Katrien Depuydt Track 3: Historische lexicondata
Doel van track 3 Groot historisch computationeel lexicon, gekoppeld aan de historische woordenboeken Trainingmateriaal voor PoS-taggen en lemmatiseren historisch Nederlands
Het historisch lexicon Opbouw: Toekenning “modern lemma” en woordsoort aan alle woordvormen Attestatie-informatie bij de woordvormen Koppeling met de historische woordenboeken
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
Toepassingen van het historisch lexicon
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)
Ingrediënten basislexicon ONW : 9268 ingangen, definities, citaten VMNW: ingangen, definities, citaten MNW: ingangen, definities, citaten WNT: ingangen, definities, citaten ingangen totaal: betekenissen totaal: citaten totaal:
Werkwijze: lexiconinhoud uit woordenboekcitaten
Uitgangspunt: WNT-module GiGaNT
Onderlinge koppeling woordenboeklemmata
Werkwijze: Corpusgebaseerde uitbreiding lexicon
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
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.