r0ller / hi-hunmorph-foma Goto Github PK

Ezért saját gyűjtésű korpuszból vett listát használok. A korpuszból vett szógyűjtemény a noun/enhuossz3.lexc fájlban
található meg. A szógyűjtemény nem szabályos szavait ezután kézzel átraktam a megfelelő .lexc fájlokba. A tesztelést és
a szógyűjtemény javítását ezután magával a szógyűjteménnyel, a Szeged korpusz szókészletével majd a Szószablya projekt
szókészletének felhasználásával végeztem. Minden esetben a Hunspellt használtam szűrőként

A Nyelvtudományi Kutatóközpont Lexikai tudásreprezentáció kutatócsoport vezetőjeként szeretnék érdeklődni: Megtudhatnánk, hogy ez a saját gyűjtésű korpusz mekkora volt és milyen alkorpuszokból állt össze? Szeretnénk használni a szótárt, de ezeket az alapinformációkat jó lenne tudni. Köszönettel: Simon László

Pl.: aliznak, zolinak, dodinak, stb.

Ugyanakkor helyesnek veszi: aliznek, zolinek, dodinek, stb.

(A keresztnevek kisbetűvel írva konstansokká válnak.)

A főnévi, melléknévi, számnévi vagy határozószói kérdő névmások egyszerűen pl. főnévként, melléknévként, stb. szerepelnek.

Elég sok minden van benne ahhoz képest, hogy Adv címkézésre van csak felkészítve. Pl.: mozaikszavak (MÁV, stb.), római számok, külföldi személy- (Fourier) és helységnevek (Glasgow), stb. Át kell fésülni és kiszervezni, ami nem oda való.