Sprachkorpora

CLARIN ist ein europäischer Forschungsverbund, der Sprachdaten archiviert sowie Werkzeuge zu deren Verarbeitung in der geistes- und sozialwissenschaftlichen Forschung entwickelt und bereitstellt.

CLARIN

Sprachdaten, die im Rahmen von CLARIN entstanden sind, können über die einzelnen Repositorien der am Forschungsverbund beteiligten Institutionen / Zentren recherchiert werden. Osteuropaforschenden stehen folgende Repositorien zur Verfügung:

Center of Estonian Language Resources (CELR) 

CLARIN.SI

Corpora Collection Leipzig 

LINDAT/CLARIAH-CZ

Die CLARIN-Sprachdaten der am Verbund beteiligten Institutionen / Zentren können über einen gemeinsamen Katalog, das Virtual Language Observatory, recherchiert werden.

CLARIN Virtual Language Observatory

CLARIN Resource Families bietet einen Überblick zu Sprachressourcen der einzelnen CLARIN-Infrastrukturen nach den Kategorien Korpora, lexikalrische Ressourcen sowie Tools.

CLARIN Resource Families

Die CLARIN-Institutionen / Zentren bieten eine Vielzahl von Anwendungen zu Erforschung, Auswertung, Annotation und Analyse von Sprachdaten. 

CLARIN Tools

Das Language Resource Switchboard unterstützt Forschende bei der Suche nach einem passenden Tool zur Verarbeitung von Daten. 

Language Resource Switchboard

Der Fachinformationsdienst Linguistik vermittelt mit Unterstützung der Deutschen Forschungsgemeinschaft (DFG) einzelne Korpus-Lizenzen an Forscher*innen innerhalb Deutschlands. Angeboten werden u.a. Korpora zu den folgenden Sprachen: Bulgarisch, Tschechisch, Estnisch, Finnisch, Griechisch, Kroatisch, Lettisch, Litauisch, Polnisch, Rumänisch, Slowakisch, Slowenisch, Ungarisch. 

Korpus-Lizenzen

Liste der verfügbaren Korpora 

Text+ ist ein Konsortium der bundesweiten Initiative zum Aufbau einer nationalen Forschungsdateninfrastruktur (NFDI). Seine Aufgabe liegt darin, text- und sprachbasierte Forschungsdaten langfristig zu sichern und ihre breite Nutzung in der Wissenschaft zu ermöglichen.

Text+

Korpusi Nacional i Gjuhës Shqipe (Albanian National Corpus)

CLARIN Estonia (Eesti Keeleressursside Keskus / Center of Estonian Language Resources) 

Eesti keele spontaanse kõne foneetiline korpus (Phonetic Corpus of Estonian Spontaneous Speech)

Murdekorpus – Eesti murrete korpus (Korpus der estnischen Dialekte)

Vana kirjakeele korpus (Korpus der alten Schriftsprache)

Weitere Korpora 

clarin:el

Corpus of Modern Greek 

Corpus of Spoken Greek

Hellenic National Corpus of Greek Language (HNC)

Macedonia (Zeitungskorpus)

Ta Nea (Zeitungskorpus)

CLARIN-LV 

Nacionālā korpusu kolekcija (NKK) (Latvian National Corpora Collection) 

CLARIN-LT 

Skaitmeninių išteklių ir tarpdisciplininių tyrimų institutas (SITTI) (Institute of Digital Resources and Interdisciplinary Research)

Eine Auflistung von rumänischen Korpora und Datenbanken bietet der Fachinformationsdienst Romanistik.

Rumänische Korpora und Datenbanken

HunCLARIN 

Magyar Nemzeti Helynévtár (Ungarische Nationale Ortsnamensammlung)

Nemzeti Korpuszportál (Nationales Korpusportal)

Történeti magánéleti korpusz (Historischer Korpus des Privatlebens)

Történeti magyar családnévatlasz (Historischer ungarischer Familiennamenatlas)

Das vom Fachinformationsdienst Finnisch-ugrische / uralische Sprachen, Literaturen und Kulturen kuratierte Verzeichnis enthält Sprachkorpora einzelner uralischer Sprachen vertreten u.a. in Sibirien oder im Wolga-Kama-Gebiet und in den angrenzenden Regionen.

Uralische Sprachen

Das vom Lehrstuhl für slavische Sprachenwissenschaft der Universität Tübingen (Prof. Dr. Tilman Berger) kuratierte Verzeichnis enthält Korpora zu ost-, west- und südslavischen Sprachen.

Slavische Korpora 

Der Fachinformationsführer für Slavistik (Slavistik-Guide) des FID Slawistik verzeichnet knapp 70 nationale Sprach-und Textkorpora zu slavischen Sprachen.

Slavistik-Guide