2023
Rapid Ukrainian-English Dictionary Creation Using Post-Edited Corpus Data
BLAHUŠ, Marek, Michal CUKR, Ondřej HERMAN, Miloš JAKUBÍČEK, Vojtěch KOVÁŘ et. al.Základní údaje
Originální název
Rapid Ukrainian-English Dictionary Creation Using Post-Edited Corpus Data
Autoři
BLAHUŠ, Marek (203 Česká republika), Michal CUKR (203 Česká republika), Ondřej HERMAN (203 Česká republika, domácí), Miloš JAKUBÍČEK (203 Česká republika, domácí), Vojtěch KOVÁŘ (203 Česká republika, domácí), Jan KRAUS (203 Česká republika), Marek MEDVEĎ (703 Slovensko, domácí), Vlasta OHLÍDALOVÁ (203 Česká republika, domácí) a Vít SUCHOMEL (203 Česká republika, domácí)
Vydání
Brno, Czech Republic, Electronic lexicography in the 21st century (eLex 2023): Invisible Lexicography. Proceedings of the eLex 2023 conference, od s. 613-637, 25 s. 2023
Nakladatel
Lexical Computing CZ s.r.o.
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
elektronická verze "online"
Odkazy
Kód RIV
RIV/00216224:14330/23:00131469
Organizační jednotka
Fakulta informatiky
ISSN
Klíčová slova anglicky
Ukrainian; post-editing; dictionary; lexicography
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 9. 4. 2024 00:09, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
This paper describes the development of a new corpus-based Ukrainian-English dictionary. The dictionary was built from scratch, we used no pre-existing dictionary data. A rapid dictionary development method was used which consists of generating dictionary parts directly from a large corpus, and of post-editing the automatically generated data by native speakers of Ukrainian (not professional lexicographers). The method builds on Baisa et al. (2019) which was improved and updated, and we used a diferent data management model. As the data source, a 3-billion-word Ukrainian web corpus from the TenTen series (Jakubíček et al., 2013) was used. The paper briefy describes the corpus, then we thoroughly explain the individual steps of the miQKiB+ ;2M2`iBQMěTQbi@2/BiBM; workfow, including the volume of the manual work needed for the particular phases in terms of person-days. We also present details about the newly created dictionary and discuss directions for its further development.