Katrien Depuydt Track 3: Historische lexicondata.

Presentatie over: "Katrien Depuydt Track 3: Historische lexicondata."— Transcript van de presentatie:

1 Katrien Depuydt Track 3: Historische lexicondata

2 Doel van track 3  Groot historisch computationeel lexicon, gekoppeld aan de historische woordenboeken  Trainingmateriaal voor PoS-taggen en lemmatiseren historisch Nederlands

3 Het historisch lexicon Opbouw:  Toekenning “modern lemma” en woordsoort aan alle woordvormen  Attestatie-informatie bij de woordvormen  Koppeling met de historische woordenboeken

4 Toepassingen van het historisch lexicon  Gebruik bij automatische taalkundige verrijking  Referentie bij interpretatie teksten  Query-expansie: er kan met modern lemma als zoeksleutel gezocht worden

5 Toepassingen van het historisch lexicon

6

7 Hoe bouwen we het  WNT-gebaseerd IMPACT lexicon wordt basis  Uitbreiding met gegevens uit ONW, VMNW, MNW  Onderlinge koppeling van de woordenboeken zodat we daadwerkelijk een lexicon krijgen  Uitbreiding gebaseerd op corpusmateriaal (historisch en modern)

8 Ingrediënten basislexicon  ONW : 9268 ingangen, 12619 definities, 30025 citaten  VMNW: 25946 ingangen, 102202 definities, 194366 citaten  MNW: 74773 ingangen, 144367 definities, 392244 citaten  WNT: 467217 ingangen, 915637 definities, 1665537 citaten  ingangen totaal: 577.204  betekenissen totaal: 1.174.825  citaten totaal: 2.282.172

9 Werkwijze: lexiconinhoud uit woordenboekcitaten

10 Uitgangspunt: WNT-module GiGaNT

11 Onderlinge koppeling woordenboeklemmata

12 Werkwijze: Corpusgebaseerde uitbreiding lexicon

13 Trainingmateriaal voor taggen en lemmatiseren  Omvang per periode en type materiaal: te bepalen!  Werkwijze: automatische voorbewerking en correctie in CoBaLT (vgl. Kenter, Erjavec, Ž orga Dulmin & Fiše 2012)  Integratie met basislexicon

14 Deliverables  D. 1.1 Uitbreiding van het GiGaNT-lexicon met de MNW- basismodule  D. 1.2 Uitbreding van het GiGaNT-lexicon met de VMNW- basismodule  D. 1.3 Uitbreiding van het GiGaNT-lexicon met de ONW- basismodule  D. 1.4 Eventueel uitbreiding van het GiGaNT-lexicon met modern materiaal  D. 1.5 Periodespecifieke sets van spellingvariatieregels die in combinatie met het lexicon als webservice gebruikt moeten worden bij de verrijking. Tool ontwikkeld binnen IMPACT. Onderzoek nodig naar grootte van de periode.  D. 1.6 Gold Standard corpusmateriaal voor het trainen van taggers en lemmatiseerders voor nog nader te definiëren periodes, en ter aanvulling van het lexiconmateriaal van de verschillende periodes.