Проект общедоступного многопользовательского корпуса Проблемы и перспективы Дмитрий Грановский

Зачем ещё один? У существующих корпусов: Авторские права –На текст –На разметку Административные ограничения Недоступна сама разметка

Что будет уметь? Просмотр и редактирование разметки (многопользовательский) Возможность скачивания в разных форматах Встроенный поиск по популярным запросам Обработка «тяжёлых» запросов

Кто будет делать? Техническая часть – группа разработчиков Наполнение – пользователи

Откуда брать тексты? Тексты с истекшим авторским правом Тексты, на которые авторское право не распространяется Тексты под свободной лицензией (e.g. Википедия) Остальное – по договорённости с правообладателем

Задачи инструментария 1. Редактирование 2. Хранение 3.Поиск

Как можно использовать? Статистические исследования Машинное обучение (как обучающий корпус) Тестовый корпус для других ресурсов

Проблемы Почему эта модель доступа должна работать? Как обеспечить совместную работу многих людей? (многопользовательский) Как обеспечить целостность данных?

Проблемы Откуда взять столько квалифицированных редакторов? Как бороться с ошибками редактирования? Как не делать разметку с нуля? Как унифицировать разметку?

Ваши вопросы

СПАСИБО! Дмитрий Грановский