Corpus_aligned_sentences_zh-tkn-pt

O "Corpus_aligned_sentences_zh-tkn-pt" (arquivos .xlsx) é um corpus paralelo alinhado que combina frases em chinês tokenizado e português, estruturado em planilhas Excel com duas colunas contendo as frases correspondentes entre os dois idiomas. A tokenização do chinês é necessária porque essa língua não utiliza espaços para separar palavras, exigindo segmentação computacional para que ferramentas como o AntPConc identifiquem adequadamente as unidades lexicais. A partir deste corpus são gerados os arquivos Corpus_leis_zh-tkn.txt e Corpus_leis_pt.txt para uso no AntPConc.