LC-STAR Turkish phonetic lexicon

View resource name in all available languages

Lexique phonétique LC-STAR turc



The LC-STAR Turkish lexicon was created within the scope of the LC-STAR project (IST 2001-32216) which was sponsored by the European Commission.

The lexicon comprises about 104,513 words, distributed over two categories:

- a set of 59,213 common word entries (including entries from the special application list and closed class set of words). This set is extracted from a corpus of more than 20 million words distributed over 6 different domains (sports/games, news, finance, culture/entertainment, consumer information, personal communications). This was done with the aim of reaching a target for each domain of at least 95% self coverage. In addition to extracting word lists from the corpus, a list of closed set (function) word classes are included in the final word list.

- a set of 45,300 proper names (including person names, family names, cities, streets, companies and brand names) divided into 3 domains. Multiple word names such as New_York are kept together in all three domains, and they count as one entry. The 3 domains consist of first and last names (23,573 different entries), place names (11,364 different entries), and organisations (11,273 different entries).

The lexicon is provided in XML format and includes phonetic transcriptions in SAMPA. The database is stored on 1 CD.

View resource description in all available languages

Le lexique LC-STAR turc a été créé dans le cadre du projet LC-STAR (IST 2001-32216), financé par la Commission européenne.

Le lexique comprend environ 104 513 mots répartis en deux catégories :

- Un ensemble de 59 213 mots communs (y compris les entrées provenant d’une liste de mots d’applications et des classes de mots) including entries from the special application list and closed class set of words). Cet ensemble a été extrait d’un corpus de plus de 20 millions de mots répartis en 6 domaines différents (sports/jeux, actualités, finances, culture/amusement, information consommateur, communications personnelles), avec pour objectif d’atteindre pour chaque domaine au moins 95% de couverture. En plus des listes de mots extraites du corpus, une liste de classes de mots en ensemble fermé (fonctions) est incluse dans la liste de mots finale.

- Un ensemble de 45 300 noms propres (noms de personnes, noms de familles, villes, rues, sociétés, noms de marque) divisée en 3 domaines. Les noms comportant des mots multiples, tels que New_York, ont été conservés dans chacun des 3 domaines et comptent ainsi pour une seule entrée. Les 3 domaines sont : prénoms et noms de familles (23 573 entrées différentes), noms de lieux (11 364 entrées différentes), et organisations (11 273 entrées différentes).

Le lexique est fourni au format XML et inclut des transcriptions phonétiques en SAMPA. La base de données est stockée sur 1 CD.

You don’t have the permission to edit this resource.