The proposed encoding scheme for the IPI PAN corpus

• Autorzy: Bański P.

Warianty tytułu

PL

Propozycja schematu oznaczania dla korpusu IPI PAN

• Języki publikacji: EN

Abstrakty

EN

The present report describes the encoding scheme used for the purpose of creating a large annotated corpus of Polish, referred to here as the IPI PAN corpus. The corpus is going to contain at least 75-100 million words, and is going to be annotated structurally and morphosyntactically according to the suggestions laid out in the Corpus Encoding Standard (CES) Guidelines. The report begins with an overview of the existing approaches to corpus encoding, discusses the reasons behind the adoption of the CES, and finishes with a description of the activities to be performed during the process of constructing the IPI PAN corpus.

PL

Praca opisuje standard strukturalnego i morfosyntaktycznego oznaczania tekstu znany jako CES, czyli Corpus Encoding Standard, skupiając się na jego nowoczesnej implementacji w języku XML. Standard ten będzie użyty do oznaczenia dużego korpusu tekstów języka polskiego przygotowanego w Instytucie Podstaw Informatyki PAN w Warszawie, pod kątem zastosowań w inżynierii języka Autor omawia przyczyny wyboru tego właśnie standardu, a w szczególności jego wersji zdefiniowanej w języku XML. Praca kończy się opisem praktycznych czynności, jakie będą wykonane w ramach konstruowania korpusu.

Słowa kluczowe

EN

anotation; Corpus Encoding Standard; language engineering; text corpus

PL

anotacja; inżynieria języka; korpus tekstowy

• Wydawca: Instytut Podstaw Informatyki PAN
• Czasopismo: Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
• Rocznik: 2001
• Tom: Nr 936
• Strony: 1--28

Twórcy

autor

Bański P.

• Instytut Anglistyki Uniwersytet Warszawski ul. Nowy Świat 4 00-497 Warszawa