Magyar nyelvű neurális modelleken alapuló megoldások

PULI, az első teljesen magyar nyelvű GPT-3

<div rehype-wrapper="true"><span></span><p>A <strong>Magyar Nemzeti Szövegtár (MNSZ)</strong> munkálatai 1998 elején kezdődtek el a Magyar Tudományos Akadémia Nyelvtudományi Intézetének Korpusznyelvészeti Osztályán <em>Váradi Tamás</em> vezetésével. A cél egy 100 millió szavas szövegkorpusz létrehozása volt, amely lehetőségeihez mérten reprezentatívan tartalmazza a mai magyar nyelv jellegzetes megnyilvánulásait. A munkálatok 2002-től a <em>Kárpát-medencei Magyar Nyelvi Korpusz</em> projekt keretében kiegészültek a teljes Kárpát-medence magyar nyelvhasználatára kiterjedő gyűjtéssel. Itt a cél egy 15 millió szavas határon túli korpusz létrehozása volt. <strong>2005 novemberében</strong> mutatkozott be a szlovákiai, kárpátaljai, erdélyi és vajdasági nyelvváltozatokkal kiegészült, valóban nemzetivé váló <strong>Magyar Nemzeti Szövegtár</strong>. A Nyelvi Irodák és a Korpusznyelvészeti Osztály <a href="http://corpus.nytud.hu/mnsz/keszitette_hun.html">együttműködésének</a> köszönhetően az első olyan magyar nyelvi korpusz jött létre, amely a magyarországiak mellett a határon túli magyar nyelvváltozatokat is felöleli.</p></div>

Magyar Nemzeti Szövegtár

Magyar történeti szövegtár (A magyar nyelv nagyszótárának korpusza)

Uralonet

A magyar nyelv nagyszótára

Budapesti Szociolingvisztikai Adatbázis (BUSZI)

Csángó korpusz

E-Szókincs

Mazsola – a magyar igei bővítményszerkezet vizsgálata

Moldvai magyar nyelvjárási szövegek Tánczos Vilmos gyűjtéséből

Ó- és középmagyar történeti magánéleti korpusz

Ómagyar korpusz

Orwell 1984: angol ‒ magyar párhuzamos korpusz

Új magyar etimológiai szótár

Uralic Languages under the Influence adatbázis (UraLUID)

Párhuzamos Bibliaolvasó

Szovjet táborok magyar foglyainak adatbázisa

Nemzeti korpuszportál

Databases and corpora