"Suuline eesti keel arvudes" [1, 2] on projekt, mille eesmärk on pakkuda suulise eesti keele kohta baasstatistikat (keeleliste üksuste sagedusi ja pikkuseid), mida seni on olnud saadaval ainult kirjakeele kohta. Andmeallikatena kasutatakse olemasolevaid aegjoondusega suulise eesti keele korpuseid ning projekti käigus loodud suuremahulist automaatselt transkribeeritud ja morfoloogiliselt annoteeritud raadio ja taskuhäälingu korpust. Käesolev kollektsioon koondab loodud korpuste tekste ning kõigist kasutatud korpustest tuletatud sagedusandmestikke.

Projektimeeskond: Pärtel Lippus (vastutav täitja, Tartu Ülikool), Tanel Alumäe (Tallinna Tehnikaülikool), Liina Lindström (Tartu Ülikool), Kaidi Lõo (Tartu Ülikool), Anton Malmi (Tartu Ülikool), Maarja-Liisa Pilvik (Tartu Ülikool), Siim Orasmaa (Tartu Ülikool), Aleksei Kelli (Tartu Ülikool)

The aim of the project "Basic statistics of spoken Estonian" is to provide frequency lists and other basic statistics of spoken Estonian that have only been available based on written language. The data comes from manually annotated time-alligned speech corpora. In addition to analysing systematically collected and manually annotated speech corpora the project team has collected a larger speech corpus of radio talk shows and podcasts that have been automatically annotated using ASR and NLP tools. The speech corpora are used for creating lists of phoneme, morpheme, word, n-gram, and collocation frequencies. This collection consists of the text transcriptions of the speech corpora collected within the project and the frequency data sets.

Project team: Pärtel Lippus (PI, University of Tartu), Tanel Alumäe (TalTech), Liina Lindström (University of Tartu), Kaidi Lõo (University of Tartu), Anton Malmi (University of Tartu), Maarja-Liisa Pilvik (University of Tartu), Siim Orasmaa (University of Tartu), Aleksei Kelli (University of Tartu)

1] "Riiklik programm: Eesti keel ja kultuur digiajastul (EKKD)" projekt EKKD93 "Suuline eesti keel arvudes"(1.01.2022−31.12.2022)

[2] "Riiklik programm: Eesti keel ja kultuur digiajastul (EKKD)" projekt EKKD117 "Suuline eesti keel arvudes II" (1.01.2023−31.12.2023)

Featured Dataverses

In order to use this feature you must have at least one published or linked dataverse.

Publish Dataverse

Are you sure you want to publish your dataverse? Once you do so it must remain published.

Publish Dataverse

This dataverse cannot be published because the dataverse it is in has not been published.

Delete Dataverse

Are you sure you want to delete your dataverse? You cannot undelete this dataverse.

Advanced Search

1 to 10 of 67 Results
Suuline eesti keel arvudes. Sagedusandmestikud
May 31, 2024
Lippus, Pärtel; Lõo, Kaidi; Malmi, Anton; Pilvik, Maarja-Liisa, 2024, "Suuline eesti keel arvudes. Sagedusandmestikud", https://doi.org/10.23673/RE-463, DATADOI, V1
Siin repositooriumis on projekti "Suuline eesti keel arvudes" raames koostatud sagedusandmestikud, mis kirjeldavad suulist eesti keelt. Andmestikud põhinevad Eesti keele spontaanse kõne korpusel, Teismeliste Keel Eestis korpusel ning käesoleva projekti raames kogutud ERR-i ja taskuhäälingu korpustel. Esitatud on sõna- ja lemmasagedusi ning n-gramme...
err_lemma_bigrammid.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 82.1 MB - MD5: e286042828936345a439153d337931ae
lemma bigrams
err_lemma_bigrammid_uudised.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 49.5 MB - MD5: 6f7b9aa55ce01abe966017dadaedb300
lemma bigrams
err_lemma_sagedustabel.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 24.0 MB - MD5: 23288726558152925e06e2dd11ce9ecd
lemma frequency
err_lemma_sagedustabel_uudised.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 11.6 MB - MD5: 4ca1aaf0f0559ccfea169aa7c679c2d4
lemma frequency
err_lemma_trigrammid.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 201.0 MB - MD5: 6df4c7f924dc5a2c2bf0f9b972ac6957
lemma trigrams
err_lemma_trigrammid_uudised.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 114.6 MB - MD5: f5ca0d528c49831c741080b1b2f1d911
lemma trigrams
err_sona_bigrammid.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 264.4 MB - MD5: 05b2c1a99e1fcc42d1cb7700cf0b440c
wordform bigrams
err_sona_bigrammid_uudised.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 151.2 MB - MD5: d5ce9ff81e305dc0cc67555c6dbfcbd4
wordform bigrams
err_sonasagedustabel.csv
May 31, 2024 - Suuline eesti keel arvudes. Sagedusandmestikud
Comma Separated Values - 131.2 MB - MD5: 2e3e0f1a74f8bac088b05aef8d6086ec
wordform frequency
Add Data

Sign up or log in to create a dataverse or add a dataset.

Sign Up Log In
Share Dataverse

Share this dataverse on your favorite social media networks.

Link Dataverse
Reset Modifications

Are you sure you want to reset the selected metadata fields? If you do this, any customizations (hidden, required, optional) you have done will no longer appear.