Наш проект занимается созданием корпуса текстов с лингвистической разметкой.

Источник: 0151835

Лингвистическая разметка — это разнообразная информация о тексте: кто и когда его написал, о чём текст; и о словах в нём: к какой части речи относится слово, в каком падеже оно стоит, какая у него словарная форма, с какими словами в предложении оно связано, где в предложении подлежащее и сказуемое.

Источник: 0151835

Поскольку разметка корпуса выполняется вручную или почти вручную, а сами по себе корпуса довольно велики (речь идёт о сотнях тысяч словоупотреблений) то эти размеченные данные составляют существенную часть стоимости получающихся технологий.

Источник: 0151835

Разметка в нашем проекте создаётся усилиями волонтёров и результат публикуется под лицензией CC-BY-SA.

Источник: 0151835

Через несколько недель (да, мы работаем очень медленно) после сообщения кто-то из редакторов разметки придёт, почитает ваш ЖЖ, выберет часть постов и комментариев и поместит их в корпус.

Источник: 0151835

Потом придут другие редакторы и добавят другие "слои" разметки: уберут неправильные грамматические разборы слов и т.д..

Источник: 0151835

Какие посты будет выбирать редактор разметки?

Источник: 0151835

Можно также поучаствовать в проекте в качестве редактора разметки, программиста или как-нибудь ещё.

Источник: 0151835

Вспомните те далёкие — по сетевым, конечно, меркам — времена, когда каждому пользователю Сети хотелось иметь веб-страничку в интернете, но для этого ему приходилось учить язык гипертекстовой разметки HTML.

Источник: 18737 Программирование как хобби

Язык разметки

Источник: Машиночитаемость

Особенно важно рассказать слушателям о способах лингвистической разметки корпусов, а именно – о метаязыке XML и понятии тэгов.

Источник: Компьютерные технологии в формировании профессиональной компетенции переводчика

XML – это фактически набор правил, позволяющих создавать собственные языки разметки (наиболее известным из них является HTML, который часто используют в создании сайтов).

Источник: Компьютерные технологии в формировании профессиональной компетенции переводчика

Для этого необходимо разработать формальную лингвистическую систему разметки ошибок на основе языка XML.

Источник: Корпус несовершенных переводов: необходимость проекта

К сожалению публикации, посвящённые собственно переводческой разметке, в отечественном и зарубежном переводоведении редки, хотя тема представляется весьма актуальной.

Источник: Корпус несовершенных переводов: необходимость проекта

Разметка переводных устных корпусов разрабатывается в университете Тампере, Финляндия, но в ней не учитываются переводческие ошибки.

Источник: Корпус несовершенных переводов: необходимость проекта

В данном проекте мы планируем основываться на работе «Применение дескриптивной разметки для формализации оценки качества перевода».

Источник: Корпус несовершенных переводов: необходимость проекта

Задача лингвистов-переводоведов будет заключаться в разработке критериев отбора текстов в корпус, самой процедуре отбора, создании схемы дескриптивной разметки ошибок и её применении к корпусу.

Источник: Корпус несовершенных переводов: необходимость проекта

Конечно же, основной проблемой станет разметка корпуса по ошибкам: если небольшой корпус ещё можно разметить вручную, то огромные объёмы текстов потребуют автоматизации этого процесса (с последующей проверкой человеком).

Источник: Корпус несовершенных переводов: необходимость проекта

3. Разметка переводческих ошибок в пилотном корпусе.

Источник: Корпус несовершенных переводов: необходимость проекта

6. Разметка основного корпуса.

Источник: Корпус несовершенных переводов: необходимость проекта

Учтя замечания пользователей, мы проведём в нём разметку ошибок, а затем приступим к формированию основного массива корпуса.

Источник: Корпус несовершенных переводов: необходимость проекта

Вёрстка — составление страниц (полос) газеты, журнала, книги определённого размера из набранных строк, заголовков, иллюстраций и тому подобного в соответствие с разметкой или макетом.

Источник: Глава 7