D2.4: Parallel Czech-Norwegian corpus, size 10 million tokens
Source
The source for this corpus was taken from OpenSubtitles corpus made available within 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?
|
