Korpusi ar birku morfoloģija (31)

LVK2022

Līdzsvarotais mūsdienu latviešu valodas tekstu korpuss

2019–2022, 101 milj. vārdlietojumu (123 milj. tekstvienību)
Izstrādātāji: LU MII

LaVA

Latviešu valodas apguvēju korpuss

2018–2021, 192 000 vārdlietojumu (241 000 tekstvienību)
Izstrādātāji: LU MII

LVTB

Latviešu valodas sintaktiski marķētais korpuss

2010–2023, 18 295 teikumi (310 000 tekstvienību) (v2.13)
Izstrādātāji: LU MII

BalsuTalka

Balsutalka.lv runas korpuss (Common Voice 16.1)

2024, 246 stundas (1,5 milj. tekstvienību)
Izstrādātāji: LU MII, LU LFMI, LATA

BolsuTolka

Bolsutolka.lv runas korpuss (Common Voice 16.1)

2024, 15 stundu (85 000 tekstvienību)
Izstrādātāji: RTA, LU MII, LU LFMI, LATA

Cīņa

"Cīņa" (1904–1991)

2024, 185 milj. vārdlietojumu (231 milj. tekstvienību)
Izstrādātāji: LNB

Disertācijas

Promocijas darbu korpuss

2022, 16,7 milj. vārdlietojumu (23,4 milj. tekstvienību)
Izstrādātāji: LU MII

Emuāri

Latviešu valodas emuāru korpuss

2014–2015, 6,6 milj. vārdlietojumu (8 milj. tekstvienību)
Izstrādātāji: LU MII

FullStack-LV

Daudzslāņu valodas resursu kopa

2017–2019, 13 691 teikums
Izstrādātāji: LU MII

Jaunatne

"Padomju Jaunatne" (1944–1989)

2024, 138 milj. vārdlietojumu (176 milj. tekstvienību)
Izstrādātāji: LNB

Karogs

"Karogs" 1940–1995

2022, 48,7 milj. vārdu (62,1 milj. tekstvienību)
Izstrādātāji: LNB

LAMBA

Morfoloģiski marķēts longitudināls bērnu runas korpuss

2015–2017, 34 stundas
Izstrādātāji: LU MII

LatSenRom

Latviešu senākie romāni

2019–2022, 3.7 milj. vārdlietojumu (4,7 milj. tekstvienību)
Izstrādātāji: LNB, LU LFMI

LAvīzes

"Latviešu Avīzes"

2022, 35,7 milj. vārlietojumu (46 milj. tekstvienību)
Izstrādātāji: LNB

Likumi

Latvijas Republikas tiesību aktu korpuss

2022, 73,9 milj. vārdlietojumu (116,2 milj. tekstvienību)
Izstrādātāji: LU MII

LitMāksla

"Literatūra un Māksla"

2022, 52,7 milj. vārdu (65,8 milj. tekstvienību)
Izstrādātāji: LNB

LRK2013

Latviešu valodas runas atpazīšanas korpuss

2013, 100 stundas (1,1 milj. tekstvienību)
Izstrādātāji: LU MII, Tilde, LETA

LVK2018

Līdzsvarotais mūsdienu latviešu valodas tekstu korpuss

2016–2018, 10 milj. vārdlietojumu (12 milj. tekstvienību)
Izstrādātāji: LU MII

LVMED

Radioloģisko izmeklējumu transkripciju korpuss

2022, 35 stundas (157 000 tekstvienību)
Izstrādātāji: LU MII, RAKUS

PanDi

Pandēmijas dienasgrāmatas

2020–2022, 565 000 vārdlietojumu (709 000 tekstvienību)
Izstrādātāji: LU LFMI

Pārspriedumi

Skolēnu pārspriedumu korpuss

2018–2021, 185 000 vārdlietojumu (226 000 tekstvienību)
Izstrādātāji: LU MII, LiepU, RTA

Rainis

Raiņa darbu korpuss

2018, 1,6 milj. vārdlietojumu (2,3 milj. tekstvienību)
Izstrādātāji: LU MII

Saeima

LR 5.–13. Saeimas sēžu stenogrammu korpuss

2013–2019, 20 milj. vārdlietojumu (24 milj. tekstvienību)
Izstrādātāji: LU MII, RSU

Subtitri

Latvijas sabiedrisko mediju subtitru korpuss

2020–2022, 1200 stundu (10,8 milj. tekstvienību)
Izstrādātāji: LU MII

Tīmeklis2007

Latviešu valodas tīmekļa korpuss

2006–2007, 99 milj. vārdlietojumu (123 milj. tekstvienību)
Izstrādātāji: LU MII

Tīmeklis2020

Latviešu valodas tīmekļa korpuss

2020–2022, 403,6 milj. vārdlietojumu (492,6 milj. tekstvienību)
Izstrādātāji: LU MII

UDLV-LVTB

Latviešu valodas universālo atkarību korpuss

2015–2023, 18 295 teikumi (310 000 tekstvienību) (v2.13)
Izstrādātāji: LU MII

Vikipēdija

Vikipēdijas korpuss

2022, 17,9 milj. vārdlietojumu (27,7 milj. tekstvienību)
Izstrādātāji: LU MII

VVPP

Valsts valodas prasmes pārbaudes darbu korpuss

2017–2018, 150 000 tekstvienību
Izstrādātāji: LU MII

Ziņas

Latvijas ziņu portālu raksti

2022, 357,2 milj. vārdlietojumu (513,5 milj. tekstvienību)
Izstrādātāji: LU MII

ĪsprozaS

Sieviešu īsproza

2020–2022, 925 000 vārdlietojumu (1,2 milj. tekstvienību)
Izstrādātāji: LU LFMI
B. Saulīte, R. Darģis, N. Grūzītis, I. Auziņa, K. Levāne-Petrova, L. Pretkalniņa, L. Rituma, P. Paikens, A. Znotiņš, L. Strankale, K. Pokratniece, I. Poikāns, G. Bārzdiņš, I. Skadiņa, A. Baklāne, V. Saulespurēns, J. Ziediņš.
Latvian National Corpora Collection – Korpuss.lv
Proceedings of the 13th Language Resources and Evaluation Conference (LREC), 2022, pp. 5123–5129
PDF   BibTeX