Kaj početi s korpusom FidaPLUS : Horuk v nove čase

Jota, 4. 12. 2006

Kaj početi s korpusom FidaPLUS:

Horuk v nove čase

Špela Arhar, Filozofska fakulteta, Amebisspela.arhar@amebis.si

Jota, 4. 12. 2006 2

Zasnova predavanja:

referenčni korpusi,

FIDA, Nova beseda,

FidaPLUS:

- o projektu FidaPLUS,

- kako do gesla za delo s korpusom,

- kaj s FidoPLUS početi.

Jota, 4. 12. 2006 3

Kaj je korpus?

Po določenih kriterijih urejena elektronska zbirka realnih besedil.

Referenčni korpus:

Jota, 4. 12. 2006 4

jezik vsakdanje rabe (pisni / govorni), obsežnost, sodobna besedila, en jezik, široka namenskost.

kakšna je raba jezika tukaj in zdaj

Jota, 4. 12. 2006 5

Recimo:

Kateri pridevniki se najpogosteje pojavljajo s samostalnikom “mati”?

Jota, 4. 12. 2006 6

Jota, 4. 12. 2006 7

Jota, 4. 12. 2006 8

Jota, 4. 12. 2006 9

Odnos referenčni korpus – jezikovni priročniki: 1 Jezikovni priročniki nastajajo na osnovi

korpusnih podatkov: primeri realne jezikovne rabe,

kaj je v resnici tipično v jeziku,

hitra in enostavna obdelava podatkov.

2 Raba korpusa dopolnjuje rabo jezikovnih priročnikov (sodobnejša besedila, možnost preučevanja konteksta, različne možnosti iskanja

informacij ...).

Referenčni korpusi za slovenščino:

Jota, 4. 12. 2006 10

FIDA <http://www.fida.net/>,

Nova beseda <http://bos.zrc-sazu.si/s_beseda.html>,

FidaPLUS <http://www.fidaplus.net/>.

Zgodba o FIDI:

Jota, 4. 12. 2006 11

nastajala med 1997 ter 2000,

Filozofska fakulteta, IJS, DZS, Amebis,

za potrebe slovenistične redakcije Oxfordovega ang-slo slovarja,

financirala DZS ter Amebis -> nikoli v celoti prosto dostopna.

Jota, 4. 12. 2006 12

Jota, 4. 12. 2006 13

Jota, 4. 12. 2006 14

Zgodba o Novi besedi:

Jota, 4. 12. 2006 15

na začetku je bila Beseda,

1999: 3 mio besed, leposlovje,

2005: 162 mio besed, dodani drugi žanri,

Inštitut za slovenski jezik Frana Ramovša ZRC SAZU,

ni lematizirana, ni uravnotežena.

Jota, 4. 12. 2006 16

Jota, 4. 12. 2006 17

Jota, 4. 12. 2006 18

Jota, 4. 12. 2006 19

Radi bi imeli referenčni korpus, ki je : velik,

sodoben,

uravnotežen,

lematiziran,

prosto dostopen,

ima zmogljiv in uporabniku prijazen konkordančnik

ter navodila za uporabo le-tega.

Jota, 4. 12. 2006 20

O gradnji korpusa:

Projekt Financiranje

Časovni okvir

Jezikovni viri za slovenščino.

Ministrstvo za šolstvo in šport, DZS in Amebis.

Gradnja korpusa

Filozofska fakulteta, Amebis, Fakulteta za družbene vede in Inštitut Jožef Stefan.April 2005–december 2006.

Jota, 4. 12. 2006 21

Rezultati projekta (1):

Obseg korpusa

700 mio besed - neuravnotežen

500 mio besed - uravnotežen

Ažurnost besedila, nastala med 1995 in 2006, plus besedila iz korpusa FIDA

Različni tipi pisnega jezika vsakodnevne rabe: časopisi, revije, učbeniki, leposlovje, internetna besedila, besedilni drobiž ...

Jota, 4. 12. 2006 22

Rezultati projekta (2):

Izboljšava lematizacije:

Lematizacija je pripisovanje osnovne (slovarske) oblike besednim oblikam v besedilu.

Jota, 4. 12. 2006 23

Razdvoumljanje lem (je – <biti>/<jesti>; lev - <lev>/<lev>),

večji slovar besednih oblik + ugibanje neznanih lem na osnovi končnic (blablaškega – <blablaški>).

Rezultati projekta (3):

Konkordančnik ASP32

nova statistična orodja za iskanje kolokatorjev (logaritem verjetnosti),

uporabniku prijaznejši vmesnik.

Jota, 4. 12. 2006 24

Rezultati projekta (4):

Prosta dostopnost: brezplačna registracija prek interneta.

Informacije za uporabnike: informacije o korpusu (besedilodajalci, korpusne statistike, o projektu ...),

natisljiv priročnik o delu s korpusom,

uporabniška pomoč.

Jota, 4. 12. 2006 25

prava stvar

Jota, 4. 12. 2006 26

Hočem korpus FidaPLUS!

kdaj kje

december 2006

www.fidaplus.net

VPRAŠANJA?spela.arhar@amebis.si

Jota, 4. 12. 2006 27