University of Warsaw
Biblioteka Cyfrowa KLF UW (Digital Library of the Formal Linguistics Department at the University of Warsaw)Not a member yet
403 research outputs found
Sort by
Problemy formalnego opisu składni polskiej
No full textAutor jest informatykiem i lingwistą, jednym z pionierów lingwistyki informatycznej w Polsce. Zawodowo jest cały czas związany z Uniwersytetem Warszawskim --- do 1998 r. był zatrudniony w Instytucie Informatyki, a obecnie zajmuje stanowisko profesora nadzwyczajnego w Katedrze Lingwistyki Formalnej Wydziału Neofilologii. Więcej
informacji o autorze można znaleźć na jego witrynie internetowej pod adresem http://fleksem.klf.uw.edu.pl/~jsbien.
Niniejsza książka ma charakter interdyscyplinarny - przedstawia badania korzystujące jednocześnie z metod lingwistycznych i informatycznych. Jej tematem jest formalny opis składni polskiej poddający się komputerowej weryfikacji.
Książka omawia ten nurt badań, który pod względem lingwistycznym wywodzi się z prac Zygmunta Saloniego, Stanisława Szpakowicza i Marka Świdzińskiego, a pod
względem informatycznym charakteryzuje się wykorzystaniem gramatyk metamorficznych Alaina Colmerauera i formalizmów pochodnych. Dokonano w niej przeglądu gramatyk formalnych należących do tego nurtu i podjęto próbę wytyczenia dróg ich dalszego rozwoju
Digitalizing dictionaries of Polish
No full textThe author has been actively involved in digitalization of several dictionaries, including the 17th century Knapski's dictionary, the 18th century dictionary of Troc, the 20th century so called ,,Warsaw dictionary'' and some volumes of the work-in-progress dictionary of Polish language of the 16th century. All of the available dictionaries are in the DjVu format and the electronic versions have been created mostly with free DjVuLibre software tools. The advantages of the format from a user point of view are discussed
Facilitating access to digitalized dictionaries in DjVu format
No full textOne of the best formats for scanned documents is DjVu. An essential feature of the format is the hidden text layer, usually containing the results of Optical Character Recognition. Another important feature is the ability to store (and serve over Internet) the documents as a
collection of individual pages.
From the very beginning it has been used also for dictionaries, in particular there are also several Polish dictionaries available in this format. So the question is how to search efficiently the text layer in such large multi-volume works. For this purpose we intend to adapt Poliqarp (Polyinterpretation Indexing Query and Retrieval Procesor), a GPLed corpus query tool developed in
the Institute of Computer Science of Polish Academy of Sciences. Some preliminary experiments are described in the talk.
In our ,,quick and dirty'' approach we treat every page as a single document with the metadata consisting of the name of the document index and the name of the file with the page content. For every word, instead of grammatical tags, we provide its localization on the page in the form of the line number and its position in the line. All the data taken together allow to link the search results to the
appropriate fragments of the original scans
