Zavod za lingvistiku
Filozofski fakultet
Sveučilište u Zagrebu

Hrvatski
nacionalni
korpus

USTANOVE/UDRUGE

PROJEKTI

KORPUSI

RJEČNICI

ALATI

GOVOR

SKUPOVI/KONGRESI

POJMOVNIK

OSTALO

Hrvatski korpusi

• Hrvatski nacionalni korpus, Zagreb (najveći hrvatski korpus)
• Hrvatsko-engleski paralelni korpus, Zagreb
• Hrvatsko-slovenski paralelni korpus, Zagreb-Ljubljana
• Jednomilijunski korpus Hrvatskoga književnoga jezika (autor M. Moguš, Zavod za lingvistiku Filozofskoga fakulteta Sveučilišta u Zagrebu)
• Korpus tekstova Starih pisaca hrvatskih (Zavod za lingvistiku Filozofskoga fakulteta Sveučilišta u Zagrebu)
• Korpus tekstova udžbenika za osnovne i srednje škole u Republici Hrvatskoj (Odsjek za informacijske znanosti Filozofskoga fakulteta Sveučilišta u Zagrebu)
• Intratext zbirka vjerskih tekstova na hrvatskome
• Hrvatska biskupska konferencija - Stari zavjet i Novi zavjet
• Hrvatska jezična mrežna riznica (Institut za hrvatski jezik i jezikoslovlje)
• Silvije Strahimir Kranjčević (opsežna on-line zbirka)
• Hrvatski korpus djecjega jezika (Svjetska banka djecjega jezika CHILDES)
• Kur'an

WWW kao korpus

• WebConc - Matthias Hüning
• WebCorp

Dostupni korpusi drugih jezika

Bosanski

• Korpus bosanskih tekstova, Oslo

Bugarski

• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike
• Bugarski govorni korpus

Češki

• Češki nacionalni korpus, Prag (najveći češki korpus)
• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike
• CzEng (češko-engleski paralelni korpus)

Danski

• Runeberg projekt, Linköpping (skandinavski klasici)
• European Parliament Proceedings Parallel Corpus

Engleski

• Britanski nacionalni korpus, Oxford (prvi nacionalni korpus nekoga jezika, 100 Mw);
  Alternative search - VIEW: Variation in English Words and Phrases
• Bank of English, Birmingham (najveći korpus engleskoga jezika, preko 400 Mw)
• Američki nacionalni korpus
• Brown korpus i Brown korpus (prvi milijunski korpus nekoga jezika, američki engleski)
• LOB korpus (Lancaster-Oslo/Bergen korpus, britanska kopija Brown korpusa)
• TEC korpus (engleski prijevodni korpus)
• ICAME (International Corpus Archive of Modern & Mediaeval English), Bergen
• Oxford Text Archive (Oxfordski arhiv digitalnih tekstova, ne samo na engleskom)
• Hrvatsko-engleski paralelni korpus, Zagreb
• Englesko-norveški paralelni korpus, Oslo
• Slovensko-engleski paralelni korpus, Ljubljana (sastavljen u okviru ELAN projekta)
• Corpus of Spoken, Professional American English
• The York-Helsinki Parsed Corpus of Old English Poetry
• The Brooklyn-Geneva-Amsterdam-Helsinki Parsed Corpus of Old English
• Evrokorpus (korpus prijevoda zakonodavstva Europske unije)
• SVEZ-IJS ACQUIS (slovensko-engleski paralelni korpus)
• SCRIBE (Spoken Corpus of British English)
• European Parliament Proceedings Parallel Corpus
• Scottish Corpus of Text and Speech
• Croco (njemačko-engleski paralelni korpus)
• CzEng (češko-engleski paralelni korpus)

Estonski

• Korpus estonskih pisanih tekstova, Tartu
• Estonski pravni tekstovi
• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike

Etiopski jezici

• Thesaurus Linguae Aethiopicae, Mainz

Finski

• European Parliament Proceedings Parallel Corpus

Francuski

• Francuska književnost (romani)
• Korpus starofrancuskih tekstova, Chicago
• Athena (francuski tekstovi)
• Elicop (Etude linguistique de la communication parlée)
• Rabelais et son temps
• TactWeb (on-line pretraga novinskih tekstova)
• European Parliament Proceedings Parallel Corpus

Galski jezici

• Korpus manskih tekstova

Grčki

• European Parliament Proceedings Parallel Corpus

Hebrejski

• Spoken Corpus of Israeli Hebrew

Indijski jezici

• GRETIL - Arhiva elektronskih tekstova na indijskim jezicima Sveučilišta u Göttingenu
• Tekstualni arhiv Sveučilišta u Zürichu
• Sanskrit Documents
• Gita Supersite
• TITUS - Thesaurus Indogermanischer Text- und Sprachmaterialien

Litavski

• Lietuovos Rytas (dnevne novine na litavskom)
• Kauno Diena (dnevne novine na litavskom)

Lužičkosrpski

• Korpus lužičkosrpskoga

Mađarski

• Mađarski nacionalni korpus
• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike

Malajski

• Klasični malajski tekstovi

Norveški

• Korpus norveških bokmaal tekstova, Oslo (označen korpus)
• Runeberg projekt, Linköpping (skandinavski klasici)
• Englesko-norveški paralelni korpus, Oslo

Nizozemski

• European Parliament Proceedings Parallel Corpus

Njemački

• Institut für Deutsche Sprache, Mannheim (najznatnija zbirka njemačkih korpusa)
• Negra korpus (označen korpus njemačkih novina), Saarbrücken
• Dnevne novosti na njemačkome, Ulm
• Cosmas (1.083 milijuna pojavnica)
• DWDS korpus
• European Parliament Proceedings Parallel Corpus
• Croco (njemačko-engleski paralelni korpus)

Poljski

• PELCRA (Polish and English Language Corpora for Resarch and Applications)
• IPI PAN (korpus poljskoga jezika)

Portugalski

• Projecto Vercial (baza portugalske književnosti)
• European Parliament Proceedings Parallel Corpus
• O corpus do portugues

Rumunjski

• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike

Ruski

• Ruska književnost
• Biblioteka Maksima Moškova
• Ruski tekst
• Ruski klasici
• Divančik (web knjižnica)
• Ruski nacionalni korpus
• Nacionalni korpus standardnoga pisanog ruskog jezika

Slovački

• Slovački nacionalni korpus

Slovenski

• FIDA korpus slovenskoga jezika, Ljubljana
• CORTES, korpus slovenskih tekstova, Ljubljana
• Slovensko-engleski paralelni korpus, Ljubljana (sastavljen u okviru ELAN projekta)
• Slovensko-hrvatski paralelni korpus, Zagreb-Ljubljana
• MULTEXT-East: višejezični korpusi i alati za srednjo- i istočnoeuropske jezike
• Zbirka slovenskih leposlovnih besedil
• Evrokorpus (korpus prijevoda zakonodavstva Europske unije)
• SVEZ-IJS ACQUIS (slovensko-engleski paralelni korpus)

Srpski

• Projekat Rastko (srpska književnost)
• Resursi srpskog jezika

Španjolski

• ARTHUS, arhiv hispanskih tekstova
• Maria, longitudinalni korpus usvajanja jezika (Maria, 1988-1990.)
• Meksičke dnevne novine
• Corpus del Espanol
• TactWeb (on-line pretraga novinskih tekstova)
• European Parliament Proceedings Parallel Corpus
• Corpus del Espanol

Švedski

• Banka švedskoga jezika, Göteborg
• Paralelni korpusi s PLUG projekta, Uppsala
• European Parliament Proceedings Parallel Corpus

Talijanski

• Institut za računalno jezikoslovlje, Pisa
• CILTA korpus pisanog talijanskog, Bologna
• Dnevne novine na talijanskome (sardski)
• TactWeb (on-line pretraga novinskih tekstova)
• European Parliament Proceedings Parallel Corpus

Turski

• Contemporary Turkish Literature - suvremena turska književnost

Ostali korpusi

• 22-jezični korpus telefonskih razgovora
• Alfanumerički telefonski korpus

Drugi popisi korpusa

• Colibri korpusna stranica
• Arhiva popisa korpusa u Hypermailu
• ELRA katalog pisanih resursa
• Korpusna stranica Michaela Barlowa
• Korpusna stranica W3C-a
• Jezični resursi pri SIL-u
• TRACTOR TELRI resursi
• LTG (Language Technology Group), Edinburgh
• Paralelni korpusi, Bergen
• Intratext digitalna knjižnica
• The Polyglot Bible (Evanđelje po Luki na 30 jezika)
• Corpora and Corpus-Based Computational Linguistics
• CHILDES (Child Language Data Exchange System)
• Multilingual Corpora: Available Resources
• WordBanks