vispārīgs (7) apguvēju (2) literārs (5) parlamentārs (1) diahronisks (2) specializēts (12) periodika (3) latgaliešu (2) reprezentatīvs (8) paralēls (1) teksta (29) runas (6) morfoloģija (28) sintakse (3) semantika (1) kļūdas (2) manuāli pārbaudīts (4) tīmekļa (2)

Korpusi ar birku morfoloģija (28)

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, 17 127 teikumi (289 791 tekstvienība) (v2.12)
Izstrādātāji: LU MII

BalsuTalka

Balsutalka.lv runas korpuss (Common Voice 14.0)

2023, 136 stundas (817 000 tekstvienību)
Izstrādātāji: LU MII, LU LFMI, LATA

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

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, 17 127 teikumi (289 791 tekstvienība) (v2.12)
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