V razpravi so predstavljena in analizirana slovenska prostodostopna terminološka spletišča in spletne strani nekaterih terminoloških slovarskih projektov, ki se razlikujejo po številu virov oziroma strokovnih področij, zasnovi, številu avtorjev, obsežnosti itd. Glavni namen je bil ugotoviti možnosti predstavitve raznolikih terminoloških virov v novem terminološkem portalu, pri čemer je treba upoštevati, da imajo različni uporabniki terminologije različne potrebe.
{"title":"Slovenska terminološka spletišča in njihove zasnove","authors":"Mateja Jemec Tomazin, Mojca Žagar Karer","doi":"10.31724/rihjj.46.2.13","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.13","url":null,"abstract":"V razpravi so predstavljena in analizirana slovenska prostodostopna terminološka spletišča in spletne strani nekaterih terminoloških slovarskih projektov, ki se razlikujejo po številu virov oziroma strokovnih področij, zasnovi, številu avtorjev, obsežnosti itd. Glavni namen je bil ugotoviti možnosti predstavitve raznolikih terminoloških virov v novem terminološkem portalu, pri čemer je treba upoštevati, da imajo različni uporabniki terminologije različne potrebe.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"46 1","pages":"229-252"},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"69769458","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
UDK 811.163.42:811.111’322 Prethodno priopćenje Rukopis primljen 5. XI. 2019. Prihvaćen za tisak 10. VI. 2020. doi.org/10.31724/rihjj.46.2.27 Benedikt Perak Cultural Studies Department, Faculty of Humanities and Social Sciences, University of Rijeka Sveučilišna avenija 4, HR-51000 Rijeka bperak@uniri.hr Tajana Ban Kirigin Department of Mathematics, University of Rijeka Ulica Radmile Matejčić 2, HR-51000 Rijeka bank@math.uniri.hr
UDC 811.163.42:811.111'322收到Rukopis的初步通知5。XI。2019.已接受新闻稿10。VI、 2020年。doi.org/10.31724/rihjj.46.2.27人文与社会科学学院Benedikt Perak文化研究系bperak@uniri.hrTajana Ban Kirigin里耶卡大学数学系Ulica Radmile Matejčić2，HR-51000里耶卡bank@math.uniri.hr
{"title":"Corpus-Based Syntactic-Semantic Graph Analysis","authors":"Benedikt Perak, Tajana Ban Kirigin","doi":"10.31724/rihjj.46.2.27","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.27","url":null,"abstract":"UDK 811.163.42:811.111’322 Prethodno priopćenje Rukopis primljen 5. XI. 2019. Prihvaćen za tisak 10. VI. 2020. doi.org/10.31724/rihjj.46.2.27 Benedikt Perak Cultural Studies Department, Faculty of Humanities and Social Sciences, University of Rijeka Sveučilišna avenija 4, HR-51000 Rijeka bperak@uniri.hr Tajana Ban Kirigin Department of Mathematics, University of Rijeka Ulica Radmile Matejčić 2, HR-51000 Rijeka bank@math.uniri.hr","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"14 1","pages":"957-996"},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://sci-hub-pdf.com/10.31724/rihjj.46.2.27","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"69769507","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
V prispevku so predstavljeni zasnova in uresničitev narečnega tematskega slovarja, ki mu nove tehnološke možnosti omogočajo, da je spletni oziroma e-slovar, interaktivni (z multimedijskimi vsebinami) in rastoči (dopolnjujoči), poleg tega pa ima tudi estetsko celostno grafično podobo, kar vse vpliva na potencialne uporabnike.
{"title":"Uporaba novih medijev v narečnem slovaropisju na primeru Slovarja starega orodja v govoru Loškega Potoka","authors":"V. Smole, Helena Gabrijelčič Tomc, Alenka Kavčič","doi":"10.31724/rihjj.46.2.30","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.30","url":null,"abstract":"V prispevku so predstavljeni zasnova in uresničitev narečnega tematskega slovarja, ki mu nove tehnološke možnosti omogočajo, da je spletni oziroma e-slovar, interaktivni (z multimedijskimi vsebinami) in rastoči (dopolnjujoči), poleg tega pa ima tudi estetsko celostno grafično podobo, kar vse vpliva na potencialne uporabnike.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"46 1","pages":"1039-1057"},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"69769332","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Brojevi su raznolika vrsta riječi, mogu biti jednočlani i višečlani, neki su sklonjivi, neki su nesklonjivi, u brojeve se ubrajaju i brojevne imenice i brojevni pridjevi, pa se i tipovi sklonidbe razlikuju. unatoč tome, opisu njihove tvorbe posvećeno je malo prostora. Babić u Tvorbi riječi u hrvatskome književnome jeziku to tumači ovako: „Koliko među zamjenicama, brojevima, prijedlozima i veznicima i ima tvorbenih riječi, to ih je samo nekoliko i tipovi više nisu plodni. To su većinom za tvorbu riječi zatvoreni sustavi, jer nema novih osnova, često s malim brojem jedinica...ˮ (Babić 2002: 15). u Hrvatskome mrežnom rječniku – Mrežniku predviđeno je da se obradi i tvorba riječi, no pri obradi brojeva i riječi motiviranih brojevima pokazalo se da dosadašnji opisi tvorbe koji se nalaze u gramatikama ne nude sva rješenja, što ih čini manjkavima. u radu će se analizirati tvorba brojeva i riječi tvorenih od brojeva koje su obrađene u Mrežniku.
{"title":"Tvorba brojevnih riječi u Hrvatskome mrežnom rječniku – Mrežniku","authors":"Ivana Matas Ivanković","doi":"10.31724/rihjj.46.2.22","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.22","url":null,"abstract":"Brojevi su raznolika vrsta riječi, mogu biti jednočlani i višečlani, neki su sklonjivi, neki su nesklonjivi, u brojeve se ubrajaju i brojevne imenice i brojevni pridjevi, pa se i tipovi sklonidbe razlikuju. unatoč tome, opisu njihove tvorbe posvećeno je malo prostora. Babić u Tvorbi riječi u hrvatskome književnome jeziku to tumači ovako: „Koliko među zamjenicama, brojevima, prijedlozima i veznicima i ima tvorbenih riječi, to ih je samo nekoliko i tipovi više nisu plodni. To su većinom za tvorbu riječi zatvoreni sustavi, jer nema novih osnova, često s malim brojem jedinica...ˮ (Babić 2002: 15). u Hrvatskome mrežnom rječniku – Mrežniku predviđeno je da se obradi i tvorba riječi, no pri obradi brojeva i riječi motiviranih brojevima pokazalo se da dosadašnji opisi tvorbe koji se nalaze u gramatikama ne nude sva rješenja, što ih čini manjkavima. u radu će se analizirati tvorba brojeva i riječi tvorenih od brojeva koje su obrađene u Mrežniku.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"105 1","pages":""},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"82957543","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
The overall objective of this project is to define linguistic models at the lexical and syntactic levels that appear in the health domain, depending on the type of corpus. In the first phase of the project, the texts forming the medical corpus A – MedCorA (2,232 pharmaceutical instructions for medicaments available in Croatia) were prepared. The terminology found in this corpus was analyzed and the semantic subdomains (anatomy, condition, microorganism, chemistry, etc.) within the medical domain were defined and added to the dictionary entries. These dictionary resources were used as the foundation for the second phase in which NooJ morphological grammars were built allowing annotation of medical terminology in the corpus. Said grammars were built to allow for recognizing Latinisms, as well as Latin expressions written with Croatian case endings, not only Croatian words. Prepared resources are made available to a broader scientific community via Sketch Engine for further research in the field of medicine enabling additional research and development of algorithms for, among others, medical documents classification, medical texts’ information retrieval or machine translation of medical documentation, taking into account quality and reliability as well as terminology variability.
{"title":"Building Croatian Medical Dictionary from Medical Corpus","authors":"Kristina Kocijan, Silvia Kurolt, Linda Mijic","doi":"10.31724/rihjj.46.2.17","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.17","url":null,"abstract":"The overall objective of this project is to define linguistic models at the lexical and syntactic levels that appear in the health domain, depending on the type of corpus. In the first phase of the project, the texts forming the medical corpus A – MedCorA (2,232 pharmaceutical instructions for medicaments available in Croatia) were prepared. The terminology found in this corpus was analyzed and the semantic subdomains (anatomy, condition, microorganism, chemistry, etc.) within the medical domain were defined and added to the dictionary entries. These dictionary resources were used as the foundation for the second phase in which NooJ morphological grammars were built allowing annotation of medical terminology in the corpus. Said grammars were built to allow for recognizing Latinisms, as well as Latin expressions written with Croatian case endings, not only Croatian words. Prepared resources are made available to a broader scientific community via Sketch Engine for further research in the field of medicine enabling additional research and development of algorithms for, among others, medical documents classification, medical texts’ information retrieval or machine translation of medical documentation, taking into account quality and reliability as well as terminology variability.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"6 1","pages":""},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"83729601","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
The Aranea Project offers a set of comparable corpora for two dozens of (mostly European) languages providing a convenient dataset for nLP applications that require training on large amounts of data. The article presents word embedding models trained on the Aranea corpora and an online interface to query the models and visualize the results. The implementation is aimed towards lexicographic use but can be also useful in other fields of linguistic study since the vector space is a plausible model of semantic space of word meanings. Three different models are available – one for a combination of part of speech and lemma, one for raw word forms, and one based on fastText algorithm uses subword vectors and is not limited to whole or known words in finding their semantic relations. The article is describing the interface and major modes of its functionality; it does not try to perform detailed linguistic analysis of presented examples.
{"title":"Word Embedding Based on Large-Scale Web Corpora as a Powerful Lexicographic Tool","authors":"R. Garabík","doi":"10.31724/rihjj.46.2.8","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.8","url":null,"abstract":"The Aranea Project offers a set of comparable corpora for two dozens of (mostly European) languages providing a convenient dataset for nLP applications that require training on large amounts of data. The article presents word embedding models trained on the Aranea corpora and an online interface to query the models and visualize the results. The implementation is aimed towards lexicographic use but can be also useful in other fields of linguistic study since the vector space is a plausible model of semantic space of word meanings. Three different models are available – one for a combination of part of speech and lemma, one for raw word forms, and one based on fastText algorithm uses subword vectors and is not limited to whole or known words in finding their semantic relations. The article is describing the interface and major modes of its functionality; it does not try to perform detailed linguistic analysis of presented examples.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"122 1","pages":""},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"77077593","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
U ovome se radu prikazuje leksikografska obrada varijantnih frazema u mrežnome Frazeološkom rječniku hrvatskoga jezika koji je u izradi, a utemeljen je na podatcima iz računalnoga korpusa hrWaC. U tome se rječniku varijante različitih vrsta (leksičke, tvorbene i sintaktičke) bilježe u istoj natuknici jer imaju zajedničku konceptualnu osnovu. To odražava kognitivnolingvistički pristup frazemima, u kojem se varijante promatraju kao jezične manifestacije različitih konceptualizacija iste situacije, a među kojima zbog toga mogu postojati razlike u leksičkom sastavu, strukturi, značenju i upotrebi. Također, varijantni oblici istoga frazema mogu se razlikovati po stupnju konvencionaliziranosti, pa se redoslijed njihova navođenja u tome e-rječniku temelji na frekvenciji upotrebe prema podatcima iz hrWaC-a. Takva leksikografska obrada frazeološke varijantnosti odražava stvarnu upotrebu, a korisnici dobivaju potpunu i preciznu informaciju o različitim oblicima frazema i njihovim značenjima u suvremenome hrvatskome jeziku.
{"title":"Varijantni frazemi u e-rječniku","authors":"Jelena Parizoska, Ivana Filipović Petrović","doi":"10.31724/rihjj.46.2.26","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.26","url":null,"abstract":"U ovome se radu prikazuje leksikografska obrada varijantnih frazema u mrežnome Frazeološkom rječniku hrvatskoga jezika koji je u izradi, a utemeljen je na podatcima iz računalnoga korpusa hrWaC. U tome se rječniku varijante različitih vrsta (leksičke, tvorbene i sintaktičke) bilježe u istoj natuknici jer imaju zajedničku konceptualnu osnovu. To odražava kognitivnolingvistički pristup frazemima, u kojem se varijante promatraju kao jezične manifestacije različitih konceptualizacija iste situacije, a među kojima zbog toga mogu postojati razlike u leksičkom sastavu, strukturi, značenju i upotrebi. Također, varijantni oblici istoga frazema mogu se razlikovati po stupnju konvencionaliziranosti, pa se redoslijed njihova navođenja u tome e-rječniku temelji na frekvenciji upotrebe prema podatcima iz hrWaC-a. Takva leksikografska obrada frazeološke varijantnosti odražava stvarnu upotrebu, a korisnici dobivaju potpunu i preciznu informaciju o različitim oblicima frazema i njihovim značenjima u suvremenome hrvatskome jeziku.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"22 1","pages":""},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"81402197","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Ovaj rad bavi se leksičkim sredstvima standardnoga jezika preuzetim u jezik znanstvene komunikacije. Zbog razlike u kolokacijskim značenjima koja se ostvaruju u hrvatskome, njemačkome i engleskome jeziku, čestih značenjskih dvojbi prevoditelja znanstvene literature i autora znanstvenih tekstova kao i nedovoljne pokrivenosti toga područja leksika i leksičkih relacija u hrvatsko-njemačkim i hrvatsko-engleskim općim dvojezičnim rječnicima rad upozorava na činjenicu da za korisnika s hrvatskim kao izvornim jezikom ostaje nedostupan jedan važan sloj leksika znanstvenoga jezika. Autorice upućuju na nedostatak pokrivenosti općeznanstvenih glagolsko-imeničkih kolokacija u postojećim tiskanim općim dvojezičnim rječnicima s hrvatskim jezikom kao izvornim jezikom rječnika te na potrebu poboljšanja leksikografskoga prikaza kolokacija u strukturi rječničkoga članka. Prijedlozi autorica mogu pridonijeti poboljšanju leksikografskoga prikaza kolokacija u postojećim dvojezičnim rječnicima, a pohranjivanje popisanih i opisanih općeznanstvenih glagolskoimeničkih kolokacijskih obrazaca u elektroničkome repozitoriju podataka odabranih za prikaz u trojezičnoj usporedbi hrvatskoga, njemačkoga i engleskoga jezika može poslužiti kao temelj dorade postojećih dvojezičnih rječnika, ali i kao temelj izrade budućih dvojezičnih i trojezičnih mrežnih rječnika specijaliziranih za općeznanstveni jezik u kojima bi kolokacijama pripadalo izdvojeno mjesto. Na odabranim primjerima glagolsko-imeničkih kolokacija iz područja humanističkih znanosti (npr. Belege heranziehen, razmotriti znanstvene dokaze, to consider facts; Theorie herausarbeiten, razviti teoriju, to develop / to formulate a theory) i njihovoj međujezičnoj usporedbi ilustrirat će se razlike u značenjima i nejasnoće s kojima se suočava hrvatski korisnik. Takve bi se značenjske nedoumice i nedorečenosti leksikografskoga prikaza mogle izbjeći izradom novih mrežnih dvojezičnih i trojezičnih rječnika općeznanstvenoga hrvatskog, njemačkog i engleskog jezika u kojima bi glagolsko-imeničke općeznanstvene kolokacije bile bolje obuhvaćene i leksikografski prikazane. Takva otvorena elektronička baza podataka dozvoljavala bi stalnu aktualizaciju i doradu rječnika, moderniziranje čestom provjerom u suvremenome korpusu hrvatskoga znanstvenog jezika i nadopunom novim pojavama u jeziku znanstvene komunikacije.
{"title":"Glagolsko-imeničke kolokacije hrvatskoga, njemačkoga i engleskoga općeznanstvenog jezika u općoj dvojezičnoj e-leksikografiji","authors":"Mirjana Šnjarić, Mirjana Borucinsky","doi":"10.31724/rihjj.46.2.34","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.34","url":null,"abstract":"Ovaj rad bavi se leksičkim sredstvima standardnoga jezika preuzetim u jezik znanstvene komunikacije. Zbog razlike u kolokacijskim značenjima koja se ostvaruju u hrvatskome, njemačkome i engleskome jeziku, čestih značenjskih dvojbi prevoditelja znanstvene literature i autora znanstvenih tekstova kao i nedovoljne pokrivenosti toga područja leksika i leksičkih relacija u hrvatsko-njemačkim i hrvatsko-engleskim općim dvojezičnim rječnicima rad upozorava na činjenicu da za korisnika s hrvatskim kao izvornim jezikom ostaje nedostupan jedan važan sloj leksika znanstvenoga jezika. Autorice upućuju na nedostatak pokrivenosti općeznanstvenih glagolsko-imeničkih kolokacija u postojećim tiskanim općim dvojezičnim rječnicima s hrvatskim jezikom kao izvornim jezikom rječnika te na potrebu poboljšanja leksikografskoga prikaza kolokacija u strukturi rječničkoga članka. Prijedlozi autorica mogu pridonijeti poboljšanju leksikografskoga prikaza kolokacija u postojećim dvojezičnim rječnicima, a pohranjivanje popisanih i opisanih općeznanstvenih glagolskoimeničkih kolokacijskih obrazaca u elektroničkome repozitoriju podataka odabranih za prikaz u trojezičnoj usporedbi hrvatskoga, njemačkoga i engleskoga jezika može poslužiti kao temelj dorade postojećih dvojezičnih rječnika, ali i kao temelj izrade budućih dvojezičnih i trojezičnih mrežnih rječnika specijaliziranih za općeznanstveni jezik u kojima bi kolokacijama pripadalo izdvojeno mjesto. Na odabranim primjerima glagolsko-imeničkih kolokacija iz područja humanističkih znanosti (npr. Belege heranziehen, razmotriti znanstvene dokaze, to consider facts; Theorie herausarbeiten, razviti teoriju, to develop / to formulate a theory) i njihovoj međujezičnoj usporedbi ilustrirat će se razlike u značenjima i nejasnoće s kojima se suočava hrvatski korisnik. Takve bi se značenjske nedoumice i nedorečenosti leksikografskoga prikaza mogle izbjeći izradom novih mrežnih dvojezičnih i trojezičnih rječnika općeznanstvenoga hrvatskog, njemačkog i engleskog jezika u kojima bi glagolsko-imeničke općeznanstvene kolokacije bile bolje obuhvaćene i leksikografski prikazane. Takva otvorena elektronička baza podataka dozvoljavala bi stalnu aktualizaciju i doradu rječnika, moderniziranje čestom provjerom u suvremenome korpusu hrvatskoga znanstvenog jezika i nadopunom novim pojavama u jeziku znanstvene komunikacije.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"1 1","pages":""},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"83031724","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Suvremena hrvatska leksikografija plodna je i raznovrsna, no postoje dvojbe koje se preslikavaju iz izdanja u izdanje (što je, dijelom, neizbježno u otvorenome sustavu kao što je leksik). Leksikografske dvojbe množe se i novima kad se leksik izmjesti u novi medij, u e-rječnik ili mrežni rječnik (primjerice otvara se pitanje korpusne utemeljenosti te ozvučivanja leksičkih jedinica ili audiorječnika). U ovome se radu suvremene dvojbe oprimjeruju leksičkim jedinicama sa sastavnicom „bog” jer donose cijelu paletu otvorenih pitanja, naime dotičemo se pravopisne (kako bog/Bog zapovijeda), gramatičke (npr. bog kao imenica i kao uzvik), leksičke (žali Bože / žalibože) i prozodijske (bogtepítaj ili bogtepȋtaj) norme. Dakle, iako je riječ o dvojbama koje se zasigurno odnose na opsežniji korpus (kao što je pitanje gramatikalizacije, pragmatike oblika, (de)onimizacije i frazeologizacije), sužava se pogled na jednu tvorbenu porodicu koji ipak analogijom može iznjedriti općenitija rješenja. Nudi se i primjer mogućega zvučnog zapisa u budućim mrežnim rječnicima te se preispituje korpusna utemeljenost sadašnjih leksikografskih rješenja.
{"title":"Bog u leksikografskoj mreži","authors":"Teodora Fonović Cvijanović, Blaženka Martinović, Vanessa Vitković Marčeta","doi":"10.31724/rihjj.46.2.6","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.6","url":null,"abstract":"Suvremena hrvatska leksikografija plodna je i raznovrsna, no postoje dvojbe koje se preslikavaju iz izdanja u izdanje (što je, dijelom, neizbježno u otvorenome sustavu kao što je leksik). Leksikografske dvojbe množe se i novima kad se leksik izmjesti u novi medij, u e-rječnik ili mrežni rječnik (primjerice otvara se pitanje korpusne utemeljenosti te ozvučivanja leksičkih jedinica ili audiorječnika). U ovome se radu suvremene dvojbe oprimjeruju leksičkim jedinicama sa sastavnicom „bog” jer donose cijelu paletu otvorenih pitanja, naime dotičemo se pravopisne (kako bog/Bog zapovijeda), gramatičke (npr. bog kao imenica i kao uzvik), leksičke (žali Bože / žalibože) i prozodijske (bogtepítaj ili bogtepȋtaj) norme. Dakle, iako je riječ o dvojbama koje se zasigurno odnose na opsežniji korpus (kao što je pitanje gramatikalizacije, pragmatike oblika, (de)onimizacije i frazeologizacije), sužava se pogled na jednu tvorbenu porodicu koji ipak analogijom može iznjedriti općenitija rješenja. Nudi se i primjer mogućega zvučnog zapisa u budućim mrežnim rječnicima te se preispituje korpusna utemeljenost sadašnjih leksikografskih rješenja.","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"46 1","pages":"567-587"},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"49251305","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
The paper describes the error-tagging scheme developed for the CroLTeC learner corpus (http://nlp.ffzg.hr/resources/corpora/croltec/) – the first electronic learner corpus of Croatian as a foreign language. CroLTeC contains essays collected from 755 students with 36 different mother tongues, among which the most prominent were Spanish, English, German, Polish, Chinese, French, and Arabic. It consists of 4,747 essays, out of which 1,217 were digitally born, while 3530 essays were scanned, transcribed in RTF format, Mikelić Preradović.indd 919 4.11.2020. 11:30:22 920 Rasprave 46/2 (2020.) str. 899–920 and converted into XML format. CroLTeC has a total of 1,054,287 tokens, and essays have been collected on all 6 levels of Common European Framework of Reference for Languages (CEFR) at Croaticum – Center for Croatian as Second and Foreign Language at the Faculty of Humanities and Social Sciences in Zagreb, Department of Information Sciences, Natural Language Processing group. All CroLTeC essays contain metadata about the title, number, and type of essay (homework, part of an exam or field class, etc.). Data were lemmatized and annotated with morphosyntactic tags with the ReLDI tagger (Ljubešić et al., 2016). Also, the corpus is searchable by age, sex, language proficiency level, and the mother tongue of the learner. The error-tagging scheme is partially based on Šolar (the scheme of Developmental corpus of Slovene) and the error-coding of the Cambridge Learner Corpus and further tailored to the Croatian language. The goal of the development of the error-tagging scheme is to build a sub-corpus that will serve as a repository of authentic data about the learner’s interlanguage. It should enable researchers and teachers of Croatian as a foreign language to explore the interlanguage, to discover the aspects of the grammar that are the most difficult to master and to tailor teaching materials to different groups of learners (not only according to their Croatian language proficiency level but also to their first language). Finally, the error-tagged sub-corpus should also serve as a starting point for designing computer-aided tools to correct lexical errors, misuse of verbal tenses, phrasal verbs, and collocations. Ključne riječi: učenički korpusi, CroLTeC, obilježavanje pogrešaka, ispravljanje pogrešaka, normalizacija
本文描述了为CroLTeC学习者语料库(http://nlp.ffzg.hr/resources/corpora/croltec/)开发的错误标记方案-克罗地亚语作为外语的第一个电子学习者语料库。CroLTeC收录了来自36种不同母语的755名学生的论文，其中最重要的是西班牙语、英语、德语、波兰语、汉语、法语和阿拉伯语。它由4747篇文章组成，其中1217篇是数字生成的，而3530篇文章被扫描，以RTF格式转录。2020年4月11日。11:30:22 920 Rasprave 46/2 (2020.) str. 899-920并转换为XML格式。CroLTeC共有1,054,287个代币，论文已在萨格勒布人文和社会科学学院克罗地亚语作为第二语言和外语中心的克罗地亚语共同欧洲语言参考框架(CEFR)的所有六个级别上收集，信息科学系，自然语言处理小组。CroLTeC的所有论文都包含有关标题、数量和论文类型(家庭作业、考试的一部分或实地课程等)的元数据。使用ReLDI标记器对数据进行语义化和形态句法标注(Ljubešić et al.， 2016)。此外，语料库可以根据学习者的年龄、性别、语言熟练程度和母语进行搜索。错误标记方案部分基于Šolar(斯洛文尼亚语发展语料库方案)和剑桥学习者语料库的错误编码，并进一步针对克罗地亚语进行了调整。开发错误标记方案的目标是建立一个子语料库，作为学习者中介语的真实数据库。它应使克罗地亚语作为外语的研究人员和教师能够探索中介语，发现语法中最难掌握的方面，并为不同的学习者群体量身定制教材(不仅根据他们的克罗地亚语熟练程度，而且根据他们的第一语言)。最后，错误标记的子语料库也应该作为设计计算机辅助工具的起点，以纠正词汇错误、动词时态、短语动词和搭配的误用。klju nerije i: u eni ki korpusi, CroLTeC, obilježavanje pogrešaka, ispravljanje pogrešaka, normalizacija
{"title":"Označavanje pogrešaka u CroLTeC-u (računalnom učeničkom korpusu hrvatskog kao stranog jezika)","authors":"Nives Mikelić Preradović","doi":"10.31724/rihjj.46.2.24","DOIUrl":"https://doi.org/10.31724/rihjj.46.2.24","url":null,"abstract":"The paper describes the error-tagging scheme developed for the CroLTeC learner corpus (http://nlp.ffzg.hr/resources/corpora/croltec/) – the first electronic learner corpus of Croatian as a foreign language. CroLTeC contains essays collected from 755 students with 36 different mother tongues, among which the most prominent were Spanish, English, German, Polish, Chinese, French, and Arabic. It consists of 4,747 essays, out of which 1,217 were digitally born, while 3530 essays were scanned, transcribed in RTF format, Mikelić Preradović.indd 919 4.11.2020. 11:30:22 920 Rasprave 46/2 (2020.) str. 899–920 and converted into XML format. CroLTeC has a total of 1,054,287 tokens, and essays have been collected on all 6 levels of Common European Framework of Reference for Languages (CEFR) at Croaticum – Center for Croatian as Second and Foreign Language at the Faculty of Humanities and Social Sciences in Zagreb, Department of Information Sciences, Natural Language Processing group. All CroLTeC essays contain metadata about the title, number, and type of essay (homework, part of an exam or field class, etc.). Data were lemmatized and annotated with morphosyntactic tags with the ReLDI tagger (Ljubešić et al., 2016). Also, the corpus is searchable by age, sex, language proficiency level, and the mother tongue of the learner. The error-tagging scheme is partially based on Šolar (the scheme of Developmental corpus of Slovene) and the error-coding of the Cambridge Learner Corpus and further tailored to the Croatian language. The goal of the development of the error-tagging scheme is to build a sub-corpus that will serve as a repository of authentic data about the learner’s interlanguage. It should enable researchers and teachers of Croatian as a foreign language to explore the interlanguage, to discover the aspects of the grammar that are the most difficult to master and to tailor teaching materials to different groups of learners (not only according to their Croatian language proficiency level but also to their first language). Finally, the error-tagged sub-corpus should also serve as a starting point for designing computer-aided tools to correct lexical errors, misuse of verbal tenses, phrasal verbs, and collocations. Ključne riječi: učenički korpusi, CroLTeC, obilježavanje pogrešaka, ispravljanje pogrešaka, normalizacija","PeriodicalId":51986,"journal":{"name":"Rasprave","volume":"46 1","pages":"899-920"},"PeriodicalIF":0.2,"publicationDate":"2020-10-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"47257015","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：