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.