Corpora

Arabo

• Latifa Al-Sulaiti’s List of Arabic Corpora Online
• http://arabicorpus.byu.edu
• Leipzig Corpora Collection, corpora per 230 lingue
• Leeds Collection of Internet Corpora
• Quranic Arabic Corpus

Catalano

• Corpus del català contemporani: http://www.ub.edu/cccub/
• Leipzig Corpora Collection, corpora per 230 lingue
• Corpus Textual Informatizat de la Llengua Catalana (CTILC): http://ctilc.iec.cat/

Cinese

• Leipzig Corpora Collection, corpora per 230 lingue
• Leeds Collection of Internet Corpora

Finlandese

• The Advanced Finnish Learners’ Corpus: http://www.utu.fi/fi/yksikot/hum/yksikot/suomi-sgr/tutkimus/tutkimushankkeet/las2/Sivut/home.aspx
• Leipzig Corpora Collection, corpora per 230 lingue
• HANCO, the Helsinki Annotated Corpus: http://www.ling.helsinki.fi/projects/hanco/index_e.html
• Corpora dell’Institute for the Languages of Finland: http://www.kotus.fi/collections
• Leeds Collection of Internet Corpora
• Oulun Korpus (429’058 parole da 5800 testi raccolti da opere letterarie, trascrizioni di trasmissioni radio, pubblicità, quotidiani e articoli di riviste in finlandese): https://kitwiki.csc.fi/twiki/bin/view/FinCLARIN/KielipankkiAineistotOulu

Francese

• ARTFL Project: http://artfl-project.uchicago.edu/projects/LFA/
• Corpus C-ORAL-ROM: campiona il parlato sia formale che informale: http://lablita.dit.unifi.it/coralrom/
• Leipzig Corpora Collection, corpora per 230 lingue
• Corpus de Référence du Français parlé: http://sites.univ-provence.fr/delic/corpus/index.html
• Corpus diacronico, Frantext: http://www.frantext.fr/
• Leeds Collection of Internet Corpora
• http://www.llas.ac.uk/resources/mb/80, un corpus d’entretiens spontanés

Giapponese

• Leipzig Corpora Collection, corpora per 230 lingue
• Corpus of Spontaneous Japanese: http://www.ninjal.ac.jp/english/products/csj/
• BCCWJ: Balanced Corpus of Contemporary Written Japanese (KOTONOHA): http://www.kotonoha.gr.jp/shonagon/
• Leeds Collection of Internet Corpora
• Japanese Speech Corpora of Major City Dialects: http://www.age.ne.jp/x/oswcjlrc/tahara/jcmd.htm

Inglese

• ACE, Australian Corpus of English: http://icame.uib.no/ace/aceman.htm
• Diacronico: The Brooklyn-Geneva-Amsterdam-Helsinki Parsed Corpus of Old English
• http://www.natcorp.ox.ac.uk/ (British National Corpus, University of Oxford)
• http://www.corpora4learning.net/resources/corpora.html, con diversi link ai principali corpora di varietà di inglese.
• Diacronico: Corpus of Early English Correspondence (CEEC) http://www.helsinki.fi/varieng/domains/CEEC.html
• The Bergen Corpus of London Teenage Language (COLT): http://www.hit.uib.no/colt/
• Leipzig Corpora Collection, corpora per 230 lingue
• Corpus of Spoken Professional American English: http://www.athel.com/cspa.html
• Corpus diacronico: The Early Modern English Dictionaries Database (EMEDD) http://homes.chass.utoronto.ca/~ian/emedd.html
• Corpus of Indian English: http://icame.uib.no/kolhapur/kolman.htm
• Diacronico: Lampeter Corpus of Early Modern English http://khnt.hit.uib.no/icame/manuals/LAMPETER/LAMPHOME.HTM
• Leeds Collection of Internet Corpora
• London-Lund Corpus of spoken British English : http://khnt.hit.uib.no/icame/manuals/LONDLUND/INDEX.HTM
• Diacronico: Penn Corpora of Historical English http://www.ling.upenn.edu/hist-corpora/
• Wellington Corpus of Spoken New Zealand English: http://icame.uib.no/wsc/index.htm

Italiano

• BAdIP (Banca Dati dell’Italiano Parlato): http://badip.uni-graz.at/
• Biblioteca digitale di testi della letteratura italiana, ricercabili per autore, periodo, genere ed altri parametri: http://www.bibliotecaitaliana.it/
• Corpora e Lessici dell’Italiano Parlato e Scritto (CLIPS): http://www.clips.unina.it/it/corpus.jsp
• Corpus e lessico di frequenza dell’italiano scritto (CoLFIS): http://www.istc.cnr.it/grouppage/colfis
• Corpus C-ORAL-ROM: campiona il parlato sia formale che informale: http://lablita.dit.unifi.it/coralrom/
• CORIS/CODIS: corpus di italiano scritto: http://corpora.dslo.unibo.it/coris_ita.html
• Leipzig Corpora Collection, corpora per 230 lingue
• Il Corpus dell’italiano antico dell’Opera del Vocabolario Italiano comprende circa 22 milioni di parole da testi in volgare anteriori al 1375: http://www.ovi.cnr.it/index.php?page=banchedati
• Corpus la Repubblica, italiano giornalistico: http://dev.sslmit.unibo.it/corpora/corpus.php?path=&name=Repubblica
• Corpus Taurinense di testi del Duecento (circa 260.000 parole): http://www.bmanuel.org/projects/ct-HOME.html
• Audiolezioni di grammatica da scaricare in formato Mp3: http://www.gaudio.org/lezioni/grammatica/index.htm
• Il corpus itWaC comprende testi scaricati con metodi automatici dal web e, contenendo più di un miliardo e mezzo di parole, è il corpus più esteso che esista ad oggi sull’italiano: http://wacky.sslmit.unibo.it
• Leeds Collection of Internet Corpora
• Il corpus VALICO (Varietà di apprendimento della lingua italiana) consta di circa 570.000 parole da testi di apprendenti di italiano come seconda lingua: http://www.bmanuel.org/projects/br-HOME.html

Nederlandese

• Spoken Dutch Corpus (Corpus Gesproken Nederlands  – CGN): http://www.mpi.nl/IMDI/overview/Overview_CGN.html
• Leipzig Corpora Collection, corpora per 230 lingue
• DutchSemCor Project Homepage : http://www2.let.vu.nl/oz/cltl/dutchsemcor/
• Diacronico: De Geïntegreerde TaalBank http://gtb.inl.nl/
•  INL – Schatkamer van de Nederlandse taal: http://www.inl.nl/

Persiano

• Bijankhan corpus, basato principalmente su testi giornalistici: http://ece.ut.ac.ir/dbrg/bijankhan/
• Leipzig Corpora Collection, corpora per 230 lingue
• Hamshahri Collection, corpus basato su una collezione di testi in persiano standard: http://ece.ut.ac.ir/DBRG/Hamshahri/
• Uppsala Persian Corpus (derivato dal Bijankhan): http://stp.lingfil.uu.se/~mojgan/UPC.html

Polacco

• Leipzig Corpora Collection, corpora per 230 lingue
• http://korpus.pl/ Korpus IPI PAN
• Leeds Collection of Internet Corpora
• Narodowy Korpus Języka Polskiego, http://nkjp.pl/ oppure http://www.nkjp.uni.lodz.pl

Portoghese e brasiliano

• Corpus di portoghese giornalistico: http://www.linguateca.pt/cetempublico/
• Diacronico: corpus di portoghese medievale: http://cipm.fcsh.unl.pt/
• Corpus parallelo inglese e portoghese: http://www.linguateca.pt/COMPARA/Welcome.html
• Corpus C-ORAL-ROM: campiona il parlato sia formale che informale: http://lablita.dit.unifi.it/coralrom/
• Leipzig Corpora Collection, corpora per 230 lingue
• Corpus do Português: http://www.corpusdoportugues.org/
• Leeds Collection of Internet Corpora
• Tycho Brahe Parsed Corpus of Historical Portuguese: http://www.tycho.iel.unicamp.br/~tycho/corpus/index.html

Russo

• Leipzig Corpora Collection, corpora per 230 lingue
• Leeds Collection of Internet Corpora
• National Corpus of Written Russian: http://narusco.ru/
• Corpus nazionale di russo: www.ruscorpora.ru

Spagnolo

• CODEA 2011, documenti di antico spagnolo
• Corpus C-ORAL-ROM: campiona il parlato sia formale che informale: http://lablita.dit.unifi.it/coralrom/
• Leipzig Corpora Collection, corpora per 230 lingue
• COSER, Corpus Oral y Sonoro del Español Rural
• Corpus del Español, Mark Davies, Brigham Young University
• Leeds Collection of Internet Corpora
• Real Academia, sezione Banco de datos: CORPES XXI (Corpus del Español del Siglo XXI), CDH (Corpus del Nuevo diccionario histórico del español), CREA (Corpus de Referencia del Español Actual), CORDE (Corpus Diacrónico del Español), Fichero General de la Real Academia Española

Tedesco

• Corpus di lingua parlata dell’IDS (Institut für Deutsche Sprache); è sia diacronico (ordine di grandezza di lustri) che diatopico (in base al luogo di edizione delle testate locali) ed è aggiornato molto di frequente
• Leipzig Corpora Collection, corpora per 230 lingue
• Lista di corpora presso IMS (Institut für Maschinelle Sprachverarbeitung), Universität Stuttgart
• Leeds Collection of Internet Corpora
• LIMAS-Korpus

Ungherese

• Leipzig Corpora Collection, corpora per 230 lingue
• Hunglish Corpus, corpus parallelo inglese-ungherese (sentence-aligned)
• Hungarian Webcorpus
• morphdb.hu: Hungarian lexical database and morphological grammar
• www.nytud.hu, da cui si accede a diversi corpora, tra cui l’Hungarian National Corpus, un corpus vastissimo e open access.
• Szeged Corpus: a natural language processed Hungarian corpus