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

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/

Leipzig Corpora Collection, corpora per 230 lingue

Leeds Collection of Internet Corpora

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

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

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

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

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

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/

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

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/

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

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

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

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

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