Primož Jakopin Inštitut za slovenski jezik Frana Ramovša ZRC SAZU Korpusni laboratorij

Primož Jakopin Inštitut za slovenski jezik Frana Ramovša ZRC

SAZUKorpusni laboratorij

besedilni korpus

Nova beseda

Lingvistični krožek Filozofske fakultete, 26. oktobra 2009

• Uvod• Stran bos.zrc-sazu.si• Kako je nastala Nova

beseda• Besedila• Konkordančni iskalnik• Besedna iskanja• Naprej

Vsebina

- Fida+- JOS, Inštitut Jožef Stefan- Evrokorpus- Amebis, prevajalnik, pregibalnik

…- Google, prevajalnik- Alpineon, sintetizator govora- Slovenska leposlovna klasika,

Wikivir- Nova beseda

Slovenski jezikovni viri

beseda Nova beseda       Fida+      NAJDI.SI       Google

beseden 9 4 150.222 2.910brezbeseden 1 - 1.461 121dobeseden 68 144 26.272 14.500enobeseden - - 973 91gostobeseden 70 131 2.548 5.250kratkobeseden 5 5 106 114lepobeseden - - 28 4malobeseden 16 4 43 147mnogobeseden - 1 24 5pregostobeseden 4 1 65 61radobeseden - - 5 8redkobeseden 257 557 6.734 15.600skopobeseden - 1 22 4sladkobeseden 5 3 249 480večbeseden - - 864 92

Problem velikosti jezikovnih virov

Danes je lepo vreme.Gori na gori gori.Tisti pomladni dan je bil lep, svetel in zveneč,

kakor iz čistega srebra ulit.

Today is good weather. GoogleGori gori gori on.That spring day was beautiful, bright and vibrant

as the cast of pure silver. There is fine weather today. AmebisHe burns above on mountain.That spring day was fine, bright and sonorous,

like cast from clean silver.

Strojno prevajanje, 2009

Spletna stran bos.zrc-sazu.si

Mejniki v razvoju Nove besede

1998 Entropija v slovenskih leposlovnih besedilih

CORTES na FF, 3 milijone besed1999 CORTES, 28 mil. besed2000 CORTES, 48 mil. Besed2000 Beseda, Nova beseda2001 Laboratorij za korpus slovenskega jezika 2002 76 mil. besed2003 93 mil. besed, 100 mil. besed2004 121 mil. besed, 148 mil. besed2005 162 mil. besed2007 202 mil. besed2008 240 mil. Besed

Oznaka Vsebuje Obseg v mil. besed A Slovensko leposlovje, Cankar, Kosmač, Jančar 12B Slovensko polleposlovje

2C Znanstvene in tehnične publikacije

3D Dnevnik DELO, 1998 - 2007 169G Zapisi sej Državnega zbora RS, 1996 - 2006

31P Delo FT, Jana, Mladina, Monitor, Nat. Geographic, Viva 21S Zakoni Republike Slovenije, 1997 - 2006 2 Skupaj 5,694 besedil 240

Besedila v Novi besedi

Členitev besedil

Primer poizvedbe

A B C D G P S Skupajna licu mesta 23 2 2 3 75 21 - 161na kraju samem 15 2 3 544 19 64 16 663

Porazdelitev pogostosti besednih zvez po zvrsteh besedila

ekoračunalnik 1 računalnikar 283hiperračunalnik 1 računalnikarica 1mikroračunalnik 102 računalnikarski

2miniračunalnik 44 računalnikov

101minisuperračunalnik 1 superračunalnik

270mobiračunalnik 1 superračunalnikar

1multiračunalnik 97 ultraračunalnik 1neračunalnikar 2 večračunalnik

14polračunalnik 1 veleračunalnik

51praračunalnik 1 veleračunalnikar 1računalnik 48.068 skupaj 49.044

Urejen rezultat besednega iskanja za niz računalnik

Možni načini krnjenja pri iskanju po pogostih besednih parih

- * *- a * nezanimiv *- a b* vedno vesel*- a *b močno *ejen- a* * skrivnosti* *- a* b tisti ves*- a* b* svetovn* vas*- a* *b tak* *ivnih- *a * *elata *- *a b *ajo red- *a b* *ega dolgo*- *a *b *enega *elega- * b * maček- * b* * povedk*- * *b * *kratnik

alkoholni maček 3     hollywoodski maček 2      moj maček 3     razpoloženi

maček 3

beli maček 12      hudi maček 9      moralni maček 8      rokometni maček 3

berlinski maček 2      hud maček 3      naš maček 13      siv maček 2

bolgarski maček 2      izkušeni maček 4      njegov maček 2      smučarski maček 2

bratov maček 2    izkušen maček 9      njen maček 3      solinarski maček 2

črni maček 10    jadralski maček 2      nogometni maček 2      sosedov maček 4

črn maček 8    kagebejevski maček 2      novinarski

maček 6      stari maček 72diplomatski maček 3      kisli maček 5      obuti maček 25      star maček 28

divji maček 3      kolesarski maček 3      olimpijski maček 2      televizijski

maček 2

domači maček 2      lačen maček 2      pečen maček 4      teniški maček 2

drugi maček 2      legionarski maček 2      perzijski maček 3      trenerski

maček 7

enooki maček 5      leni maček 4      politični maček 7      vaš maček 2goriški maček 2      ljubljeni maček 2      pravi maček 8      veliki maček 2

gozdni maček 3      medijski maček 3      prekaljeni maček 12      velik maček 3

hokejski maček 2      mlad maček 3      prekaljen maček 10      zadovoljen

maček 2

Izbrane besedne zveze iz skupine * maček

Izbrane besedne zveze iz skupine * maček

Načrti za prihodnost

- krajši odzivni časi pri poizvedbah- izboljšanje zvrstnosti- uporaba lem v konkordančnem iskalniku- povezave na druge spletne jezikovne vire- lematizacija korpusa- dopolnitev uporabniškega vmesnika- splošno iskanje po daljših besednih zvezah- razširitev Besede

Hvala za pozornost in nasvidenje!