Skip to search
Skip to main content
Skip to first result
Search
Search Results
Publisher:
Universität Bamberg, World Language Documentation Centre
Format:
application/octet-stream
Type:
lexicalConceptualResource
Language:
Afrikaans , Arabic , Basque , Bulgarian , Catalan , Chinese , Czech , Danish , Dutch , English , Esperanto , Estonian , Finnish , French , Galician , Georgian , Modern Greek (1453-) , Hebrew , Hungarian , Icelandic , Indonesian , Interlingua (International Auxiliary Language Association) , Irish , Italian , Japanese , Khmer , Norwegian , Polish , Portuguese , Romanian , Russian , Serbian , Slovak , Spanish , Swedish , Turkish , Ukrainian , and Welsh
Rights:
GFDL or CC and http://www.omegawiki.org/Licensing
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 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
Creator:
Popovyč, Michal
Type:
text and monografie
Subject:
Mezinárodní vztahy, světová politika , panslavismus , Slované , národnosti , národnosti, vztahy mezi národnostmi a národní hnutí , světové dějiny 1789-1918 , and dějiny ideí, ideologie
Language:
Slovak and Ukrainian
Rights:
unknown
Type:
text and sborníky
Subject:
Vnitropolitický vývoj, politický život , Globální společnosti. Sociální struktura. Sociální skupiny , Rusíni , společnost československá , zahraniční periodika a sborníky , Československo 1918-1938 , and jiné národnostní menšiny (Poláci, Rusíni, Lužičtí Srbové atd.)
Language:
Slovak , Czech , and Ukrainian
Rights:
unknown
Type:
text and sborníky
Subject:
Vnitropolitický vývoj, politický život , Globální společnosti. Sociální struktura. Sociální skupiny , Rusíni , společnost československá , zahraniční periodika a sborníky , Československo 1918-1938 , and jiné národnostní menšiny (Poláci, Rusíni, Lužičtí Srbové atd.)
Language:
Slovak , Czech , and Ukrainian
Rights:
unknown
Type:
text and monografie kolektivní
Subject:
Filologie , sborníky konferenční , Slované , slavistika , české (československé) sborníky a kolektivní monografie , přehledná zpracování světových dějin (chronologicky) , přehledná zpracování dějin českých zemí (chronologicky) , and dějiny slavistiky
Language:
Czech , Bulgarian , Polish , Russian , Slovak , Slovenian , and Ukrainian
Rights:
unknown
Creator:
Bláha, Ondřej,
Type:
text and monografie kolektivní
Subject:
Slovanské jazyky , jazyky slovanské , dějiny jazyka , světové dějiny od r. 1945 do současnosti , and jazyk, písmo
Language:
Czech , Bulgarian , Macedonian , Polish , Slovak , Serbian , and Ukrainian
Rights:
unknown
Type:
text and monografie kolektivní
Subject:
Filologie , slavistika , evropanství , and české (československé) sborníky a kolektivní monografie
Language:
Czech , English , German , Polish , Russian , Slovak , and Ukrainian
Description:
"Vychází péčí Středoevropského centra slovanských studií ve spolupráci s Ústavem slavistiky, Českou asociací slavistů a Slavistickou společností Franka Wollmana"--Rub titulní stránky
Rights:
unknown