Wanca 2016, Korp Version
收藏资源简介：
The Korp version of Wanca 2016 is a collection of web corpora in small Uralic languages. The collection is composed of 29 sentence corpora in different languages. The corpora have been collected from the Internet using the automated system developed in the Finno-Ugric Languages and the Internet project (SUKI) supported by the Kone foundation from their Language Programme 2012-2016. The sentences have been extracted from the pages found while harvesting with Heritrix and the language of each sentence has been identified with MultiLi using HeLI as the identification method. Each sentence has a link to the original page it was found in, but it is possible that some of the links stop working. In that case we recommend searching for the page in the Internet Archive Wayback machine https://archive.org/web/. The languages in the Korp version of Wanca 2016 are: ISO 639-3 Name of language fit Tornedalen Finnish (meänkieli) fkv Kven (kvääni) izh Ingrian (ižoran keel) kca Khanty (ханты ясанг) koi Komi-Permyak (перем коми кыв) kpv Komi-Zyrian (Коми кыв) krl Karelian (karjal) liv Liv (līvõ kēļ) lud Ludian (lüüdin kiel') mdf Moksha (мокшень) mhr Eastern and Meadow Mari (марий йылме) mns Mansi (мāньси лāтыӈ) mrj Western or Hill Mari (Кырык мары) myv Erzya (эрзянь) nio Nganasan (ня”) olo Livvi (Olonets / livvin karjal) sjd Kildin Sami (Кӣллт са̄мь кӣлл) sjk Kemi Sami (samääškiela) sju Ume Sami (uumajanlappi) sma Southern Sami (åarjel-saemien) sme Northern Sami (davvisámi, davvisámegiella) smj Lule Sami (julevsábme) smn Inari Sami (anarâškielâ) sms Skolt Sami (sää´mǩiõll) udm Udmurt (удмурт кыл) vep Veps (vepsän kel') vot Votic (vad̕d̕a ceeli) vro Võro (võro kiil) yrk Nenets (ненэцяʼ вада)
Wanca 2016的Korp版本是一套面向小型乌拉尔语系语言的网页语料库合集。 该合集包含29个对应不同语言的句子级语料库。 本语料库依托由科内基金会（Kone Foundation）在其2012-2016年度语言规划中资助的芬兰-乌戈尔语系与互联网项目（SUKI）所开发的自动化系统，从互联网采集获取。 所有语料句子均从使用Heritrix爬虫爬取得到的网页中提取，且每一句的语言均以HeLI作为识别方法，通过MultiLi完成语言鉴定。 每条语料句子均附带其来源原始网页的链接，但部分链接可能已失效。 若遇到链接失效的情况，建议通过互联网档案馆（Internet Archive）的Wayback Machine（https://archive.org/web/）检索对应页面。 该合集涵盖以下按ISO 639-3标准标注的语言： fkv 托尔讷河谷芬兰语（meänkieli） fkv 克温语（kvääni） izh 英格里亚语（ižoran keel） kca 汉特语（ханты ясанг） koi 科米-彼尔米亚克语（перем коми кыв） kpv 科米-济良语（Коми кыв） krl 卡累利阿语（karjal） liv 利夫语（līvõ kēļ） lud 卢迪安语（lüüdin kiel'） mdf 莫克沙语（мокшень） mhr 东马里语与草甸马里语（марий йылме） mns 曼西语（мāньси лāтыӈ） mrj 西部马里语或山地马里语（Кырык мары） myv 埃尔齐亚语（эрзянь） nio 恩加纳桑语（ня”） olo 利维语（奥洛涅茨语 / livvin karjal） sjd 基尔丁萨米语（Кӣллт са̄мь кӣлл） sjk 凯米萨米语（samääškiela） sju 于默萨米语（uumajanlappi） sma 南萨米语（åarjel-saemien） sme 北萨米语（davvisámi, davvisámegiella） smj 卢勒萨米语（julevsábme） smn 伊纳里萨米语（anarâškielâ） sms 斯科尔特萨米语（sää´mǩiõll） udm 乌德穆尔特语（удмурт кыл） vep 维普斯语（vepsän kel'） vot 沃提克语（vad̕d̕a ceeli） vro 沃罗语（võro kiil） yrk 涅涅茨语（ненэцяʼ вада）
