Deprecated: Constant E_STRICT is deprecated since 8.4, the error level was removed in /var/www/html/dokuwiki-2022-07-31a/inc/init.php on line 47
Warning: Cannot modify header information - headers already sent by (output started at /var/www/html/dokuwiki-2022-07-31a/inc/init.php:47) in /var/www/html/dokuwiki-2022-07-31a/inc/init.php on line 53
Warning: Cannot modify header information - headers already sent by (output started at /var/www/html/dokuwiki-2022-07-31a/inc/init.php:47) in /var/www/html/dokuwiki-2022-07-31a/inc/auth.php on line 511
Warning: Cannot modify header information - headers already sent by (output started at /var/www/html/dokuwiki-2022-07-31a/inc/init.php:47) in /var/www/html/dokuwiki-2022-07-31a/inc/Action/Export.php on line 109
Warning: Cannot modify header information - headers already sent by (output started at /var/www/html/dokuwiki-2022-07-31a/inc/init.php:47) in /var/www/html/dokuwiki-2022-07-31a/inc/Action/Export.php on line 109
Warning: Cannot modify header information - headers already sent by (output started at /var/www/html/dokuwiki-2022-07-31a/inc/init.php:47) in /var/www/html/dokuwiki-2022-07-31a/inc/Action/Export.php on line 109
====== Textkorpora und Wortlisten ======
Hier können Verweise auf interessante Korpora abgelegt werden.
===== Exklusive Nutzungsrechte =====
==== Mannheimer Liste ====
|Urheber |Korpus des [[http://www.ids-mannheim.de/kl/|Instituts für Deutsche Sprache]] (IDS) |
|Rechte |//Darf in ihrer Gesamtheit - wie vereinbart - nicht veröffentlicht oder an Dritte weitergegeben werden.// Abgeleitete Werke können nach unserer Wahl behandelt werden. |
|Wortformen |4.000.000 |
|Sortierkriterium |Häufigkeitsklassen |
|Rechtschreibung |mittel |
|Zugriff |für ausgewählte Personen |
|Stand |9. 10. 2007 |
===== Frei =====
==== ====
==== Werners Liste ====
|Urheber |Werner Lemberg |
|Rechte |MIT |
|Wortformen |500.000 |
|Sortierkriterium |alphabetisch |
|Rechtschreibung |gut |
|Bemerkung |manuell gepflegt |
|Zugriff |Git-[[Entwickler|Repositorium]] |
|Stand |26. 2. 2021 |
==== Leipziger Liste ====
|Urheber |Liste des [[http://wortschatz.uni-leipzig.de/|Wortschatzprojekts der Universität Leipzig]]|
|Rechte |GPL (?) |
|Wortformen |2.000.000 |
|Sortierkriterium|Häufigkeit |
|Rechtschreibung |mangelhaft |
|Bemerkung |automatische Internetsuche (Datenbanken, Zeitungsarchive usw.) |
|Zugriff | |
|Stand |28. 3. 2008 |
#GoogleBooksKorpus
==== Google-Books-Korpus ====
|Urheber |Google |
|Rechte |Creative Commons Attribution 3.0 Unported |
|Wortformen |3.700.000 |
|Sortierkriterium|dateiweise alphabetisch (nicht dateiübergreifend) |
|Rechtschreibung |mit typischen OCR-Fehlern |
|Bemerkung |angekündigt am 12. 5. 2011 auf der [[http://mailman.uib.no/public/corpora/2011-May/013010.html|Corpora-Mailing-Liste]]|
|Zugriff |Google Labs: [[http://ngrams.googlelabs.com/datasets|googlebooks-ger-all-20090715]] |
|Stand |1. 7. 2011 |
==== Google-Books-Liste ====
|Urheber |Stephan Hennig |
|Rechte |GPL |
|Wortformen |3.700.000 |
|Sortierkriterium|Häufigkeitsklassen |
|Rechtschreibung |mit typischen OCR-Fehlern |
|Bemerkung |abgeleitet aus dem [[#GoogleBooksKorpus|Google-Books-Korpus]]|
|Zugriff |[[GoogleBooks Liste|Google-Books-Liste]] |
|Stand |3. 9. 2011 |
==== Korpus der deutschen Wikipedia ====
|Urheber |Roozbeh Pournader, Wikipedia-Autoren |
|Rechte |CC-BY-SA |
|Wortformen |ca. 14.000.000 |
|Sortierkriterium|Häufigkeit |
|Rechtschreibung |mangelhaft |
|Bemerkung |angekündigt am 3. 7. 2012 auf der http://lists.freedesktop.org/archives/harfbuzz/2012-July/002092.html|
|Zugriff |z.B. http://www.freedesktop.org/software/harfbuzz/testing/texts/wikipedia/, siehe Ankündigung |
|Stand |12. 9. 2012 |
==== Free German Dictionary ====
|Urheber |Jan Schreiber |
|Rechte |Public Domain (?) |
|Wortformen |2.095.000 |
|Sortierkriterium|alphabetisch |
|Zugriff |http://germandict.sourceforge.net/|
|Stand |Februar 2021 |
==== FreeDict ====
|Urheber |Horst Eyermann u. a. |
|Rechte |GPL u. a. |
|Bemerkung|verschiedene zweisprachige Wörterbücher|
|Zugriff |http://freedict.org/de/ |
|Stand |August 2011 |
==== GeoNames ====
|Urheber |verschiedene |
|Rechte |Creative Commons BY 3.0 |
|Bemerkung|Datenbank mit über 10 Millionen weltweiten geographischen Bezeichnungen, Textdateien als Datenbankdump erhältlich|
|Zugriff |http://www.geonames.org/ |
|Stand |Mai 2015 |
===== Unfrei =====
==== DeReWo Wortformenliste ====
|Urheber |IDS Mannheim |
|Rechte |Creative Commons BY-NC 3.0 |
|Wortformen |100.000 |
|Sortierkriterium|Häufigkeitsklassen |
|Rechtschreibung |gut; abgeleitet aus dem [[http://www.ids-mannheim.de/kl/projekte/korpora/|Deutschen Referenzkorpus]]|
|Bemerkung |siehe [[#MannheimerListe|Mannheimer Liste]] |
|Zugriff |[[http://www.ids-mannheim.de/kl/projekte/methoden/derewo.html|DeReWo]] |
|Stand |August 2011 |
==== DGT-TM (Mehrsprachiger, paralleler Korpus zum EU-Recht) ====
|Urheber |Europäische Kommission - Generaldirektion Übersetzung |
|Rechte |freizügig, nicht OSI kompatibel |
|Wortformen|deutsch: 8.000.000 |
|Bemerkung |mehrsprachiger Übersetzungsspeicher zum EU-Recht; enthält etwa 1 Million Sätze und ihre Übersetzungen in 24 Sprachen; angekündigt am 18. 9. 2014 auf der [[http://mailman.uib.no/public/corpora/2014-September/021153.html|Corpora-Mailing-Liste]]|
|Zugriff |[[https://ec.europa.eu/jrc/en/language-technologies/dgt-translation-memory|DGT-Translation Memory]] |
|Stand |18. 9. 2014 |
==== Korpora.org ====
|Urheber |Universität Duisburg-Essen |
|Bemerkung|vier verschiedene Korpora: das Bonner Frühneuhochdeutschkorpus, Daten des Projekts Bereitstellung und Pflege von Immanuel Kants Werken in elektronischer Form, das LIMAS-Korpus, die Hypertext-Ausgabe von Gottlob Freges //Grundgesetze der Arithmetik//|
|Zugriff |http://www.korpora.org/ |
|Stand |August 2011 |
==== Microsoft Web N-Gram Service ====
|Urheber|Microsoft |
|Zugriff|http://web-ngram.research.microsoft.com/info/|
|Stand |September 2011 |
===== Kommerziell =====
==== Deutsches Wörterbuch als Text-Datei ====
|Urheber |Reiner Keul EDV-Dienstleistungen|
|Rechte |kommerziell (ca. 20 Euro) |
|Wortformen |600.000 |
|Sortierkriterium|alphabetisch |
|Zugriff |http://www.debuggen.com/ |
|Stand |September 2012 |
==== Named Entity Recognition (NER) ====
|Rechte |kommerziell (günstig) |
|Bemerkung|enthält Orts- und Personennamen aus der //Frankfurter Rundschau//|
|Zugriff |http://www.cnts.ua.ac.be/conll2003/ner/ |
|Stand |August 2011 |
==== beliebteste Vornamen ====
|Urheber |Gesellschaft für deutsche Sprache |
|Rechte |kommerziell (günstig) |
|Bemerkung|Liste von jeweils 200 Mädchen- und Jungennamen, die jährlich in Deutschland am häufigsten vergeben wurden (seit 2004)|
|Zugriff |http://www.gfds.de/vornamen/beliebteste-vornamen/ |
|Stand |August 2011 |
===== Ungeklärte Nutzungsrechte =====
==== Berliner Liste ====
|Urheber |Kernkorpus des Projekts [[http://www.dwdscorpus.de/|Digitales Wörterbuch der Deutschen Sprache]] (DWDS)|
|Wortformen|2.000.000 |
|Bemerkung |repräsentativer Wortschatz der deutschen Sprache |
|Stand |Juni 2009 |
==== German Political Speeches Corpus ====
|Urheber |Adrien Barbaresi |
|Rechte |Fragwürdig. Angeblich gemeinfrei nach § 48 UrhG. Das UrhG bezieht sich jedoch nur auf den Wortlaut von Reden, nicht auf deren Digitalisate (Vorlagen). Für diese besteht weiterhin Urheberrechtschutz. E-Mail-Kontakt besteht.|
|Bemerkung|enthält Reden deutscher Bundenpräsidenten und Bundeskanzler (Kopien aus dem Web-Angebot des Bundespräsidialamtes) |
|Zugriff |http://purl.org/corpus/german-speeches (Weiterleitung auf http://perso.ens-lyon.fr/adrien.barbaresi/corpora/index.html) |
|Stand |August 2011