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
Przegląd prac opublikowanych w Katedrze Lingwistyki Formalnej w ostatnim dziesięcioleciu
No full text
Syntactic spreadsheets. In search for a human-readable representation of parse tree forests
No full textThe paper presents an example of a representation of parse tree forests advocated by the author. Although motivated by the need to analyse the forests generated by Świdziński's grammar, the representation can be used for any grammar handled by Woliński's Birnam parser, and the basic ideas can be applied to any Immediate Constituent grammar. Syntactic spreadsheets can serve several purposes. They can be simply included in printed publications or dynamically displayed by an appropriate viewer. Unfortunately the implementation of the idea is not easy and therefore it is still in progress
Dygitalizacja i komputeryzacja słowników na przykładzie Słownika polszczyzny XVI wieku
No full textDygitalizacja (digitalizacja) to przekształcanie do postaci cyfrowej, w szczególności tekstów drukowanych lub pisanych na papierze. Wynik dygitalizacji może mieć mniej lub bardziej wyrafinowaną postać, mówi się w związku z tym o poziomach lub stopniach dygitalizacji. Jednak od wielu lat coraz więcej tekstów, w szczególności publikacji, jest wprowadzana do komputera już w trakcie tworzenia, i postać drukowana jest dla nich wtórna. W przypadku takich ,,urodzonych cyfrowo'' (ang. digitally born) tekstów lepiej mówić o ich komputeryzacji, to znaczy o przekształceniu do postaci bardziej wygodnej dla użytkowników. Przez dygitalizację dziedzictwa kulturowego, do którego należą w szczególności słowniki, należy rozumieć zarówno dygitalizację właściwą, jak i komputeryzację.
W referacie zostanie omówiony aktualny stan prac nad dygitalizacją i komputeryzacją Słownika polszczyzny XVI wieku, zarówno tych prowadzonych od lat w nieformalnym zespole Uniwersytetu Warszawskiego, jak i tych podjętych niedawno przez Kujawsko-Pomorską Bibliotekę Cyfrową. Zostaną zademonstrowane zalety stosowanego w tych pracach formatu DjVu, ale będzie także pokazane, że możliwości dostarczane przez ten format nie są wystarczające dla korzystania z zapisanych w nim słowników w naturalny i wygodny sposób. W związku z tym rozważone będą możliwe sposoby przezwyciężenia tych ograniczeń, bazujące na doświadczeniach innych podobnych przedsięwzięć.
Choć poruszone w referacie zagadnienia będą bezpośrednio dotyczyć Słownika polszczyzny XVI wieku, są one istotne również dla innych słowników elektronicznych, dostępnych w Internecie lub na nośnikach elektronicznych, zarówno tych ukończonych, jak i znajdujących się w opracowaniu
Facilitating access to digitalized dictionaries
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, as exemplified by ,,The Century Dictionary''
(http://global-language.com/CENTURY/). 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
