Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Språk, datorer och Språk, datorer och textbehandlingtextbehandling
Introduktion till nätresurserIntroduktion till nätresurser
Eva Pettersson
Institutionen för lingvistik och filologi
Uppsala universitet
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Föreläsningsöversikt
Sökmotorer och korpussökning på Internet
Upphovsrätt
Nätresurser (ordböcker och online-databaser)
Dagens labb
Att skriva labbrapport
Seminarieuppgiften
Kort om olika filformat
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Hur hittar man korpusar på Internet?
Sökning med hjälp av sökmotor
o lämpliga sökord
o lämplig sökmotor
Leta hos tillgänglig korpusdistributör, t.ex. Linguistic Data Consortium
Samla ihop texter till en egen korpus...
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Avancerad sökning med Google
www.google.se
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Informationssökning – hur fungerar det?
Ledtrådar som sökmotorer använder för att få fram och rangordna dokument:
o nyckelord och frekvensberäkningar i de hittade texterna
o automatisk morfologisk analys för att hitta alla ordformer, t.ex. flicka-flickor-flickornas
o automatisk stavningskontroll
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Linguistic Data Consortium (LDC): http://www.ldc.upenn.edu
o stödjer språkrelaterad forskning, utbildning och teknologi genom att skapa och distribuera lingvistiska resurser: data, verktyg och standarder
o distribuerar korpusar (text och tal för många olika språk), lexikon etc.
Oxford Text Archive (OTA): http://ota.ahds.ac.uk/
o samlar in, katalogiserar och bevarar elektroniska texter av hög kvalitet för forskning och undervisning
o distribuerar mer än 2000 resurser för över 20 språk.
Korpusdistributörer
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Korpusdistributörer
Evaluations and Language Resources Distribution Agency (ELDA): http://www.elda.org
o Distribuerar , producerar, standardiserar och utvärderar språkresurser (lexikon, korpusar etc)
o Organiserar konferenser: The Language Resources and Evaluation Conference, LREC
o Ger underlag för utvärdering av olika applikationer
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
KorpusdistributörerInternational Computer Archive of Modern English (ICAME): http://nora.hd.uib.no/whatis.html
osamordnar och underlättar distribution av korpusar
oorganiserar konferens, ger ut tidskriften ICAME Journal
Trans-European Language Resources Infrastructure (TELRI): http://telri.nytud.hu/
osamlar in och distribuerar en- och flerspråkiga språkresurser med speciellt fokus på central- och östeuropeiska språk.
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Användbara länkar för den korpusintresseradeCORPORA-listan: http://nora.hd.uib.no/fileserv.html
oelektronisk mejlinglista för alla som är intresserade av korpusar
ohär kan man få tips och svar på frågor
ACL SIGLEX: http://www.clres.com/siglex.html
Special Interest Group on the Lexicon of the Association for Computational Linguistics
o länkar till elektroniska lexikon, korpusar etc.
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Bygg din egen korpus
Välj ut lämpliga nyckelord och kombinera dessa på bästa sätt i lämplig sökmotor
Samla ihop de webbadresser du fått fram och sätt ihop dem till din egen korpus
Ordklasstagga gärna din korpus med allmänt tillgänglig taggare
Var laglig: Tänk på upphovsrätten!
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Tänk på upphovsrätten!
Vilka lagar gäller för material som man hittar på nätet?
Bara för att en text är publicerad på Internet, så betyder det inte att den är fri att använda och sprida vidare!
”Upphovsrätt till ett verk gäller intill utgången av sjuttionde året efter det år då upphovsmannen avled eller [...] efter den sist avlidne upphovsmannens dödsår.”
Många korpusar som finns på Internet kräver licens för att man ska få tillgång till dem
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Vad säger lagen?
Du kan alltid ladda hem ett verk som finns tillgängligt på Internet, kopiera från digital till digital form och/eller skriva ut det om du endast gör det för ditt privata bruk.
Förlagan du kopierar från får inte vara en olovlig förlaga (piratkopia).
Du får inte sprida det kopierade exemplaret utanför din närmaste familj eller vänkrets.
Du får aldrig, inte ens för privat bruk, kopiera datorprogram eller databaser.
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Upphovsrätt på Internet
Problem med lagtolkningen: Internet är internationellt, medan upphovsrättslagarna ser olika ut i olika länder
Indien: Ett verk är skyddat i 60 år efter upphovsmannens död (jmf Sverige 70 år)
Internationella överenskommelser om upphovsrätt, t.ex. Bernkonventionen
Kuba: Har ej skrivit under Bernkonventionen, upphovsrätten inget skydd
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (1)
Ontologiero Betydelsebaserade lexikon
o Visar de semantiska relationerna mellan ord (synonymi, antonymi, hyponymi och meronymi)
o WordNet: http://wordnet.princeton.edu/
o Svenskt OrdNät: http://www.lingfil.uu.se/ling/swn.html
o EuroWordNet: http://www.illc.uva.nl/EuroWordNet/holländska, italienska, spanska, tyska, franska, tjeckiska och estniska
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ur Svenskt Ordnät av Åke Viberg: Grundläggande semantiska relationer i ordnät
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Svenskt OrdNät
http://www.lingfil.uu.se/ling/swn.html
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
WordNet
http://wordnet.princeton.edu/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (2)Thesaurusar/synonymordböckerhttp://www.synonymer.se
Flerspråkiga lexikon
Lexin: http://lexin.nada.kth.se/
o Framtaget av Myndigheten för skolutveckling för användning i invandrarundervisningen
o Cirka 30 000 svenska uppslagsord
o Fjorton olika språk
o De svenska orden kan man få upplästa (öva uttal)
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
synonymer.se
http://www.synonymer.se
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Lexin
http://lexin.nada.kth.se/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (3) Enspråkiga lexikon
Nationalencyklopedin: http://www.ne.seo ca 172 000 uppslagsord
o kräver licens
Oxford English Dictionary: http://www.oed.com/o ca 500 000 uppslagsord
o innehåller ord från hela engelskspråkiga världen
o visar etymologi, uttal och stavning
o autentiska exempel från texter
o kräver licens
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Nationalencyklopedin (NE)
http://www.ne.se
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Oxford English Dictionary (OED)
http://www.oed.com/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (4)
Databaser med samlat material
Språkbanken: http://spraakbanken.gu.se/oUtvecklat av Göteborgs universitetoTillhandahåller referensmaterial i form av lexikon,
korpusar och verktyg för sökning i korpusarna m.m.oInnehåller bl.a. Lexin, SUC-korpusen och Svenska
Akademiens Ordbok i datorläsbar form
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Språkbanken
http://spraakbanken.gu.se/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (4)Korpussamlingar
Gutenberg: http://www.gutenberg.org/o innehåller ca 20 000 fritt nedladdbara e-böcker
o när författaren har varit död i 70 år skyddas verket inte längre av upphovsrättslagarna
Runeberg: http://runeberg.org/o som Gutenberg, fast för nordisk litteratur
o skapat av Linköpings universitet
Gallica: http://gallica.bnf.fr/o fransk motsvarighet
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Runeberg
http://runeberg.org/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Gallica
http://gallica.bnf.fr/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Ordböcker och online-databaser (5)
Wikipedia
”Flerspråkig internetbaserad encyklopedi med öppet innehåll som utvecklas av sina användare.”
Innehåller ofta lättfattliga beskrivningar av olika begrepp
Eftersom vem som helst har möjlighet att skriva in något på Wikipedia är informationen man får därifrån inte helt tillförlitlig
http://wikipedia.org/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Labben
Arbeta i grupper om 1-3 personer, efter eget val
Samma grupp kan med fördel jobba tillsammans under flera av kursens labbar, då labbarna i viss mån bygger vidare på varandra
Deluppgift 1: Ta reda på mer om några av de mest kända korpusdistributörerna
Deluppgift 2: Hitta korpusar på Internet för det språk ni är intresserade av
Labbinstruktioner: http://stp.lingfil.uu.se/~evapet/Undervisning/SDT07/labb1.html
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Att skriva labbrapport
Labbrapporten ska på ett överskådligt sätt dokumentera vad du har gjort (uppgift), varför du har gjort det (syfte) och hur du har gjort det (metod)
I arbetslivet är det viktigt att man dokumenterar vad man har gjort, så att andra kan ta del av dina resultat och arbeta vidare på dem
All forskning bygger på tidigare forskning. För att forskningen ska gå framåt är det viktigt att det som har gjorts tidigare är väl dokumenterat
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Labbrapportens innehåll
Labbrapporten bör vara upplagd ungefär som en uppsats:
o Titel med tydlig information om vilken laboration rapporten gäller och vem/vilka som har skrivit rapporten samt datum
o Inledning (syfte)
o Metod och resultat
o Slutsatser/diskussion
o Referenser
Man kan välja att ha andra rubriker, men ovan beskrivna information bör finnas med i rapporten
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Att skriva referenserReferenslistan ska för varje verk innehålla uppgift om:
o titel
o författare
o publikation (antologi, tidskrift, nätplats)
o förlag
o år
Tony McEnery, Richard Xiao och Yukio Tono, 2006. Corpus-Based Language Studies - an advanced resource book. Routledge Applied Linguistics.
Spärck Jones, K. 1999. Automatic Summarization: Factors and Directions, i Mani, I. och Maybury, M. T., Advances in Automatic Text Summarization Cambridge, Massachusetts: MIT Press, 1-12.
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Nätburna referenser
Om man vill referera till en webbsida, måste man ange hela webbadressen samt datum.
Webbsidor kan uppdateras och förändras, så den information som finns där det datum du refererar till den kanske inte finns där nästa dag.
Referera aldrig till Wikipedia eller dylikt!
Wiki-sidor är öppna för vem som helst att skriva in information på, vilket gör att informationen kan vara felaktig.
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Seminarium 5 november
Arbeta i grupper om 1-3 personer
Välj ut någon av de tre första laborationerna på kursen, och ge en mer detaljerad redogörelse för de resultat ni har kommit fram till
Utöka gärna den ursprungliga labbuppgiften på lämpligt sätt
Muntlig presentation inför resten av klassen
Presentationen genomförs med hjälp av dator kopplad till projektor
Använd Powerpoint, OpenOffice Impress, PDF eller motsvarande för presentationen
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Powerpoint
Powerpoint ingår i Office-paketet, dvs när man köper en dator med operativsystemet Windows på ingår oftast även program som Word (för ordbehandling), Excel (kalkylprogram) och Powerpoint (presentationsprogram)
Powerpoint används för att skapa ljusbilder inför muntliga presentationer
En lathund till Powerpoint finns här:
http://www.iml.umu.se/stod/program/power_point/index.html
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
OpenOffice
Om man inte har tillgång till Powerpoint (och inte råd att köpa programmet) finns likvärdiga program att tillgå gratis
Ett av de mest kända är OpenOffice
OpenOffice innehåller samma typer av program som Microsofts Office-paket, dvs ordbehandlingsprogram, kalkylprogram, presentationsprogram m.m.
I OpenOffice heter presentationsprogrammet Impress
OpenOffice finns att ladda hem gratis här:
http://www.openoffice.org/
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Portable Document Format
Format som ser likadant ut på alla datorer, oavsett vilket operativsystem man har installerat
PDF-dokument kan skapas automatiskt från många olika program, t.ex. från OpenOffice
En PDF-fil är sparad på samma sätt som en bild, vilket gör att man inte kan redigera texten i den
Praktiskt om man t.ex. vill lägga upp ett dokument så att andra kan läsa det, men inte vill att andra ska kunna ta texten och modifiera den
Språk, datorer och textbehandling - Nätresurser - Eva Pettersson 2007-10-24
Vi ses på labben!