<div>Hi Mark,</div>
<div> </div>
<div>Is the corpus itself or part of it available for downloading? It would be more useful if we could process the raw text for our own purpose rather than accessing it from a web interface.</div>
<div> </div>
<div>Best regards,</div>
<div>Lushan Han<br><br></div>
<div class="gmail_quote">On Thu, May 12, 2011 at 10:52 AM, Mark Davies <span dir="ltr"><<a href="mailto:Mark_Davies@byu.edu">Mark_Davies@byu.edu</a>></span> wrote:<br>
<blockquote style="BORDER-LEFT: #ccc 1px solid; MARGIN: 0px 0px 0px 0.8ex; PADDING-LEFT: 1ex" class="gmail_quote">We’re pleased to announce a new corpus -- the Google Books (American English) corpus  (<a href="http://googlebooks.byu.edu/" target="_blank">http://googlebooks.byu.edu/</a>).<br>
<br>This corpus is based on the American English portion of the Google Books data (see <a href="http://ngrams.googlelabs.com/" target="_blank">http://ngrams.googlelabs.com</a> and especially <a href="http://ngrams.googlelabs.com/datasets" target="_blank">http://ngrams.googlelabs.com/datasets</a>). It contains 155 *billion* words  (155,000,000,000) in more than 1.3 million books from the 1810s-2000s (including 62 billion words from just 1980-2009).<br>
<br>The corpus has most of the functionality of the other corpora from <a href="http://corpus.byu.edu/" target="_blank">http://corpus.byu.edu</a> (e.g. COCA, COHA, and our interface to the BNC), including: searching by part of speech, wildcards, and lemma (and thus advanced syntactic searches), synonyms, collocate searches, frequency by decade (tables listing each individual string, or charts for total frequency), comparisons of two historical periods (e.g. collocates of "women" or "music" in the 1800s and the 1900s), and more.<br>
<br>This American English corpus is just one of seven Google Books-based corpora that we hope to create in the next year or two (contingent on funding, which we are applying for in June 2011). If funded, the other corpora will include British English, English from the 1500s-1700s, and corpora of Spanish, French, and German (see the listing at <a href="http://ngrams.googlelabs.com/datasets" target="_blank">http://ngrams.googlelabs.com/datasets</a>).  Each of these corpora will be based on at least 50 billion words of data, and they should represent a nice addition to existing resources.<br>
<br>The Google Books (American English) corpus is freely-available at <a href="http://googlebooks.byu.edu/" target="_blank">http://googlebooks.byu.edu</a>, and we hope that it is of value to you in your research and teaching.<br>
<br>============================================<br>Mark Davies<br>Professor of (Corpus) Linguistics<br>Brigham Young University<br>(phone) 801-422-9168 / (fax) 801-422-0906<br>Web: <a href="http://davies-linguistics.byu.edu/" target="_blank">http://davies-linguistics.byu.edu</a><br>
<br>** Corpus design and use // Linguistic databases **<br>** Historical linguistics // Language variation **<br>** English, Spanish, and Portuguese **<br>============================================<br>_______________________________________________<br>
UNSUBSCRIBE from this page: <a href="http://mailman.uib.no/options/corpora" target="_blank">http://mailman.uib.no/options/corpora</a><br>Corpora mailing list<br><a href="mailto:Corpora@uib.no">Corpora@uib.no</a><br><a href="http://mailman.uib.no/listinfo/corpora" target="_blank">http://mailman.uib.no/listinfo/corpora</a><br>
</blockquote></div><br>