelegd.
This product contains the video material of the Dictionary of Flemish Sign Language. The 10,025 videos contain a gesture per video. |
|
Xitsonga Custom Dictionary for Government Domain |
Custom dictionary developed in a spelling checker project for the Department of Arts and Culture. Contains words exclusive to the government domain or words that are not part of the official orthography of the language. |
|
Xitsonga Genre Classification Corpus |
Contains training and testing data for genre classification for Xitsonga. |