primož jakopin inštitut za slovenski jezik frana ramovša zrc sazu korpusni laboratorij
DESCRIPTION
Primož Jakopin Inštitut za slovenski jezik Frana Ramovša ZRC SAZU Korpusni laboratorij. besedilni korpus Nova beseda. Lingvistični krožek Filozofske fakultete, 26. oktobra 2009. Vsebina. Uvod Stran bos.zrc-sazu.si Kako je nastala Nova beseda Besedila Konkordančni iskalnik - PowerPoint PPT PresentationTRANSCRIPT
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!