Abstrakt
- počet slov v cizojazyčných textech celkem 1 483 mil., z toho 258 mil. jádro a 1 225 mil. kolekce - počet slov v českých textech celkem 192 mil., z toho 102 mil. jádro a 89 mil. kolekce - nová kolekce: překlady Bible - Nového i Starého zákona, v 18 jazycích (včetně češtiny) - aktualizace textů ze zdroje Project Syndicate (přibyly texty za poslední dva roky) - spolehlivější lingvistická anotace u řady jazyků (tagger zpracovává čistý text bez formátovacích a jiných značek) - odstranění textů v jiném než deklarovaném jazyce z kolekce Acquis - katalánština je nově anotována značkami i lemmaty - bulharština a nizozemština je nově anotována kromě značek i lemmaty - maďarština je nově anotována nástrojem RFTagger (dříve HunPOS) - pro technické potíže s taggerem není litevština anotována značkami a lemmaty; litevština není anotována značkami a lemmaty už od verze 7