The Corpus Thread - Det Danske Sprog- og Litteraturselskab

More documents

Recommendations

Info

10.2. Funktionaliteter 166 Funktionaliteten betragtes som særdeles central også i relation til det samlede projekts målsætning, således som den kommer til udtryk i afsnittet Technology i annex 1 i DK-CLARIN’s samlede projektbeskrivelse. Funktionaliteten har derfor højeste prioritet. 10.2.2 Sammensætning af et udvalg af tekster Beskrivelse Denne funktionalitet ligger i forlængelse af den, der blev beskrevet i afsnittet ovf. Når brugeren har dannet sig et overblik over, hvilket tekstmateriale der er tilgængeligt, kan han definere en profil, der på baggrund af metadata og evt. forekomst af bestemte ord i teksterne kan udpege præcist alle de tekster, som matcher den. I det omfang, det er teknisk og juridisk muligt, skal brugeren endvidere have en eller anden form for adgang til teksterne, fx ved at han kan få vist teksterne i deres helhed på skærmen, downloade dem eller få adgang til dem i et konkordansværktøj. Implementering På portalsitet implementeres et interface til definition af profiler og et værktøj, der på baggrund af en sådan profil 5 fremfinder de matchende tekster 6 , således at brugeren har fornemmelsen af umiddelbart at råde over sit udvalg af tekster, uanset hvor teksterne ellers måtte ligge rent fysisk i den samlede infrastruktur. Brugeren kan fx blive præsenteret for en liste over relevante tekster. Et klik på et emne på listen kan fx føre til en fuldtekstversion af pågældende tekst og en fuldstændig oversigt over dens metadata, evt. endda download af alle eller nogle tekster i udvalget, hvis DK-CLARIN’s ophavsretaftaler tillader det. Metadata stilles til rådighed af de enkelte tekstsamlingers udbydere i form af webservices eller afleveres til DK-CLARINportalsitets metadata-repository. En primitiv form for konkordanssøgning på en sådan gruppe tekster kan evt. også overvejes implementeret. Endelig kan man i en senere fase af DK-CLARIN (efter 2010) forestille sig, at et sådant tekstudvalg også kan blive behandlet af andre værktøjer på sitet. Prioritering Denne funktionalitet vil være interessant for sprogforskere, især hvis den kombineres med funktionaliteterne 3–5. Den vil være interessant for sprog- 5 Endvidere kan en simpel søgning på forekomst af bestemte ord i tekstmaterialet overvejes som en del af profilen, fx på et niveau, der svarer til Googles. 6 Skal et udvalg af tekster sammenstilles med materiale fra flere forskellige tekstsamlinger (måske placeret hos flere forskellige udbydere), kræves, at deres metadata er identisk opbyggede, hvorfor tekstsamlingerne så vidt muligt bør anvende en fælles metadatastandard: TEI P5-headere. Endvidere kræves ensartet tokenisering og – i det omfang, det giver mening – annotation.
10.2. Funktionaliteter 167 teknologer, især hvis den kombineres med funktionaliteterne 7–10. Funktionaliteten hænger tæt sammen med den, der er beskrevet i afsnit 10.2.1 ovenfor og er derfor ligeledes central for DK-CLARIN’s overordnede målsætning. Den bør derfor være implementeret i den første version af infrastrukturløsningen. 10.2.3 Arkivering af et brugerdefineret udvalg af tekster Beskrivelse Da det kan være en omfattende opgave at oprette en profil, der præcist udvælger de tekstenheder fra tekstsamlingerne, som man som bruger måtte være interesseret i at beskæftige sig med, bør et brugerdefineret udvalg af tekster kunne arkiveres på portalsitet, således at brugeren selv kan få adgang til det igen, og således at han også kan give andre adgang hertil. I forbindelse med arkiveringen bliver brugeren bedt om at give en beskrivelse for udvalget i form af fastlagte metadata. Brugeren kan endvidere fastlægge offentlighedsgraden for udvalget. Implementering På portalsitet implementeres et interface til input af brugerens beskrivelse af det valgte udtræk i form af fastlagte metadata. Tekstudvalget gemmes som en række pointere på portalsitet sammen med brugerens metadata for udvalget samt følgende oplysninger: 1. bruger-id 2. søgeprofilen, som ligger til grund for udvælgelsen af teksterne Prioritering Med hensyn til brugermålgruppen for denne funktionalitet, jf. afsnittet Prioritering under afsnit 10.2.2. Funktionaliteten kan betragtes som hørende sammen med dem beskrevet i afsnit 10.2.1 og 10.2.2 og bør derfor implementeres. Funktionaliteterne 1–3 kan betragtes som et hele og bør derfor alle være implementeret i første version af infrastrukturen. Hvis en prioritering af disse tre funktionaliteter skulle vise sig nødvendig, anbefales de implementeret i rækkefølgen 1, 2, 3. 10.2.4 Indeksering af et brugerdefineret korpus Beskrivelse Et specifikt udvalg af tekster er i princippet et korpus. Når brugeren har udvalgt bestemte tekster, der tilsammen udgør et korpus, er det nærliggende,
Page 1 and 2:
The Corpus Thread “Reference corp
Page 3 and 4:
Chapter 1 Aim and concepts Sketchin
Page 5 and 6:
1.1. Aim of the project 5 Metadata
Page 7 and 8:
1.2. Project tasks and documentatio
Page 9 and 10:
Page 11 and 12:
Page 13 and 14:
1.3. Text collection, text bank, co
Page 15 and 16:
Chapter 2 The text bank A platform
Page 17 and 18:
2.2. Implementation 17 and metadata
Page 19 and 20:
Chapter 3 Text metadata What the he
Page 21 and 22:
3.1. Concepts 21 Section 3.3 starts
Page 23 and 24:
3.2. Header structure 23 (file des
Page 25 and 26:
3.2. Header structure 25 great verb
Page 27 and 28:
3.2. Header structure 27 The follow
Page 29 and 30:
3.2. Header structure 29 deprecated
Page 31 and 32:
3.2. Header structure 31 the text i
Page 33 and 34:
3.2. Header structure 33 Another el
Page 35 and 36:
3.2. Header structure 35 appDesc
Page 37 and 38:
3.2. Header structure 37 informal p
Page 39 and 40:
3.2. Header structure 39 3.2.3.4 Te
Page 41 and 42:
3.3. Filling in the header 41 revi
Page 43 and 44:
3.3. Filling in the header 43 samp
Page 45 and 46:
3.3. Filling in the header 45 and 9
Page 47 and 48:
3.3. Filling in the header 47 descr
Page 49 and 50:
3.3. Filling in the header 49 ⊲ a
Page 51 and 52:
3.3. Filling in the header 51 Legal
Page 53 and 54:
3.3. Filling in the header 53 ⊲ a
Page 55 and 56:
Page 57 and 58:
Page 59 and 60:
Page 61 and 62:
3.3. Filling in the header 61 Value
Page 63 and 64:
Page 65 and 66:
3.3. Filling in the header 65 ⊲ p
Page 67 and 68:
3.3. Filling in the header 67 Prope
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
3.3. Filling in the header 83 3.3.3
Page 85 and 86:
4.1. Basic considerations 85 Outlin
Page 87 and 88:
4.2. Formatting text 87 russiske hi
Page 89 and 90:
4.2. Formatting text 89 Mirganjan
Page 91 and 92:
4.2. Formatting text 91 udvikle ude
Page 93 and 94:
4.2. Formatting text 93 4.2.3.4 Add
Page 95 and 96:
4.2. Formatting text 95 i dag . T
Page 97 and 98:
Part III Collecting 97
Page 99 and 100:
5.1. Implementation 99 5.5.2 Implem
Page 101 and 102:
5.1. Implementation 101 [request c
Page 103 and 104:
5.2. Header constructor:make-header
Page 105 and 106:
Page 107 and 108:
Page 109 and 110:
Page 111 and 112:
Page 113 and 114:
Page 115 and 116: 5.3. Pre-tokenizer:pretokenize 115
Page 117 and 118: 5.3. Pre-tokenizer:pretokenize 117
Page 119 and 120: 5.4. Text id registry:register-text
Page 121 and 122: 5.4. Text id registry:register-text
Page 123 and 124: 5.5. id dispatcher:make-id 123 0 11
Page 125 and 126: Part IV Markup 125
Page 127 and 128: 6.1. Requirements 127 Outline of th
Page 129 and 130: 6.2. Survey 129 1. IMS’s TreeTagg
Page 131 and 132: 6.2. Survey 131 Code: Java. Assessm
Page 133 and 134: 6.2. Survey 133 9. alias-i’s Ling
Page 135 and 136: 6.3. Case study 135 lemmatization c
Page 137 and 138: 6.4. Further reading 137 disambigua
Page 139 and 140: 7.1. Modifications of the PAROLE Co
Page 141 and 142: 7.2. The ePOS tag set for Danish 14
Page 153 and 154: Chapter 8 The full-form lexicon Sam
Page 155 and 156: 8.1. Enhancing existing material 15
Page 157 and 158: 8.1. Enhancing existing material 15
Page 159 and 160: Part V Deployment 159
Page 161 and 162: 9.2. Text material 161 Type Source
Page 163 and 164: 10.2. Funktionaliteter 163 2. The u
Page 165: 10.2. Funktionaliteter 165 fortolke
Page 169 and 170: 10.2. Funktionaliteter 169 Implemen
Page 171 and 172: 10.2. Funktionaliteter 171 forbinde
Page 173 and 174: 10.2. Funktionaliteter 173 10.2.9 K
Page 175 and 176: Bibliography Andersen, M. S., Asmus
show all

The Corpus Thread - Det Danske Sprog- og Litteraturselskab

Create successful ePaper yourself

Delete template?

Save as template?