PtTenTen: A corpus for Portuguese lexicography (2014)výskyt výsledku
| Identifikační kód | RIV/00216224:14330/14:00075222 |
|---|---|
| Název v anglickém jazyce | PtTenTen: A corpus for Portuguese lexicography |
| Druh | C - Kapitola resp. kapitoly v odborné knize |
| Jazyk | eng - angličtina |
| Obor - skupina | I - Informatika |
| Obor | IN - Informatika |
| Rok uplatnění | 2014 |
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů. |
| Počet výskytů výsledku | 1 |
| Počet tvůrců celkem | 5 |
| Počet domácích tvůrců | 2 |
| Výčet všech uvedených jednotlivých tvůrců | Adam Kilgarriff (státní příslušnost: GB - Spojené království Velké Británie a Severního Irska) Miloš Jakubíček (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 5837189) Jan Pomikálek (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 4980190) Tony Berber Sardinha (státní příslušnost: GB - Spojené království Velké Británie a Severního Irska) Pete Whitelock (státní příslušnost: GB - Spojené království Velké Británie a Severního Irska) |
| Popis výsledku v anglickém jazyce | 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?sgrammatical 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. |
| Klíčová slova oddělená středníkem | pttenten; portuguese; lexicography; corpus; corpora |
| Stránka www, na které se nachází výsledek | http://www.bloomsbury.com/uk/working-with-portuguese-corpora-9781441190505/ |
Údaje o výsledku v závislosti na druhu výsledku
| Název knihy nebo sborníku v originálním jazyce | Working with Portuguese Corpora |
|---|---|
| ISBN | 9781441190505 |
| Počet stran výsledku | 8 |
| Strana od-do | 280-287 |
| Počet stran knihy | 320 |
| Název nakladatele | Bloomsbury Publishing |
| Místo vydání | London |
| Kód UT WoS kapitoly podle Web of Science | - |
Ostatní informace o výsledku
| Předkladatel | Masarykova univerzita / Fakulta informatiky |
|---|---|
| Dodavatel | MSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT) |
| Rok sběru | 2015 |
| Specifikace | RIV/00216224:14330/14:00075222!RIV15-MSM-14330___ |
| Datum poslední aktualizace výsledku | 29.05.2015 |
| Kontrolní číslo | 152393276 |
Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl
| Projekt podporovaný MŠMT v programu LA | LA09016 - Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (2009 - 2012) |
|---|---|
| Projekt podporovaný MŠMT v programu LM | LM2010013 - LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat (2010 - 2015) |
| Podpora / návaznosti | Institucionální podpora na rozvoj výzkumné organizace Specifický výzkum na vysokých školách, poskytovatel MŠMT |