Skip to search
Skip to main content
Skip to first result
Search
Search Results
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
Type:
text and sborníky
Subject:
Právo , dějiny práva , právo , and česká periodika
Language:
Czech , Slovak , Russian , and French
Rights:
unknown
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
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
Creator:
Pecník, Marcel,
Type:
text and monografie
Subject:
Finance , reformy měnové , Československo 1948-1969 , and finančnictví
Language:
Slovak , English , and Russian
Description:
2000 výt. and Hřbetní název: Peňažná reforma v Československu v roku 1953
Rights:
unknown
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
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
Type:
text and sborníky
Subject:
Dějiny Česka a Slovenska , válka druhá světová (1939-1945) , odboj druhý (protifašistický) , odboj, odpor, antifašismus, antikomunismus , Československo 1938-1945 , and české (československé) sborníky a kolektivní monografie
Language:
Slovak , German , and Russian
Rights:
unknown
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
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