KILGARRIFF, Adam, Miloš JAKUBÍČEK, Jan POMIKÁLEK, Tony Berber SARDINHA a Pete WHITELOCK. PtTenTen: A corpus for Portuguese lexicography. In Tony Berber Sardinha, Telma de Lurdes São Bento Ferreira. Working with Portuguese Corpora. 1. vyd. London: Bloomsbury Publishing, 2014. s. 280-287, 8 s. Bloomsbury Academic. ISBN 978-1-4411-9050-5.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název PtTenTen: A corpus for Portuguese lexicography
Autoři KILGARRIFF, Adam (826 Spojené království), Miloš JAKUBÍČEK (203 Česká republika, garant, domácí), Jan POMIKÁLEK (203 Česká republika, domácí), Tony Berber SARDINHA (826 Spojené království) a Pete WHITELOCK (826 Spojené království).
Vydání 1. vyd. London, Working with Portuguese Corpora, od s. 280-287, 8 s. Bloomsbury Academic, 2014.
Nakladatel Bloomsbury Publishing
Další údaje
Originální jazyk angličtina
Typ výsledku Kapitola resp. kapitoly v odborné knize
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
WWW URL
Kód RIV RIV/00216224:14330/14:00075222
Organizační jednotka Fakulta informatiky
ISBN 978-1-4411-9050-5
Klíčová slova anglicky pttenten; portuguese; lexicography; corpus; corpora
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Miloš Jakubíček, Ph.D., učo 172962. Změněno: 25. 3. 2014 20:13.
Anotace
There are many benefits to using corpora. In order to reap those rewards, how should someone who is setting up a dictionary project proceed? We describe a practical experience of such ‘setting up’ for a new Portuguese-English, English-Portuguese dictionary being written at Oxford University Press. We focus on the Portuguese side, as OUP did not have Portuguese resources prior to the project. We collected a very large (3.5 billion word) corpus from the web, including removing all unwanted material and duplicates. We then identified the best tools for Portuguese for lemmatizing and parsing, and undertook the very large task of parsing it. We then used the dependency parses, as output by the parser, to create word sketches (one page summaries of a word’s grammatical and collocational behavior). We plan to customize an existing system for automatically identifying good candidate dictionary examples, to Portuguese, and add salient information about regional words to the word sketches. All of the data and associated support tools for lexicography are available to the lexicographer in the Sketch Engine corpus query system.
Návaznosti
LA09016, projekt VaVNázev: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (Akronym: ERCIM)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, INGO (jen po projekty s počátkem řešení v roce 2010)
LM2010013, projekt VaVNázev: LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat (Akronym: LINDAT-Clarin)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Velké infrastruktury pro výzkum, vývoj a inovace
VytisknoutZobrazeno: 19. 1. 2020 22:47