Building a Corpus of Old Czech

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F12%3A10130057" target="_blank" >RIV/00216208:11320/12:10130057 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Building a Corpus of Old Czech

Popis výsledku v původním jazyce

In this paper we describe our efforts to build a corpus of Old Czech. We report on tools, resources and methodologies used during the corpus development as well as discuss the corpus sources and structure, the tagset used, the approach to lemmatization,morphological analysis and tagging. Due to practical restrictions we adapt resources and tools developed for Modern Czech. However, some of the described challenges, such as the non-standardized spelling in early Czech and the form and lemma variabilitydue to language change during the covered time-span, are unique and never arise when building synchronic corpora of Modern Czech.

Název v anglickém jazyce

Building a Corpus of Old Czech

Popis výsledku anglicky

In this paper we describe our efforts to build a corpus of Old Czech. We report on tools, resources and methodologies used during the corpus development as well as discuss the corpus sources and structure, the tagset used, the approach to lemmatization,morphological analysis and tagging. Due to practical restrictions we adapt resources and tools developed for Modern Czech. However, some of the described challenges, such as the non-standardized spelling in early Czech and the form and lemma variabilitydue to language change during the covered time-span, are unique and never arise when building synchronic corpora of Modern Czech.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2012

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 8th International Conference on Language Resources and Evaluation (LREC 2012)

ISBN

978-2-9517408-7-7

ISSN

—

e-ISSN

—

Počet stran výsledku

1

Strana od-do

1

Název nakladatele

European Language Resources Association

Místo vydání

?stanbul, Turkey

Místo konání akce

?stanbul, Turkey

Datum konání akce

21. 5. 2012

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—