Hrvatski paralelni korpusi (Kroatische Parallelkorpora) Seminar: „Slawische Korpuslinguistik“ Ernedina Muminović ([email protected]) & Silvije Beus ([email protected]) o.Univ.-Prof. Mag. Dr. Branko Tošović, SS 2006 4. April 2006
Apr 06, 2016
Hrvatski paralelni korpusi(Kroatische Parallelkorpora)
Seminar: „Slawische Korpuslinguistik“ Ernedina Muminović ([email protected])
& Silvije Beus ([email protected])o.Univ.-Prof. Mag. Dr. Branko Tošović, SS 2006
4. April 2006
Slawische Korpuslinguistik 2
Pojmovi (Begriffe)
Korpus Paralelni korpus (Parallelkorpus) Računalni korpus (Elektronisches Korpus) Sravnjivanje (Alignement) Pojavnice (Wörter)
Slawische Korpuslinguistik 3
Hrvatski korpusi (Kroatische Korpora)
Hrvatski korpusi(Kroatische Korpora)
Hrvatski nacionalni korpus(Kroatisches Nationalkorpus)
Hrvatska mrežna riznica(Kroatische Netzquelle)
http://www.hnk.ffzg.hr/ http://riznica.ihjj.hr/
Slawische Korpuslinguistik 4
Hrvatski nacionalni korpus(Kroatisches Nationalkorpus)
Hrvatski nacionalni korpus (101,3 mil.)(Kroatisches Nationalkorpus 101,3 Mio.)
Korpus suvremenoga hrvatskoga(Korpus der kro. Gegenwartssprache)
Zbirka hrvatskih tekstova(Kro. Textsammlung)
Slawische Korpuslinguistik 5
Korpus suvremenoga hrv. jezika(Korpus kro. Gegenwartssprache) 30 mil.
30 milijunski korpus suvremenog hrvatskog jezika (30 Mio. Wörter) Tekstovi od 1990. do danas (Texte ab 1990
bis heute) Različita područja i žanrovi (Verschiedene
Gebiete und Genres) Reprezentativan za hrv. suvremeni
standardni jezik (Representativ für die kro. Standardsprache)
Slawische Korpuslinguistik 6
Zbirka hrvatskih tekstova(Kroatische Textsammlung) HETA
hrvatski elektronski tekstovni arhiv: (Kroatisches elektronisches Textarchiv) Tekstovi stariji od 1990. godine (Texte vor
1990) I neki tekstovi nakon 1990. godine (wenige
Texte ab 1990)
Slawische Korpuslinguistik 7
Hrvatska jezična mrežna riznica(Kroatische Netzquelle) Početak (Beginn): 2005. godine Tekstovi iz druge polovice XIX. st. (Texte
aus der 2. Hälfte des 19. Jh.) Djela hrv. književnosti (Werke kro. Literatur) Publicistička djela (Werke aus der Publizistik) Znanstvena djela (Wissenschaftliche Werke) Literarna djela prevedena na hrvatski
(Literarische Werke übersetzt auf Kroatisch) Tisak (Presse) Djela iz predstandardnoga razdoblja (Werke vor
der Standardisierung der kroatischen Sprache)
Slawische Korpuslinguistik 8
Ciljevi (Ziele) Dostupnost materijala preko Interneta
(Internetzugang) Informacije o hrvatskoj jezičnoj normi
(Informationen über die kro. Sprachnorm) Izrada Velikoga rječnika hrvatskoga jezika
(Verfassen des Großen Wörterbuches der kro. Sprache)
Opća jezikoslovna istraživanja (Allgemeine Sprachuntersuchungen)
Slawische Korpuslinguistik 9
Hrv.-slo. paralelni korpus(Kroatisch-slowenisches Parallelkorpus) Početak (Beginn): 1999. godine Sporazum o dvostranoj znanstvenoj
suradnji Hrvatske i Slovenije (Abkommen)
Trajanje (Dauer): 2 godine Učesnici (Teilnehmer): Filozofski
fakulteti u Zagrebu i Ljubljani
Slawische Korpuslinguistik 10
Ciljevi (Ziele) Stvaranje usporednog korpusa
(Schaffen des Parallelkorpus) Skupljanje hrvatskih i slovenskih
originala i odgovarajućih prijevoda (Sammeln)
Sravnjivanje korpusa na razini rečeničnih prijevodnih ekvivalenata (Korpusalignement)
Slobodan pristup korpusu putem Interneta (Internetzugang)
Slawische Korpuslinguistik 11
Primjena rezulatata (Verwendung der Resultate) Pomoć pri učenju jezika (Hilfe bei
Fremdsprachenerlernung) Stvaranje kontrastivne gramatike i
udžbenika (Kontrastive Grammatik und Lehrbücher)
Sastavljane dvojezičnih rječnika (zweisprachige Wörterbücher)
Slawische Korpuslinguistik 12
Primjena rezulatata (Verwendung der Resultate) Leksikografska i leksikološka
istraživanje (lexikograpische und lexikographische Untersuchungen)
Mogućnost slobodnog korištenja npr. pri prevođenju, studiranju… (Korpus als Hilfestellung bei Translationen, beim Studieren...)
Slawische Korpuslinguistik 13
Građa (Aufbau) 500.000 pojavnica po jeziku (Wörter) Vremenski raspon tekstova: 1990.-
2001. (Texte von 1990-2001)
Slawische Korpuslinguistik 14
Podjela korpusa(Korpusgliederung)
Struktura po žanru(Struktur nach Genres)
Beletristika(Belletristik)
Publicistika(Publizistik)
Stručni testovi(Fachtexte)
200.000 pojavnica(Wörter)
Znanost(Wissenschaft)
75.000 pojavnica(Wörter)
150.000 pojavnica(Wörter)
75.000 pojavnica(Wörter)
Slawische Korpuslinguistik 15
Obrada korpusa (Korpusbearbeitung) Pretvaranje teksta u XML format (XML-
Formatierung) Program 2XML Segmentacija (Satzsegmentierung) Obilježavanje rečenica ID oznakama
(Satzkennzeichnung) Usklađivanje odlomaka (Absatzangleichung) Sravnjivanje teksta pomoću programa
Vanilla Aligner (Alignement)
Slawische Korpuslinguistik 16
Hrv.-engl. paralelni korpus(Kroatisch-englisches Parallelkorpus) Početak (Beginn):
1. hrv.-engl. korpus (kro.-engl. Korpus) 1968.-1971. “Srpskohrvatsko-engleski
kontrastivni projekt” (serbokro.-engl. kontrastives Projekt)
Skupljanje i obrada materijala (Sammeln und Verarbeiten)
Izdavanje velikog broja naučnih publikacija (Publikationen)
Slawische Korpuslinguistik 17
Hrv.-engl. paralelni korpus(Kroatisch-englisches Parallelkorpus)
2. hrv.-engl. korpus (kro.-engl. Korpus) Prijevod Platonove “Države” (Plato‘s
“Republik”) Prilično malog opsega (relativ klein) Nije mjerodavan (nicht aussagekräftig)
3. hrv.-engl. korpus (kro.-engl. Korpus) Cilj mu je testirati (Ziel):
Organizaciju paralelnih korpusa (Organisation) Sravnjivanje (Alignement)
Slawische Korpuslinguistik 18
Hrv.-engl. paralelni korpus(Kroatisch-englisches Parallelkorpus) Početak (Beginn): 1998.-2001. Skupljanje materijala na FF u Zagrebu
(Materialsammlung)
Slawische Korpuslinguistik 19
Izvor (Quelle) Tjednik “Croatia Weekly”
(Wochenzeitung) Članci s hrvatskog prevođeni na engleski
jezik (Übersetzungen Kroatisch-Englisch) Vremenski raspon članaka 1998.-2000.
(Artikel von 1998-2000) Područja proučavanja
(Forschungsgebiete): Politika, gospodarstvo i financije, turizam,
ekologija, umjetnost, sport, zbivanja
Slawische Korpuslinguistik 20
Korpusni parametri (Korpusparameter)
Jezik(Sprache)
Hrvatski(Kroatisch)
Engleski(Englisch)
Članci(Artikel)
4.748 4.748
Rečenice(Sätze)
74.638 82.898
Pojavnice(Wörter)
1.636.246 1.968.874
Slawische Korpuslinguistik 21
Obrada teksta (Textverarbeitung) Pretvaranje teksta u XML format (XML-
Formatierung) Usklađivanje odlomaka
(Absatzangleichung) Obilježavanje rečenica ID oznakama
(Identifikation) Sravnjivanje teksta pomoću programa
Vanilla Aligner (Alignement)
Slawische Korpuslinguistik 22
Sravnjeni hrv.-engl. Korpus(Aligntes Kro.-Engl. Korpus)0:1 250 0,35 %1:0 19 0,09 %1:1 58788 83,52 %1:2 9374 13,32 %2:1 1529 2,17 %2:2 432 0,61 %Ukupno (gesamt)
70392 100 %
Slawische Korpuslinguistik 23
Literatura (Literaturverzeichnis)Tadić, M. (1996): Računalna obradba hrvatskoga i nacionalni
korpus, in: Suvremena lingvistika 41-42; 603-612. Tadić, M. (1998): Raspon, opseg i sastav korpusa suvremenoga
hrvatskoga jezika, in: Filologija 30-31; 337-347. Tadić, M. (2000): Building the Croatian-English Parallel Corpus, in:
Zbornik, 1; 523-530. Tadić, M., Požgaj-Hadži, V. (2000): Hrvatsko-slovenski paralelni
korpus, Jezikovne tehnologije / Language Technologies, Ljubljana, 70-74.
Tadić, M. (2001): Procedures in Building the Croatian-English Parallel Corpus, in: International Journal of Corpus Linguistics, 107-123.
Slawische Korpuslinguistik 24
Literatura (Literaturverzeichnis)Tadić, M., Šojat, K. (2002): Identifikacija prijevodnih ekvivalenata u
hrvatsko-engleskom paralelnom korpusu, in: Filologija 38-39; 247-262.
Tadić, M. et al. (2004): Making Monolingual Corpora Comparable: a Case Study of Bulgarian and Croatian, in: Zbornik, 4; 1187-1190.
Internet: http://www.hnk.ffzg.hr/http://www.hnk.ffzg.hr/mt/http://riznica.ihjj.hr/http://www-gewi.kfunigraz.ac.at/gralis/