200 likes | 289 Views
Electronic Database for Linguistic and Language Research. 語言的電子資料庫 和 語言研究. 一、機器語言可處理的文件快速增加 原因 1. 電子出版 2. 線上資料庫及紀錄 二、基本語言分析 ↓ 基本語言資料庫研究. 三、機器語言可處理的文件來源 1. 易取得與使用的大型資料庫 2. 可解決讀者、學者、學生的基本需求. Dictionaries. 字辭典.
E N D
Electronic Database for Linguistic and Language Research 語言的電子資料庫 和 語言研究
一、機器語言可處理的文件快速增加 原因 1.電子出版 2.線上資料庫及紀錄 二、基本語言分析 ↓ 基本語言資料庫研究
三、機器語言可處理的文件來源 1.易取得與使用的大型資料庫 2.可解決讀者、學者、學生的基本需求
Dictionaries 字辭典
事實上,現代字典都是電子化生產,並且可以以機器呈現、輸出。二十年前,第一部可以機器閱讀的電子字典是1968年約翰歐尼的webster’s第七版字典。 • 電子字彙資料庫的發展可以回溯到那時期。
American Heritage Electronic Dictionary 美國遺產電子字典 • Longman Dictionary of Contemporary 朗文電子字典 • CD-ROM of the Oxford English Dictionary牛津唯讀電子字典
Languages of the World 語言世界 一種名為”語言世界”的字典可以辨認十八種世界上的語言,其系統資源使用者收尋或選擇跨語言的複合字詞。
TEXT DATABASES 文本資料庫
語言資料的資料庫是源自於紙本,而紙本有分為書籍、報紙和期刊…等,根據全文本身,資料庫給予個別辭典的細目,可能包含逐字索引和合乎文法的口頭禪。語言資料的資料庫是源自於紙本,而紙本有分為書籍、報紙和期刊…等,根據全文本身,資料庫給予個別辭典的細目,可能包含逐字索引和合乎文法的口頭禪。 • 1960年,Brown University 集合由美國辭典編撰的資料庫。
CELEX詞彙資料庫 -英式英語資料庫, 1950年代到1980年間,十萬個單字。 • COBUILD (Collins Birmingham University International Language Database) - 1960年後,兩億字。 • DCI (Data Collection Initiative) - 1989年,超過30億個單字。
Over fifty scholars from Europe, the Middle East, and North America are participating in the TEI efforts to define sets of tags for marking features of texts and to code the tag sets within the framework of the Standard Generalized Markup Language (SGML).
SPEECH DATABASES 語音資料庫
Instruction • Speech recognition and synthesis efforts in the 1980s plus advances in storage technology have led to establishment of shared speech databases that can be used for algorithm development and system evaluation and testing. • Such databases also provide a common reference for evaluation across systems and techniques.
Speech data differ considerably from text data. • The DARPA-supported spoken language systems research has resulted in several speech databases, including the large TIMIT database developed by Texas Instruments and MIT.
The JEIDA Japanese language database • A similar database for French is GRECO, representing speech from thirty-two speakers. • It is clear that the availability of speech databases is not as advanced as that of text databases because of the logistics and resources associated with speech recording under controlled conditions.
The availability of international electronic networks, such as Bitnet, Internet. Electronic bulletin board Sponsors: the Association for Computational Linguistics the Association for Computers Humanities
A research consortium has been established, from New Mexico State Unversity. Natural Language Software Registry (NLSR) The Bibliographic Database(BDB)
※電腦科技促進語言資料潛力的發展下所產生的議題※電腦科技促進語言資料潛力的發展下所產生的議題 1. for研究人員使用的方法學 2. 標準化的架構 3. 促進交流和研究合作 4. 專業出版品的價值
第一組組員 495100138 吳敏薇 495100152 楊念穎 495100190 黃以寧 495100293 張靜宜 495100463 陳禹欽