Number of results to display per page
Search Results
52. Plaintext Wikipedia dump 2018
- Creator:
- Rosa, Rudolf
- Publisher:
- Charles University, Faculty of Mathematics and Physics, Institute of Formal and Applied Linguistics (UFAL)
- Type:
- text and corpus
- Subject:
- Wikipedia, text corpora, and monolingual corpus
- Language:
- Abkhazian, Achinese, Adyghe, Afrikaans, Akan, Tosk Albanian, Amharic, Old English (ca. 450-1100), Arabic, Official Aramaic (700-300 BCE), Aragonese, Egyptian Arabic, Assamese, Asturian, Atikamekw, Avaric, Aymara, South Azerbaijani, Azerbaijani, Bashkir, Bambara, Bavarian, Central Bikol, Belarusian, Bengali, Bislama, Banjar, Tibetan, Bosnian, Bishnupriya, Breton, Buginese, Bulgarian, Russia Buriat, Catalan, Min Dong Chinese, Cebuano, Czech, Chamorro, Chechen, Cherokee, Church Slavic, Chuvash, Cheyenne, Central Kurdish, Cornish, Corsican, Cree, Crimean Tatar, Kashubian, Welsh, Danish, German, Dinka, Dimli (individual language), Dhivehi, Lower Sorbian, Dzongkha, Modern Greek (1453-), English, Esperanto, Estonian, Basque, Ewe, Extremaduran, Faroese, Persian, Fijian, Finnish, French, Arpitan, Northern Frisian, Western Frisian, Fulah, Friulian, Gagauz, Gan Chinese, Scottish Gaelic, Irish, Galician, Gilaki, Manx, Goan Konkani, Gothic, Guarani, Gujarati, Hakka Chinese, Haitian, Hausa, Hawaiian, Serbo-Croatian, Hebrew, Herero, Fiji Hindi, Hindi, Hiri Motu, Croatian, Upper Sorbian, Hungarian, Armenian, Igbo, Ido, Inuktitut, Interlingue, Iloko, Interlingua (International Auxiliary Language Association), Indonesian, Inupiaq, Icelandic, Italian, Jamaican Creole English, Javanese, Lojban, Japanese, Kara-Kalpak, Kabyle, Kalaallisut, Kannada, Kashmiri, Georgian, Kanuri, Kazakh, Kabardian, Kabiyè, Khmer, Kikuyu, Kinyarwanda, Kirghiz, Komi-Permyak, Komi, Kongo, Korean, Karachay-Balkar, Kölsch, Kurdish, Ladino, Lao, Latin, Latvian, Lak, Lezghian, Ligurian, Limburgan, Lingala, Lithuanian, Lombard, Northern Luri, Latgalian, Luxembourgish, Ganda, Literary Chinese, Marshallese, Maithili, Malayalam, Marathi, Moksha, Eastern Mari, Minangkabau, Macedonian, Malagasy, Maltese, Mongolian, Maori, Western Mari, Malay (macrolanguage), Creek, Mirandese, Burmese, Erzya, Mazanderani, Min Nan Chinese, Neapolitan, Nauru, Navajo, Ndonga, Low German, Nepali (macrolanguage), Newari, Dutch, Norwegian Nynorsk, Norwegian, Novial, Pedi, Nyanja, Occitan (post 1500), Livvi, Oriya (macrolanguage), Oromo, Ossetian, Pangasinan, Pampanga, Panjabi, Papiamento, Picard, Pennsylvania German, Pfaelzisch, Pitcairn-Norfolk, Pali, Piemontese, Western Panjabi, Pontic, Polish, Portuguese, Pushto, Quechua, Vlax Romani, Romansh, Romanian, Rusyn, Rundi, Macedo-Romanian, Russian, Sango, Yakut, Sanskrit, Sicilian, Scots, Samogitian, Sinhala, Slovak, Slovenian, Northern Sami, Samoan, Shona, Sindhi, Somali, Southern Sotho, Spanish, Albanian, Sardinian, Sranan Tongo, Serbian, Swati, Saterfriesisch, Sundanese, Swahili (macrolanguage), Swedish, Silesian, Tahitian, Tamil, Tatar, Tulu, Telugu, Tama (Colombia), Tetum, Tajik, Tagalog, Thai, Tigrinya, Tonga (Tonga Islands), Tok Pisin, Tswana, Tsonga, Turkmen, Tumbuka, Turkish, Twi, Tuvinian, Udmurt, Uighur, Ukrainian, Urdu, Uzbek, Venetian, Venda, Veps, Vietnamese, Vlaams, Volapük, Võro, Waray (Philippines), Walloon, Wolof, Wu Chinese, Kalmyk, Xhosa, Mingrelian, Yiddish, Yoruba, Yue Chinese, Zeeuws, Zhuang, Chinese, Zulu, and Dotyali
- Description:
- Wikipedia plain text data obtained from Wikipedia dumps with WikiExtractor in February 2018. The data come from all Wikipedias for which dumps could be downloaded at [https://dumps.wikimedia.org/]. This amounts to 297 Wikipedias, usually corresponding to individual languages and identified by their ISO codes. Several special Wikipedias are included, most notably "simple" (Simple English Wikipedia) and "incubator" (tiny hatching Wikipedias in various languages). For a list of all the Wikipedias, see [https://meta.wikimedia.org/wiki/List_of_Wikipedias]. The script which can be used to get new version of the data is included, but note that Wikipedia limits the download speed for downloading a lot of the dumps, so it takes a few days to download all of them (but one or a few can be downloaded fast). Also, the format of the dumps changes time to time, so the script will probably eventually stop working one day. The WikiExtractor tool [http://medialab.di.unipi.it/wiki/Wikipedia_Extractor] used to extract text from the Wikipedia dumps is not mine, I only modified it slightly to produce plaintext outputs [https://github.com/ptakopysk/wikiextractor].
- Rights:
- Attribution-ShareAlike 3.0 Unported (CC BY-SA 3.0), http://creativecommons.org/licenses/by-sa/3.0/, and PUB
53. Právněhistorické studie /
54. Pražská škola v korespondenci :
- Type:
- text, monografie, and edice
- Subject:
- Lingvistika. Jazyky, Pražský lingvistický kroužek, lingvistika, lingvisté, korespondence, edice korespondence, Československo 1918-1992, jazyk, písmo, and dějiny spolků
- Language:
- Czech, French, German, Russian, and Slovak
- Description:
- Převážně přeloženo and Vydáno ve spolupráci s Ústavem pro českou literaturu AV ČR
- Rights:
- unknown
55. Pražská universita Moskevské universitě :
- Type:
- text and sborníky
- Subject:
- Organizace výuky a vzdělávání, vztahy mezinárodní, univerzity, Rusko, dějiny vědy, umění, kultury a techniky, kulturní vztahy, přehledná zpracování dějin českých zemí (chronologicky), přehledná zpracování slovenských dějin (chronologicky), and přehledná zpracování světových dějin (chronologicky)
- Language:
- Czech, Russian, and Slovak
- Description:
- Obsahuje bibliografii a poznámky
- Rights:
- unknown
56. Prolínání slovanských prostředí /
- Type:
- text and sborníky konferenční
- Subject:
- Filologie, slavistika, and české (československé) sborníky a kolektivní monografie
- Language:
- Czech, Belarusian, Croatian, Macedonian, Polish, Russian, Slovak, and Ukrainian
- Description:
- Sborník studií vycházejících z referátů 7. roč. Konference mladých slavistů konané v r. 2011 na FF UK v Praze and Rok konání konference uveden na hřbetu pub.
- Rights:
- unknown
57. Prolínání slovanských prostředí /
- Type:
- text and sborníky konferenční
- Subject:
- Filologie, slavistika, and české (československé) sborníky a kolektivní monografie
- Language:
- Czech, Belarusian, Croatian, Macedonian, Polish, Russian, Slovak, and Ukrainian
- Description:
- Sborník studií vycházejících z referátů 7. roč. Konference mladých slavistů konané v r. 2011 na FF UK v Praze and Rok konání konference uveden na hřbetu pub.
- Rights:
- unknown
58. Ruské imperiální myšlení v historii, literatuře a umění :
- Type:
- text and monografie kolektivní
- Subject:
- Dějiny SSSR a Ruska, imperialismus ruský, myšlení politické, české (československé) sborníky a kolektivní monografie, and Rusko
- Language:
- Czech, Slovak, and Russian
- Rights:
- unknown
59. Ruské imperiální myšlení v historii, literatuře a umění :
- Type:
- text and monografie kolektivní
- Subject:
- Dějiny SSSR a Ruska, imperialismus ruský, myšlení politické, české (československé) sborníky a kolektivní monografie, and Rusko
- Language:
- Czech, Slovak, and Russian
- Rights:
- unknown
60. Rusko [Sovietsky zväz] a Slovensko v priesečníkoch dejín /
- Creator:
- Kováčová, Viera,
- Type:
- text, sborníky konferenční, and monografie kolektivní
- Subject:
- Dějiny zemí východní Evropy, vztahy slovensko-ruské, vztahy československo-sovětské, legionáři českoslovenští, Slovenské národní povstání (1944), zahraniční periodika a sborníky, Československo 1918-1992, zahraniční politika, mezinárodní vztahy, SSSR, and světové dějiny od r. 1918 do současnosti
- Language:
- Slovak, Czech, and Russian
- Description:
- Medzinárodná vedecká konferencia "Rusko (Sovietsky zväz) a Slovensko na križovatkách dejín" v dňoch 27. a 28.8.2014 v Múzeu SNP v Banskej Bystrici.
- Rights:
- unknown