Браунський корпус української мови

Завдання

Створити відкритий, збалансований за жанрами та в майбутньому проанотований корпус сучасної української мови (БрУК) обсягом 1 млн слововживань. Корпус побудований на засадах, що були покладені в основу відомого корпусу англійської мови Brown.

Структура репозиторію

• misc - допоміжні файли
• data - фрагменти текстів, зібрані для корпусу
  • good - перевірені фрагменти, написані літературною українською мовою
  • so-so - перевірені фрагменти, що містять помилки
  • bad - перевірені фрагменти, що зовсім не відповідають вимогам (наприклад, усне мовлення)
  • unprocessed - фрагменти, що чекають на перевірку
• doc - документація: вимоги до фрагментів та рішення щодо мовних питань
• scripts - допоміжні скрипти: обчислення статистики та список доданих творів

Команда

• Василь Старко
• Андрій Рисін
• Ольга Гавура
• Наталія Чейлитко
• Мар’яна Романишин
• Настасія Осідач
• Катерина Альошкіна
• Катерина Бобровник
• Христина Кулак
• Оксана Кунікевич
• Тетяна Матвєєва
• Ірина Возна
• Ян Бутельський

Ліцензія

Дані корпусу доступні для використання згідно з умовами ліцензії "Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License" (http://creativecommons.org/licenses/by-nc-sa/4.0/)

Інші проекти

• ВЕСУМ - Великий електронний словник української мови
• LanguageTool - вільний програмний засіб для перевірки граматики та стилю для української мови
• lang-uk - проект, метою якого є покращення комп'ютерної обробки україномовних текстів