Het SoNaR Groot-corpus Commercieel is een tekstcorpus dat ongeveer 271 miljoen woorden tekst bevat, afkomstig uit uiteenlopende domeinen en genres. Alle teksten werden getokeniseerd, ge-POS-tagd en gelemmatiseerd. Ook de named entities werden gelabeld. Alle annotaties werden automatisch geproduceerd.
Dit taalmateriaal wordt standaard als download aangeboden en dan worden er geen kosten aangerekend. Maar omwille van de grote hoeveelheid data kan het SoNaR-corpus ook aangevraagd worden op een externe harde schijf. Hier rekent het INT €100,00 verzend- en afhandelingskosten voor.
The SoNaR Large Corpus Commercial contains about 271 million words from texts in standard Dutch later than 1954. All texts were tokenized, tagged for part of speech and lemmatized. The named entities were also labelled. All annotations were produced automatically, no manual verification took place.
By default, this language material is offered as a download and then there is no charge. But because of the large amount of data, the SoNaR corpus can also be requested on an external hard disk. For this the INT charges €100.00 shipping and handling fee.
It is necessary for the user to sign a license before the data is made available. The download package contains the license and further instructions for placing an order.
Productdetails
| Documentatie | Documentatie; Verschillende SoNaR-corpora |
| Eigenaar | Taalunie |
| Financier | NTU|STEVIN |
| Jaar | 2015 |
| Opdrachtgever | NTU|STEVIN |
| Project | SoNaR: STEVIN Nederlandstalig Referentiecorpus |
| Projectwebsite | https://lands.cls.ru.nl/projects/SoNaR/description.html |
| Refereren | SoNaR Groot-corpus Commercieel (Version 1.2.1) (2015) [Data set]. Available at the Dutch Language Institute: http://hdl.handle.net/10032/tm-a2-f4 |
| Talen | Nederlands |
| Versie | 1.2.1 |
Downloaddetails
| Bestand | |
|---|---|
| BP_SoNaR_Groot_C.zip |
- Aantal bestanden 1
- Aantal downloads 54
- Bestandsgrootte 53.55 KB
- Datum plaatsing 04/09/2020
- Laatst bijgewerkt 10/06/2025
- Versie 1.2.1