| Údaje o výsledku |
| Identifikační kód | RIV/00216224:14330/12:00064722 |
| Název v původním jazyce | Towards 100M Morphologically Annotated Corpus of Tajik |
| Druh | D - Článek ve sborníku |
| Jazyk | eng - angličtina |
| Obor | AI - Jazykověda |
| Rok uplatnění | 2012 |
| Kód důvěrnosti údajů | S - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů |
| Počet výskytů výsledku | 1 |
| Údaje z Hodnocení výsledků výzkumných organizací 2014 |
| Výsledek byl hodnocen v Pilíři I |
| Rozsah vyřazení výsledku | Tento výskyt výsledku není vyřazen |
| Zařazení výsledku v hodnocení | neu - Výsledky bez bodového hodnocení nebo vyřazené |
| Skupina oboru v hodnocení | 01 - Společenské, humanitní a umělecké vědy - SHVa |
| Konkrétní způsob(y) hodnocení výsledku | Článek ve sborníku má uvedeno ISBN nebo ISSN, ale to není v databázi Conference Proceedings Citation Index ani v databázi Scopus. |
| Rozdělení výsledku mezi předkladatele |
| Organizace | Výzkumná organizace? | Podíl | Body | Body (upravené podle přílohy č. 8 Metodiky) |
|---|
| Masarykova univerzita / Fakulta informatiky | ano | 100,0 % | 0,000 | |
|
| Tvůrci výsledku |
| Počet tvůrců celkem | 3 |
| Počet domácích tvůrců | 3 |
| Tvůrce | Dovudov Gulshan (státní příslušnost: TJ - Republika Tádžikistán; A - domácí tvůrce) |
| Tvůrce | Suchomel Vít (státní příslušnost: CZ - Česká republika; A - domácí tvůrce; vedidk: 8884439) |
| Tvůrce | Šmerk Pavel (státní příslušnost: CZ - Česká republika; A - domácí tvůrce; G - garant výsledku; vedidk: 1322451) |
| Údaje blíže specifikující výsledek |
| Popis v původním jazyce | The paper presents a work in progress: building morphologically annotated corpus of Tajik language of the size more than 100 million tokens. The corpus is and will be by far the largest available computer corpus of Tajik: even its current size is almost 85 million tokens. Because the available text sources are rather scarce, to achieve the goal also the texts of a lower quality have to be included. This short paper briefly reviews the current state of the corpus and analyzer, discusses problems with either “normalization” or at least categorization of low quality texts and finally also the perspectives for the nearest future. |
| Klíčová slova | web corpora; Tajik |
| Název sborníku | Proceedings of Recent Advances in Slavonic Natural Language Processing, RASLAN 2012 |
| Rozsah stran | 91-94 |
| Forma vydání | P - Tištěná verze „print“ |
| ISBN | 9788026303138 |
| Počet stran výsledku | 4 |
| Název nakladatele | Tribun EU |
| Místo vydání | Brno |
| Místo konání akce | Karlova Studánka |
| Rok konání akce | 2012 |
| Typ akce podle státní příslušnoti účastníků | EUR - Evropská |
| Adresa www stránky s výsledkem | http://raslan2012.nlp-consulting.net/program |
| Údaje o tomto záznamu o výsledku |
| Předkladatel | Masarykova univerzita / Fakulta informatiky |
| Dodavatel | MSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT) |
| Rok sběru | 2013 |
| Systémové označení dodávky dat | RIV13-MSM-14330___/02:2 |
| Specifikace | RIV/00216224:14330/12:00064722!RIV13-MSM-14330___ |
| Kontrolní kód | [7C1CE48E9CB5] |
| Jiný výskyt tohoto výsledku se v RIV nenachází |
| Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl |
| Projekt | LM2010013 - LINDAT-CLARIN: Institut pro analýzu, zpracování a distribuci lingvistických dat (2010-2015, MSM/LM) |