Unilex, Corpus Crawler, Romanische Korpora und Rechtschreibkorrektur

[loleg]

Thanks to @brawer for suggesting the following tools and scripts for the hackathon.

Unilex — https://github.com/unicode-org/unilex — Worthäufigkeiten (pro Milliarde Tokens) für ca. 1000 Sprachen, inkl. Rumantsch Grischun, Puter, Surmiran, Sursilvan, Sutsilvan, und Vallader sowie Aargauer-, Bern- und Senslerdeutsch. — Lizenz: Unicode Data License (dieselbe wie alle anderen Daten von Unicode.org).

Corpus Crawler — https://github.com/googlei18n/corpuscrawler — Python-Skript zum Herunterladen von Sprachkorpora als UTF8-kodierten Plaintext, unterstützt ca. 1000 Sprachen; Hauptquelle für die Worthäufigkeiten Unilex — Lizenz: Apache-2.0

Romanische Korpora — https://github.com/ProSvizraRumantscha/corpora — Articles from the Romansh-language newspaper “La Quotidiana” between 1997 and 2008 in various dialects. — Lizenz: CC0-1.0 (Creative Commons Zero, Public Domain)

Rechtschreibkorrektur für Rumantsch Sursilvan — https://github.com/korero/korero-spell/tree/master/rules — Angefangenes Projekt für Rechtschreibkorrektur für Rumantsch Survilvan, mit Hunspell-Regeln — Demo: https://korero.org/input — Lizenz: GPL-3.0