Sveicināti!

Latviešu valodas sintaktiski marķētais korpuss (LVTB) tiek viedots no 2010. gada. Korpuss marķēts manuāli, teikumu struktūras modelējot atbilstoši SemTi-Kamola hibrīdajam gramatikas modelim. Korpusu plānots publicēt divos veidos – oriģinālo marķējumu un automātiski veidotu atvasinājumu Universal Dependencies (UD) formātā – atbilstoši UD laidienu grafikam.

Welcome!

Latvian Treebank (LVTB) is in development since 2010. Corpus is annotated manually according to SemTi-Kamols hybrid dependency-constituency grammar model. We plan to release corpuss in two formalisms – both in original SemTi-Kamols-annotated data and automatically derived Universal Dependency (UD) annotations. We plan to do releases twice a year according to UD version schedule.

Jaunākā versija / Newest data – LVTB&UD v2.3

Vaicājami dati / Data to query:

• SemTi-Kamols (10172 teikumi)
• UD (9920 teikumi)

Marķējuma apraksts / Annotation documentation:

• Virsotnes raksturojošie lauki, atkarību lomas, frāžu tipi / Node properties, dependency roles, phrase types – LV&EN
• Morfoloģiskie tagi / morphological tags – LV&EN
• Frāžu tagi / phrase-style constructions' tags – LV&EN
• Sintaktiskās marķēšanas vadlīnijas / Syntactic annotation guidelines – LV

Vaicājumu valodas PML-TQ apraksts / Querry language documentation: EN (ÚFAL)

Iepriekšējās versijas pieejamas šeit. / Version history is available here.

Atbalsts/Acknowledgements

• European Regional Development Fund grant agreement No. 1.1.1.1/16/A/219 (Full Stack of Language Resources for Natural Language Understanding and Generation in Latvian).
• VPP "Nacionālā identitāte" Nr. 3.