КорЦенСС

CorCenCC или (валлийский: Corpws Cenedlaethol Cymraeg Cyfoes ) Национальный корпус современного валлийского языка — это языковой ресурс для носителей валлийского языка , изучающих валлийский язык, исследователей валлийского языка и всех, кто интересуется валлийским языком. CorCenCC — это свободно доступная коллекция различных языковых образцов, собранных в ходе реального общения и представленных в текстовом корпусе CorCenCC с возможностью поиска в Интернете . Корпус сопровождается набором онлайн-инструментов для преподавания и обучения – Y Tiwtiadur. ^[1] – который опирается непосредственно на данные корпуса и предоставляет ресурсы для изучения валлийского языка для всех возрастов и уровней.

CorCenCC, запущенный в сентябре 2020 года, представляет собой первый корпус валлийского языка, который включает в себя все три аспекта современного валлийского языка: устный, письменный и электронный (электронный язык).

Состав

CorCenCC охватывает 11 миллионов слов естественного валлийского языка (примечание: версия корпуса, доступная на веб-сайте CorCenCC, сообщает, что результаты представлены в виде токенов, а не слов). Создание CorCenCC было проектом сообщества, который предложил пользователям валлийского языка возможность внести свой вклад в языковой ресурс валлийского языка, отражающий то, как валлийский язык используется в настоящее время. Таким образом, набор данных дает представление о валлийском языке в различных контекстах использования, например, в частных беседах, групповом общении, деловых и других рабочих ситуациях, в образовании, в различных печатных средствах массовой информации и в общественных местах. Полный список включенных контекстов, жанров и тем доступен на сайте проекта.

Разговоры записывались исследовательской группой, а приложение для краудсорсинга позволило говорящим на валлийском языке записывать и загружать в корпус примеры использования собственного языка. Опубликованный корпус CorCenCC был отобран из различных носителей и пользователей валлийского языка из всех регионов Уэльса, всех возрастов и полов, с широким спектром профессий и с разным лингвистическим прошлым (например, как они начали говорить валлийский), чтобы отразить разнообразие типов текста и говорящих на валлийском языке в современном Уэльсе. ^[2]

Инструменты

Набор данных валлийского языка на 11 миллионов слов
Основа выборки CorCenCC
Протоколы транскрипции разговорного валлийского языка
Набор тегов и тегеров для POS-терминалов на валлийском языке, CyTag ^[3] (английский: / ˈ k ə t æ ɡ / ): валлийский POS-тегер (со специальным набором тегов), спроектированный и изготовленный для этого проекта. Он используется вместе с семантическим тегером для маркировки всех лексических элементов в корпусе.
CySemTag (английский: / ˈ k ə s ɛ m ˌ t æ ɡ / ): валлийский семантический тег ^[4]^[5]^[6] автоматически применяет аннотацию корпуса к данным валлийского языка.
Набор педагогических инструментов по валлийскому языку, Y Tiwtiadur ^[7] ( Валлийское произношение: [ə tiutˈjadɪr] ), которое включает:
- инструмент «Заполнение пробелов» (Close)
- инструмент Word Profiler
- инструмент идентификации слов
- инструмент создания задач Word
Краудсорсинговое приложение ^[2] для сбора данных: предназначен для того, чтобы позволить носителям валлийского языка записывать разговоры между собой и другими людьми в различных контекстах и загружать их с этически соответствующего согласия участников для включения в окончательный корпус. Краудсорсинг корпусных данных — это относительно новое направление, которое дополняет более традиционные методы сбора языковых данных и соответствует духу сообщества, существующему среди носителей и изучающих валлийский и другие миноритарные языки .
Новая корпусная инфраструктура CorCenCC ^[8] инструменты запросов, которые включают в себя следующие функции:
- Простой запрос
- Сложный запрос
- Генерация списка частот
- Анализ словосочетаний
- N-граммный анализ
- Согласование
- Анализ ключевых слов

Финансирование

Исследование, на котором был основан проект CorCenCC, финансировалось Британским советом по экономическим и социальным исследованиям ( ESRC ) и Советом по исследованиям в области искусств и гуманитарных наук ( AHRC ) под названием « Corpws Cenedlaethol Cymraeg Cyfoes (Национальный корпус современного валлийского языка): подход, основанный на инициативе сообщества. проект создания лингвистического корпуса» (номер гранта ES/M011348/1).

Внешние ссылки

CorCenCC Национального корпуса современного валлийского языка Веб-сайт
CorCenCC GitHub
Y Tiwtiadur , набор педагогических инструментов по валлийскому языку.

Ссылки

^ «Репетитор – CorCenCC – Национальный корпус современного валлийского языка» . Проверено 18 сентября 2020 г.
^ Jump up to: ^а ^б Нил, С.; Спасич, И. ; Потребности, Дж.; Уоткинс, Г.; Моррис, С.; Фитцпатрик, Т.; Маршалл, Л.; Найт, Д. (2017), «Приложение для краудсорсинга CorCenCC: индивидуальный инструмент для самостоятельного создания национального корпуса современного валлийского языка», Конференция по корпусной лингвистике 2017 , Университет Ньюкасла {{citation}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
^ Нил, С.; Доннелли, К.; Уоткинс, Г.; Найт, Д. (май 2018 г.). «Использование лексических ресурсов и ограничительной грамматики для маркировки частей речи на основе правил на валлийском языке». Плакат представлен на конференции LREC (Language Resources Evaluation) 2018 . Миядзаки, Япония. {{cite conference}}: CS1 maint: дата и год ( ссылка )
^ «Система семантического анализа UCREL (USAS)» . ucrel.lancs.ac.uk . Проверено 18 сентября 2020 г.
^ Пяо, С.; Райсон, П.; Найт, Д.; Уоткинс, Г. (май 2018 г.), «На пути к валлийской системе семантических аннотаций», Материалы конференции LREC (Оценка языковых ресурсов) 2018 г. , Миядзаки, Япония {{citation}}: CS1 maint: дата и год ( ссылка ) CS1 maint: местоположение отсутствует издатель ( ссылка )
^ Пяо, С.; Райсон, П.; Найт, Д.; Уоткинс, Г.; Доннелли, К. (июль 2017 г.), «На пути к валлийскому семантическому тегу: создание лексиконов для языка с ограниченными ресурсами», Материалы конференции по корпусной лингвистике 2017 г. , Университет Бирмингема, Бирмингем, Великобритания {{citation}}: CS1 maint: дата и год ( ссылка ) CS1 maint: местоположение отсутствует издатель ( ссылка )
^ Дэвис, Дж.; Томас, Эм.; Фитцпатрик, Т.; Потребности, Дж.; Энтони, Л.; Кобб, Т.; Найт, Д. (2020). «Y Tiwtiadur. [Цифровой ресурс]» .
^ Найт, Д.; Лоизидес, Ф.; Нил, С.; Энтони, Л.; Спасич, И. (2020). «Разработка вычислительной инфраструктуры для корпуса CorCenCC: Национальный корпус современного валлийского языка» . Языковые ресурсы и оценка . 55 (3): 1–28. дои : 10.1007/s10579-020-09501-9 .

[1] «Репетитор – CorCenCC – Национальный корпус современного валлийского языка» . Проверено 18 сентября 2020 г.

[crowdsource-2] Jump up to: ^а ^б Нил, С.; Спасич, И. ; Потребности, Дж.; Уоткинс, Г.; Моррис, С.; Фитцпатрик, Т.; Маршалл, Л.; Найт, Д. (2017), «Приложение для краудсорсинга CorCenCC: индивидуальный инструмент для самостоятельного создания национального корпуса современного валлийского языка», Конференция по корпусной лингвистике 2017 , Университет Ньюкасла {{citation}}: CS1 maint: отсутствует местоположение издателя ( ссылка )

[3] Нил, С.; Доннелли, К.; Уоткинс, Г.; Найт, Д. (май 2018 г.). «Использование лексических ресурсов и ограничительной грамматики для маркировки частей речи на основе правил на валлийском языке». Плакат представлен на конференции LREC (Language Resources Evaluation) 2018 . Миядзаки, Япония. {{cite conference}}: CS1 maint: дата и год ( ссылка )

[4] «Система семантического анализа UCREL (USAS)» . ucrel.lancs.ac.uk . Проверено 18 сентября 2020 г.

[5] Пяо, С.; Райсон, П.; Найт, Д.; Уоткинс, Г. (май 2018 г.), «На пути к валлийской системе семантических аннотаций», Материалы конференции LREC (Оценка языковых ресурсов) 2018 г. , Миядзаки, Япония {{citation}}: CS1 maint: дата и год ( ссылка ) CS1 maint: местоположение отсутствует издатель ( ссылка )

[6] Пяо, С.; Райсон, П.; Найт, Д.; Уоткинс, Г.; Доннелли, К. (июль 2017 г.), «На пути к валлийскому семантическому тегу: создание лексиконов для языка с ограниченными ресурсами», Материалы конференции по корпусной лингвистике 2017 г. , Университет Бирмингема, Бирмингем, Великобритания {{citation}}: CS1 maint: дата и год ( ссылка ) CS1 maint: местоположение отсутствует издатель ( ссылка )

[7] Дэвис, Дж.; Томас, Эм.; Фитцпатрик, Т.; Потребности, Дж.; Энтони, Л.; Кобб, Т.; Найт, Д. (2020). «Y Tiwtiadur. [Цифровой ресурс]» .

[8] Найт, Д.; Лоизидес, Ф.; Нил, С.; Энтони, Л.; Спасич, И. (2020). «Разработка вычислительной инфраструктуры для корпуса CorCenCC: Национальный корпус современного валлийского языка» . Языковые ресурсы и оценка . 55 (3): 1–28. дои : 10.1007/s10579-020-09501-9 .

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

v т и Корпусная лингвистика
Текстовые корпуса, Английский	Американский национальный корпус Банк английского языка Бергенский корпус Лондонского языка подростков Британский национальный корпус Коричневый Корпус Бакай Корпус Кембриджский корпус английского языка Корпус современного американского английского языка Энрон Корпус ЭнТенТен Международный корпус английского языка Корпус Ланкастер-Осло-Берген Оксфордский корпус английского языка ПропБанк Разговорный корпус английского языка Коммутационный телефонный речевой корпус ТИОН ВербНет Веллингтонский корпус разговорного новозеландского английского языка
Текстовые корпуса, неанглоязычный	Корпус Биджанхана ЧАЙЛДС CorCenCC Национальный корпус современного валлийского языка Корпус хорватского языка Хорватский национальный корпус Чешский национальный корпус Корпус Европарла Справочный корпус немецкого языка Корпус Хамшахри Национальный корпус польского языка Проект неоассирийского текстового корпуса Персидский речевой корпус Коранический арабский корпус Русский национальный корпус Шотландский корпус текстов и речи Словенский национальный корпус TalkBank Татоэба Тегеранский одноязычный корпус Учебник эсперанто Семья Корпуса ТенТен Тезаурус греческого языка
Организации	Консорциум БНК КОБИЛД Эскизный движок