[Home] [Query] [WordAlignDB] [Wiki] -- [ECB] [EMEA] [EUconst] [Europarl v3] [KDE4] [KDEdoc] [MBS] [OO] [OO v3] [Subs] [Subs v2] [PHP] [SETIMES] [SPC] [TEP] [WikiSource]

EUconst

A parallel corpus collected from the European Constitution.

21 languages, 210 bitexts
total number of files: 986
total number of tokens: 3.01M
total number of sentence fragments: 0.22M

Please cite the following article if you use any part of the corpus in your own work:
Jörg Tiedemann, 2009, News from OPUS - A Collection of Multilingual Parallel Corpora with Tools and Interfaces. In N. Nicolov and K. Bontcheva and G. Angelova and R. Mitkov (eds.) Recent Advances in Natural Language Processing (vol V), pages 237-248, John Benjamins, Amsterdam/Philadelphia

Download

Complete download (XML): EUconst0.1.tar.gz (46M )

Bottom-left triangle: download files
  • ces = sentence alignments in XCES format
  • leftmost column language IDs = corpus files in XML
  • TMX and plain text files (Moses): see "Statistics" below
  • lower row language IDs = parsed corpus files (if they exist)
Upper-right triangle: sample files
  • view = bilingual XML file samples
  • upper row language IDs = monolingual XML file samples
  • rightmost column language IDs = parsed XML file samples (if they exist)

cs da de el en es et fi fr ga hu it lt lv mt nl pl pt sk sl sv
cs viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewcs
da ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewda
de ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewde
el ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewel
en ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewviewen
es ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewviewes
et ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewviewet
fi ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewviewfi
fr ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewviewfr
ga ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewviewga
hu ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewviewhu
it ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewviewit
lt ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewviewlt
lv ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewviewlv
mt ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewviewmt
nl ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewviewnl
pl ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewviewpl
pt ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewviewpt
sk ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewviewsk
sl ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces viewsl
sv ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces ces sv
cs da de el en es et fi fr ga hu it lt lv mt nl pl pt sk sl sv

Statistics and TMX/Moses Downloads

Number of files, tokens, and sentences per language (including non-parallel ones if they exist)
Number of sentence alignment units per language pair

Upper-right triangle: download translation memory files (TMX)
Bottom-left triangle: download plain text files (MOSES/GIZA++)

language files tokens sentencescsdadeelenesetfifrgahuitltlvmtnlplptskslsv
cs46 0.1M 11.4k7.1k 6.3k 6.8k 6.7k 6.7k 6.7k 6.6k 6.8k 6.8k 6.1k 6.7k 6.7k 6.8k 6.8k 6.7k 6.7k 7.3k 7.1k 6.3k 6.7k
da47 0.2M 11.3k10.6k 6.4k 6.7k 6.7k 6.7k 6.6k 6.6k 6.7k 6.7k 6.1k 6.7k 6.7k 6.8k 6.8k 6.8k 6.7k 7.3k 7.1k 6.2k 6.7k
de47 0.2M 9.5k8.8k 9.0k 6.3k 6.3k 6.3k 6.2k 6.3k 6.4k 6.4k 6.2k 6.4k 6.4k 6.4k 6.4k 6.4k 6.3k 6.5k 6.4k 6.2k 6.3k
el47 0.2M 10.4k10.1k 10.3k 8.9k 6.7k 6.7k 6.7k 6.6k 6.7k 6.7k 6.2k 6.7k 6.7k 6.7k 6.8k 6.8k 6.7k 6.8k 6.8k 6.2k 6.7k
en47 0.2M 10.3k10.0k 10.0k 8.8k 10.0k 6.6k 6.7k 6.6k 6.7k 6.7k 6.2k 6.7k 6.7k 6.7k 6.7k 6.7k 6.6k 6.8k 6.7k 6.3k 6.6k
es47 87.3k 10.5k10.0k 10.2k 8.9k 10.3k 10.0k 6.6k 6.6k 6.6k 6.7k 6.2k 6.7k 6.7k 6.7k 6.7k 6.8k 6.7k 6.7k 6.8k 6.2k 6.6k
et47 0.1M 10.5k10.0k 10.2k 8.8k 10.2k 10.1k 10.2k 6.3k 6.6k 6.7k 6.1k 6.6k 6.5k 6.6k 6.7k 6.7k 6.7k 6.7k 6.6k 6.1k 6.7k
fi47 0.1M 10.3k9.8k 10.2k 8.9k 10.1k 10.0k 10.1k 9.7k 6.6k 6.6k 6.0k 6.5k 6.6k 6.6k 6.6k 6.7k 6.6k 6.6k 6.7k 6.2k 6.6k
fr47 0.2M 11.3k10.2k 10.4k 9.1k 10.3k 10.1k 10.4k 10.2k 10.1k 6.7k 6.2k 6.7k 6.7k 6.7k 6.8k 6.8k 6.7k 6.8k 6.8k 6.3k 6.6k
ga47 0.2M 10.5k10.1k 10.2k 8.8k 10.1k 10.0k 10.1k 10.2k 10.1k 10.1k 6.2k 6.7k 6.8k 6.8k 6.8k 6.8k 6.7k 6.8k 6.8k 6.3k 6.7k
hu47 0.1M 9.1k8.6k 8.7k 8.7k 8.7k 8.7k 8.8k 8.9k 8.6k 8.8k 8.6k 6.1k 6.2k 6.2k 6.2k 6.2k 6.2k 6.2k 6.2k 6.1k 6.2k
it47 0.2M 10.6k10.1k 10.3k 9.0k 10.3k 10.1k 10.3k 10.2k 10.0k 10.6k 10.1k 8.7k 6.7k 6.7k 6.7k 6.8k 6.7k 6.8k 6.8k 6.2k 6.6k
lt47 0.1M 10.7k10.0k 10.3k 9.0k 10.2k 10.2k 10.3k 10.0k 10.2k 10.3k 10.2k 8.8k 10.3k 6.7k 6.8k 6.8k 6.7k 6.8k 6.9k 6.2k 6.7k
lv47 0.1M 10.8k10.1k 10.3k 8.9k 10.1k 10.0k 10.2k 10.4k 10.1k 10.3k 10.2k 8.8k 10.2k 10.4k 6.8k 6.8k 6.7k 6.8k 6.8k 6.2k 6.7k
mt47 0.2M 10.9k10.1k 10.2k 8.9k 10.3k 10.1k 10.3k 10.3k 10.1k 10.3k 10.2k 8.7k 10.3k 10.4k 10.2k 6.8k 6.7k 6.9k 6.9k 6.3k 6.7k
nl47 83.6k 10.4k10.0k 10.3k 8.9k 10.3k 10.0k 10.3k 10.2k 10.1k 10.4k 10.1k 8.8k 10.4k 10.3k 10.2k 10.3k 6.8k 6.8k 6.8k 6.3k 6.7k
pl47 0.1M 10.4k10.0k 10.2k 8.9k 10.2k 9.9k 10.2k 10.2k 10.1k 10.2k 10.1k 8.7k 10.2k 10.3k 10.1k 10.2k 10.2k 6.8k 6.8k 6.2k 6.7k
pt47 0.2M 14.9k11.0k 10.9k 9.0k 10.1k 10.0k 10.2k 10.0k 10.1k 10.5k 10.2k 8.7k 10.2k 10.3k 10.3k 10.3k 10.1k 10.2k 7.1k 6.1k 6.7k
sk47 0.1M 11.0k10.6k 10.7k 9.0k 10.3k 10.1k 10.3k 10.0k 10.1k 10.4k 10.2k 8.8k 10.3k 10.4k 10.2k 10.3k 10.3k 10.3k 10.6k 6.3k 6.8k
sl47 0.1M 9.7k8.9k 8.9k 8.7k 8.9k 8.8k 8.9k 8.9k 8.8k 9.1k 8.9k 8.8k 8.9k 8.9k 8.9k 8.9k 9.0k 8.8k 9.0k 9.1k 6.2k
sv47 0.1M 10.3k10.0k 10.2k 8.9k 10.1k 10.0k 10.2k 10.2k 10.1k 10.2k 10.1k 8.7k 10.2k 10.2k 10.1k 10.2k 10.2k 10.1k 10.0k 10.3k 8.8k

Note that TMX files only contain unique translation units and, therefore, the number of aligned units is smaller than for the distributions in Moses and XML format. Moses downloads include all non-empty alignment units including duplicates. Token counts for each language also include duplicate sentences and documents.