Lemma's

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).

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.

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.

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.