Metraipolis › archive › dc_99cbd0182a87

Europarl corpus — Wikipedia (es)

Source
Wikipedia (es)
Original
https://es.wikipedia.org/wiki/Europarl_corpus
License (as archived)
CC-BY-SA-4.0
Archived
2026-11-07T05:28:55.986Z
SHA-256 of the archived text
b2d8f142cea38b5e5c5d8b005f8dbb67441ac3b8f7227a9eb2416923ea3bbcb5
Stable URL of this page
https://metraipolis.com/documento/dc_99cbd0182a87

How to cite

Europarl corpus — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Europarl_corpus (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_99cbd0182a87 (Metraipolis archive dc_99cbd0182a87, sha256 b2d8f142cea38b5e5c5d8b005f8dbb67441ac3b8f7227a9eb2416923ea3bbcb5)
BibTeX
@misc{dc99cbd0182a87,
  title = {Europarl corpus — Wikipedia (es)},
  howpublished = {Wikipedia (es)},
  url = {https://es.wikipedia.org/wiki/Europarl_corpus},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_99cbd0182a87; sha256 b2d8f142cea38b5e5c5d8b005f8dbb67441ac3b8f7227a9eb2416923ea3bbcb5},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Europarl_corpus. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

El corpus Europarl es un corpus (conjunto de documentos) formado a partir de las actas del Parlamento Europeo desde 1996 hasta 2012. La primera publicación en 2001 incluía once lenguas oficiales de la Unión Europea (danés, neerlandés, inglés, finlandés, francés, alemán, griego, italiano, portugués, español y sueco). Con la expansión política de la UE, se añadieron las lenguas oficiales de los diez nuevos Estados miembro al corpus. La última actualización (2012) tiene 60 millones de palabras por lengua. Sin embargo, las lenguas recién añadidas están ligeramente subrepresentadas porque los datos correspondientes solo están disponibles desde 2007. Esta última versión incluye 21 lenguas europeas: romances (francés, italiano, español, portugués y rumano), germánicas (inglés, neerlandés, alemán, danés y sueco), eslavas (búlgaro, checo, polaco, eslovaco y esloveno), fino-ugrias (finlandés, húngaro y estonio), bálticas (letón, lituano) y griega. Los datos que componen el corpus se extrajeron del sitio web del Parlamento Europeo. Después, se adaptaron para la investigación lingüística. Después de la división de oraciones y tokenización, se alinearon entre idiomas con la ayuda de un algoritmo desarrollado por Gale y Church (1993). Un grupo de investigadores, liderado por Philipp Koehn en la Universidad de Edimburgo, compilaron y ampliaron el corpus. Al principio se diseñó para la investigación en traducción automática estadística (SMT por sus siglas en inglés). Sin embargo, desde su primera publicación, se ha utilizado para fines diversos, como la desambiguación del sentido de las palabras. Europarl también está disponible para búsqueda a través de la herramienta de gestión de corpus Sketch Engine.

Tema degli esploratori: scibile generale (retro-catalogo completo della fonte, senza filtro di tema) (deposito sistematico; retro-catalogo: tutte le voci di Wikipedia in spagnolo, in ordine alfabetico).
Fonte: Wikipedia in spagnolo, voce «Europarl corpus» — https://es.wikipedia.org/wiki/Europarl_corpus
Wikidata Q5412081: «una serie di documenti relativi ai lavori del Parlamento europeo dal 1996 ad oggi» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q5412081
Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Europarl_corpus?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 173024311, consultata il 2026-11-07T05:25:38.040Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: e8b1063e2855104e302d8a80582f6cb69b33cc40b2f4723e3bd8c4a752d2f1b0