= D2.4: Parallel Czech-Norwegian corpus, size 10 million tokens =

== Source ==

The source for this corpus was taken from !OpenSubtitles corpus made available within [[http://opus.lingfil.uu.se/OpenSubtitles2016.php|OPUS2 parallel corpus]].

== Statistics ==

Czech part: 32,345,496 tokens, 24,101,302 words, 4,235,111 segments (utterances, sentences).
Norwegian part: 32,549,746 tokens, 25,503,941 words.

== Examples == 

=== Norwegian words with more than 100,000 occurrences ===

{{{
er	821,781
det	589,721
du	554,116
Jeg	547,501
ikke	506,186
jeg	418,217
en	360,871
i	341,400
har	315,050
Det	310,092
på	307,877
å	296,603
og	293,047
til	271,992
deg	259,043
meg	245,155
med	242,594
for	213,835
Du	211,802
at	204,376
som	203,379
vi	171,073
var	165,487
kan	162,222
av	160,980
om	149,962
den	148,767
vil	147,605
så	147,174
Vi	145,267
et	138,850
han	126,251
skal	119,570
Hva	110,797
de	110,202
Han	107,929
må	101,278
}}}

=== Czech words with more than 100,000 occurrences ===

{{{
to	656,606
se	560,332
je	422,521
že	345,153
na	327,317
jsem	309,133
a	297,950
si	231,641
v	201,975
co	172,431
To	160,908
s	152,526
A	149,175
mi	142,779
mě	132,047
tak	121,439
jsi	118,647
do	113,030
o	112,856
Je	106,979
}}}

=== Example parallel segments ===

||=Norwegian=||=Czech=||
||Om jeg hadde $ 300, kunne jeg kommet meg til Tyskland.||Ne, ale kdybych měl 300$, dostal bych se do Německa.||
||Aldri i livet!||Až naprší a uschne.||
||Jeg vil bli her... og fiske, slik Manuel gjorde.||Chci zůstat tady... a jezdit na ryby, jako Manuel.||
||Transilvania.||Transylvánie.||
||"Polka-Dot banditten og gjengen beskyldt for å utføre røveriet"||"Podezření padá na banditu Polka-Dot ."||
||Fortsette som før?||Jako dřív?||
||Nå har vi rikelig med sol for smilefjeset.||Teď svítí sluníčko pro pana Šťastného.||
||Det minner meg om de ødelagte forsvarsverker på mitt eget slått i Transilvania.||Připomíná mi to zchátralé cimbuří mého vlastního hradu v Transylvánii.||
||Ikke minn meg på det.||Nepřipomínej mi to.||
||Følge etter?||- Sledovat?||