Download de presentatie
De presentatie wordt gedownload. Even geduld aub
GepubliceerdDirk Hendrickx Laatst gewijzigd meer dan 10 jaar geleden
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
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.
Verwante presentaties
© 2024 SlidePlayer.nl Inc.
All rights reserved.