论文摘要

标题	收集荷兰SMS语料库
作者	马斯克·特勒奈特（Maaske Treurniet）,奥尔菲·德克莱克,亨克·范登·胡维尔和内列克·奥斯蒂克
摘要	在本文中，我们展示了第一个免费提供的荷兰文本消息语料库，其中包含来自荷兰和佛兰德斯的数据。该语料库是在SoNaR项目的框架内收集的，是这个5亿单词语料库的一个可行部分。基于自愿捐款，大规模收集了约53000条短信。这些消息将以这种方式分发。在本文中，我们关注所涉及的数据收集过程，在研究媒体报道的影响后，我们发现，尤其是在报纸和社交媒体网络上的免费宣传，会带来更多贡献。所有SMS都提供了元数据信息。从语料库的构成来看，可以看出，只有少数人贡献了大量数据，三个月内共有272人贡献了语料库。参与语料库的女性人数多于男性人数，但男性提交的数据量较大。该语料库对社会语言学研究和规范化研究至关重要。
话题	语料库（创建、注释等）,元数据,其他
全文	荷兰短信语料库的收集
Biptex公司	@会议记录{TREURNIET12.537， author={Maaske Treurniet和Orphée De Clercq以及Henk van den Heuvel和Nelleke Oostdijk}， title＝{荷兰SMS语料库的收集}， booktitle={第八届国际语言资源与评价会议（LREC'12）会议记录}， 年份={2012}， 月={may}， 日期={23-25}， address={土耳其伊斯坦布尔}， editor={尼科莱塔·卡尔佐拉里（会议主席）、哈立德·乔克里（Khalid Choukri）、蒂埃里·德克勒克（Thierry Declerck）、梅赫迈特·乌尔·多安（Mehmet Uur Doan）、本特·马加德（Bente Maegaard）、约瑟夫·马里亚尼（Joseph Mariani）、亚松森·莫， publisher={欧洲语言资源协会（ELRA）}， isbn={978-2-9517408-7-7}， 语言={英语} }