Current Challenges in Web Corpus Building

Varování

Publikace nespadá pod Pedagogickou fakultu, ale pod Fakultu informatiky. Oficiální stránka publikace je na webu muni.cz.

Autoři	JAKUBÍČEK Miloš KOVÁŘ Vojtěch RYCHLÝ Pavel SUCHOMEL Vít
Rok publikování	2020
Druh	Článek ve sborníku
Konference	Proceedings of the 12th Web as Corpus Workshop
Fakulta / Pracoviště MU	Fakulta informatiky
Citace
www	článek ve sborníku
Klíčová slova	Web corpora; corpus building
Popis	In this paper we discuss some of the current challenges in web corpus building that we faced in the recent years when expanding the corpora in Sketch Engine. The purpose of the paper is to provide an overview and raise discussion on possible solutions, rather than bringing ready solutions to the readers. For every issue we try to assess its severity and briefly discuss possible mitigation options.
Související projekty:	Hyperintensionální usuzování nad texty přirozeného jazyka LINDAT/CLARIAH-CZ - Digitální výzkumná infrastruktura pro jazykové technologie, umění a humanitní vědy