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
Dygitalizacja i komputeryzacja słowników na przykładzie Słownika polszczyzny XVI wieku
No full textDigitalization and computerization of dictionaries (exemplified by the dictionary of the 16th century Polish)
For simple digitalization the recommended format is DjVu, which is produced in particular by the free pdf2djvu program. It is demonstrated that the OCR programs used by Kujawsko-Pomorska Digital Library are not adequate for the text of the dictionary, which contains many 16th century quotations. It is also stressed that scanning printed editions of digitally-born publications makes no sense from a user point of view, because the quality of OCRed scans will be always lower that that of an electronic document.
More sophisticated digitalization, called computerization, is only briefly mentioned, as the topic is discussed in details in Krzysztof Szafran's book. The possibility of treating the dictionary as a corpus is illustrated by searching the 32th volume of the dictionary with Poliqarp corpus tool
Przeszłość i przyszłość Słownika języka polskiego PAN. Aspekty prawne i informatyczne.
No full textJednym z głównych celów referatu jest zwrócenie uwagi ma niejasny
status prawny Słownika. Opracowany pod auspicjami Polskiej Akademii
Nauk, był drukowany przez Państwowy Instytut Wydawniczy (zeszyt
próbny), Wiedzę Powszechną (pierwsze 4 tomy) i Państwowe Wydawnictwo
Naukowe. Powstałe w wyniku prywatyzacji Wydawnictwo Naukowe PWN
mogło przejąć co najwyżej te prawa, którymi dysponowało Państwowe
Wydawnictwo Naukowe, a szczegóły porozumienia Polskiej Akademii Nauk
z tą instytucją nie są znane.
W referacie przypomniane zostaną również mało znane fakty z historii
Słownika, w szczególności jego faktyczne i zamierzone wykorzystanie
w pracach prowadzonych w Instytucie Maszyn Matematycznych (obecnie
Instytut Informatyki) Uniwersytetu Warszawskiego oraz zakończone
niepowodzeniem starania o udostępnienie słownika w Internecie
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
