MATAS corpus (version 3.0)

RENGĖJAI
Erika Rimkutė, Agnė Bielinskienė, Loic Boizou, Virginijus Dadurkevičius, Jolanta Kovalevskaitė, Andrius Utka

APRAŠYMAS
Atnaujintas, rankiniu būdu patikrintas, morfologiškai anotuotas tekstynas MATAS

KALBA
Lietuvių

ANKSTESNĖS VERSIJOS
1. MATAS v0.2 (http://hdl.handle.net/20.500.11821/9)
2. MATAS v1.0 (http://hdl.handle.net/20.500.11821/33)

FORMATAI, STANDARTAI
1. CoNLL-U (https://universaldependencies.org/format.html);
2. JABLONSKIS tagset v2 (https://sitti.vdu.lt/jablonskis-en/);
3. MULTEXT-East tagset (http://nl.ijs.si/ME/V4/msd/html/index.html)
4. UTF-8

APIMTIS
Tokenai (įsk. skyrybos ženklus): 2,137,287
Žodžiai: 1,694,819
Sakiniai: 144,047
Dokumentai: 1,234

ŽANRAI
Žanrai	Failai	Tokenai	%
dokumentai (dok)	74	289697	13.6
grožinė lit. (gro)	33	428929	20.1
mokslinė lit. (mok)	75	517092	24.2
publicistika (pub)	1047	757201	35.4
stenogramos (ste)	5	144368	6.8

POS COUNTS
daiktavardžiai (N)	637306
veiksmažodžiai (V)	338659
būdvardžiai (A)	122411
įvardžiai (P)	147579
skaitvardžiai (M)	62425
prieveiksmiai (R)	105235
prielinksniai (S)	77431
jungtukai (C)	129492
dalelytės (Q)	36523
jaustukai (I)	3015
ištiktukai (O)	209
trumpiniai (Y)	28023
kiti (X)	6511
skyrybos ženklai (T)	442468

LEIDĖJAS
Skaitmeninių išteklių ir tarpdisciplininių tyrimų institutas (SITTI), Vytauto Didžiojo universitetas