Morfologicky a syntakticky anotované korpusy mnoha jazyků

Poskytovatel

Grantová agentura České republiky

Program

Standardní projekty

Veřejná soutěž

Standardní projekty 19 (SGA0201500001)

Hlavní účastníci

Univerzita Karlova / Matematicko-fyzikální fakulta

Druh soutěže

VS - Veřejná soutěž

Číslo smlouvy

15-10472S

Název projektu anglicky

Morphologically and Syntactically Annotated Corpora of Many Languages

Anotace anglicky

Annotated corpora represent an important resource for a range of tasks in computational linguistics and computational processing of natural language. Such corpora are nowadays available for many languages, even though for some languages their size is rather limited. Unfortunately the corpora were developed by many different teams under varying conditions, and possibly with varying objectives. Mutually incompatible decisions taken during the design of the annotation guidelines make any cross-language comparison and multilingual processing difficult, if not impossible. This project focuses on 1. research of phenomena captured in existing treebanks of 30 different languages; 2. looking for a universally valid annotation for capturing these phenomena and 3. evaluation of suitability of alternative dependency structures for natural language processing, especially for dependency parsing. The results of the research will be summarized in a monograph.

Kategorie VaV

ZV - Základní výzkum

CEP - hlavní obor

AI - Jazykověda

CEP - vedlejší obor

JD - Využití počítačů, robotika a její aplikace

CEP - další vedlejší obor

—

OECD FORD - odpovídající obory <br>(dle <a href="http://www.vyzkum.cz/storage/att/E6EF7938F0E854BAE520AC119FB22E8D/Prevodnik_oboru_Frascati.pdf">převodníku</a>)

20204 - Robotics and automatic control<br>20205 - Automation and control systems<br>60201 - General language studies<br>60202 - Specific languages<br>60203 - Linguistics

Hodnocení poskytovatelem

V - Vynikající výsledky projektu (s mezinárodním významem atd.)

Zhodnocení výsledků projektu

Projekt dokázal nad rámec svých původních cílů vytvořit instrukce pro morfologickou a syntaktickou anotaci, které lze použít pro více než 60 jazyků, a skutečně je na tyto jazyky i aplikoval, čímž vznikl mnohojazyčný korpus bezprecedentního rozsahu. Kromě toho dosáhl i cenných teoretických výsledků.

Zahájení řešení

1. 1. 2015

Ukončení řešení

25. 4. 2019

Poslední stav řešení

U - Ukončený projekt

Poslední uvolnění podpory

11. 4. 2017

Důvěrnost údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Systémové označení dodávky dat

CEP20-GA0-GA-U/01:1

Datum dodání záznamu

2. 7. 2020

Celkové uznané náklady

3 382 tis. Kč

Výše podpory ze státního rozpočtu

3 382 tis. Kč

Ostatní veřejné zdroje financování

0 tis. Kč

Neveřejné tuz. a zahr. zdroje finan.

0 tis. Kč