2012
Setting up for corpus lexicography
KILGARRIFF, Adam, Jan POMIKÁLEK, Miloš JAKUBÍČEK a Pete WHITELOCKZákladní údaje
Originální název
Setting up for corpus lexicography
Autoři
KILGARRIFF, Adam (826 Velká Británie a Severní Irsko), Jan POMIKÁLEK (203 Česká republika, domácí), Miloš JAKUBÍČEK (203 Česká republika, garant, domácí) a Pete WHITELOCK (826 Velká Británie a Severní Irsko)
Vydání
Oslo, Norway, Proceedings of the 15th EURALEX International Congress, od s. 606-612, 7 s. 2012
Nakladatel
Department of Linguistics and Scandinavian Studies, University of Oslo
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
tištěná verze "print"
Odkazy
Kód RIV
RIV/00216224:14330/12:00060816
Organizační jednotka
Fakulta informatiky
ISBN
978-82-303-2228-4
Klíčová slova anglicky
corpora; corpus lexicography; web crawling; dependency parsing
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 23. 4. 2013 07:28, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
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 VaV |
|