Открытый Корпус: пасьянс для слабаков. Пришло время снять неоднозначность.

[kaganer]

Не буду делать перепост, а просто дам ссылку на lazy_frog: Открытый Корпус: пасьянс для слабаков. Пришло время снять неоднозначность.

Это про "Открытый корпус" (OpenCorpora.org) и про то, как и чем в нём можно участвовать.

PS: Для всех и каждого, но специально — для склонных к хроническому лингвизму;)

Comments

[lazy-frog.livejournal.com]

Надо размечать отдельное слово. Обороты, сложные предлоги и т.д. будем собирать на уровне синтаксиса.

Эту границу (между синтсаксисом и морфологией) надо было где-то проводить, и решили сделать это так: всё, что разделено пробелами на письме - это уже точно синтаксис. У него будет свои единицы аннотации (мультитокены и связи между ними) и свой интерфейс для редактирования.

Тексты, попавшие в корпус, довольно шумные: в новостях очень много опечаток (почти в каждой статье), в блогах тоже достаточно разнообразных явлений. Решили брать тексты такими, какими они пришли из первоисточника. Потом добавить слой разметки опечаток. Помета для опечаток уже есть, но её пока не поставить из интерфейса. Если Вы видите очевидную ошибку, то есть смысл писать комментарий. По ним потом легко будет вернуться к исходным текстам и добавить пометы.

[kaganer.livejournal.com]

Хорошо, в данном случае какой вариант выбирать? "Другое"? или "Единственное"?

[lazy-frog.livejournal.com]

"Единственное"

[kaganer.livejournal.com]

OK