Претрага

Упит dcterms_subject_txt:literary corpus

88 items

  • From ELTeC Text Collection Metadata and Named Entities to Linked-data (and Back)

    Milica Ikonić Nešić, Ranka Stanković, Christof Schöch and Mihailo Škorić (2022)
    In this paper we present the wikification of the ELTeC (European Literary Text Collection), developed within the COST Action ``Distant Reading for European Literary History'' (CA16204). ELTeC is a multilingual corpus of novels written in the time period 1840—1920, built to apply distant reading methods and tools to explore the European literary history. We present the pipeline that led to the production of the linked dataset, the novels’ metadata retrieval and named entity recognition, transformation, mapping and Wikidata population, ...
    Wikidata, linked data, SPARQL, distant reading, literary corpus, named entity linking, ELTeC

  • SrpELTeC on Platforms: Udaljeno čitanje, Aurora, NoSketch

    Ranka Stanković, Mihailo Škorić, Petar Popović (2022)
    Serbian ELTeC collection (100 novels and extended) developed within COST action CA16204 Distant Reading for European Literary History comprises at this moment 111 novels published in the period 1840-1920. Such a valuable resource is and will be used for various lexical and linguistic research, by using different tools and methodologies. In this paper, three platforms on which these novels are published will be presented: “Udaljeno ˇcitanje”, Aurora and Sketch Engine.
    удаљено читање, књижевни корпус, дигитална библиотека, конкорданце, ELTeC

  • Annotation of the Serbian ELTeC Collection

    Ranka Stanković, Cvetana Krstev, Branislava Šandrih Todorović, Mihailo Škorić (2021)
    Ovaj rad predstavlja takozvano izdanje nivoa 2 kolekcije tekstova SrpELTeC razvijene u okviru aktivnosti Radne grupe 2 – Metode i alati COST akcije CA 16204 (Distant Reading for European Literary History) i njene specifikacije šeme. Izdanje nivoa 2 je nastavak izdanja nivoa 1, koje se koristi kao ulaz za morfosintaksičke i NER anotacije romana. Srpska obrada nivoa-2 je navedena kroz potrebne korake, uključujući metode i alate koji se koriste u tom procesu. Neki statistički podaci iz srpske kolekcije nivoa ...
    udaljeno čitanje, literarni korpus, tagiranje, prepoznavanje imenovanih entiteta, lematizacija, ELTeC

  • Serbian ELTeC Sub-Collection in Wikidata

    Milica Ikonić Nešić, Ranka Stanković, Biljana Rujević (2021)
    This paper presents an example of integration of Wikidata with digital libraries and external systems, as well as some best practices for speeding up the process of data preparation and import to Wikidata, on the use case of SrpELTeC, Serbian subcollection of the ELTeC multilingual collection (European Literary Text Collection). After preliminary work on the manual Wikidata population with SrpELTeC novels, the goal was to automate the process of preparing and importing information, so different solutions were analysed and ...
    Википодаци, удаљенои читање, књижевни корпус, повезивање именованих ентитета, ELTeC, SrpELTeC

  • Нове технологије за оживљавање старих текстова

    Цветана Крстев, Ранка Станковић, Бранислава Шандрих Тодоровић, Милица Иконић Нешић (2023)
    удаљено читање, књижевни корпус, обрада српског језика, анотација врстом речи, лематизација, именовани ентитети

  • Bridging Computational Lexicography and Corpus Linguistics: A Query Extension for OntoLex-FrAC

    Christian Chiarcos, Ranka Stanković, Maxim Ionov, Gilles Sérasset (2024)
    OntoLex, dominantni standard zajednice za mašinski čitljive leksičke resurse u kontekstu RDF-a, Linked Data i tehnologija Semantičkog veba, trenutno se proširuje sa posebnim modulom za Frekvencije, Primere i Informacije zasnovane na Korpusu (OntoLex-FrAC). Predlažemo novi komponent za OntoLex-FrAC, koji se bavi inkorporacijom korpusnih upita za (a) povezivanje rečnika sa korpusnim mašinama, (b) omogućavanje RDF baziranih web servisa da dinamički razmenjuju korpusne upite i podatke odgovora, i (c) korišćenje konvencionalnih upitačkih jezika za formalizaciju unutrašnje strukture kolokacija, skica reči i ...
    standardizacija, digitalna leksikografija, OntoLex, upiti korpusa, povezani podaci, Lingvistički povezani otvoreni podaci

  • An Italian-Serbian Sentence Aligned Parallel Literary Corpus

    Saša Moderc, Ranka Stanković, Aleksandra Tomašević, Mihailo Škorić (2023)
    This article presents the construction and relevance of an Italian-Serbian sentence-aligned parallel corpus, delving into the aligned sentences in order to facilitate effective translation between the two languages. The parallel corpus serves as a valuable resource for language experts, researchers, and language enthusiasts, fostering a deeper understanding of linguistic nuances and cultural expressions. By bridging the gap between Serbian and Italian, this corpus opens new avenues for cross-cultural communication and collaboration, and ultimately contributes to the improvement of language-related ...
    Aligned corpus, parallel corpus, Serbian, Italian, literature

  • The Many Faces of SrpKor

    Duško Vitas, Ranka Stanković, Cvetana Krstev (2024.)
    Акроним СрпКор означава фамилију електронских корпуса савременог српског језика чија је изградња почела крајем седамдесетих година прошлога века, а која је постала шире видљива заинтересованој истраживачкој заједници објављивањем његове прве верзије на вебу 2002. године. У овом дугом периоду, посебно пре појаве корисних текстуелних ресурса на вебу, развој корпуса се састојао у прикупљању и обради грађе као и у развоју метода обраде корпуса. Наиме, електронски корпус није само колекција текстова у дигиталном облику (како се то, на пример, наводи ...
    СрпКор, корпуси, српски, лематизација, Лексимирка

  • Multiword Expressions between the Corpus and the Lexicon: Universality, Idiosyncrasy and the Lexicon-Corpus Interface

    Verginica Barbu Mititelu, Voula Giouli, Kilian Evang, Daniel Zeman, Petya Osenova, Carole Tiberius, Simon Krek, Stella Markantonatou, Ivelina Stoyanova, Ranka Stankovic, Christian Chiarcos (2024)
    Predstavljamo trenutne aktivnosti na definisanju interfejsa leksikona i korpusa koji će služiti kao referenca u prikazu polileksemskih jedinica - višečlanih izraza - (različitih tipova - imenskih, glagolskih, itd.) u specijalizovanim leksikonima i povezivanju ovih unosa sa njihovim pojavljivanjima u korpusima. Konačni cilj je korišćenje ovakvih resursa za automatsko identifikovanje višečlanih izraza u tekstu. Uključivanje nekoliko prirodnih jezika ima za cilj univerzalnost rešenja koje nije usredsređeno na određeni jezik, kao i prilagođavanje idiosinkrazijama. Raspravljaju se izazovi u leksikografskom opisu višerečnih ...
    multiword expression lexicon, corpus, proof-of-concept lexicon encoding

  • A Mathematical Learning Environment Based on Serbian Language Resources

    Radojičić Marija, Obradović Ivan, Stanković Ranka, Utvić Miloć, Kaplar Sebastijan (2018)
    In recent years, in line with ever growing usage of Information technology, the learning environments are changing. The amount of available learning materials in various forms has increased. These new environments demand comprehensive learning systems, which enable management of the learning corpus with special attention paid to relevant lexical resources. In this paper we present the concept of a Mathematical Learning Environment in Serbian (MLES), which is based on a corpus of mathematical materials and various lexical resources, enabling ...
    mathematical content, text processing, mathematical formulae
    ... is dedicated to corpus processing and alignment with existing lexical resources. (Figure 1). Figure 1. Structure of corpus processing The obtained results are processed text, augmented dictionaries and annotated content. In this component a special challenge to corpus processing results ...
    ... between tokens). Through CQP web users can both specify query patterns and get statistical information about corpus. Within preparation of the MLES corpus to each word within the corpus the following information is assigned, in the following order:  Word type (noun, verb, adjective, etc.) - ...
    ... annotation. The advantages of corpus annotation are the following:  Corpus search becomes more efficient due to the possibility of formulating more precise queries.  When search results are concerned, annotation.  Compensates for the information lost during corpus preparation (removed figures ...

  • Vebran Web Services for Corpus Query Expansion

    Ranka Stanković, Miloš Utvić (2020)
    U ovom radu se govori o razvoju veb usluga Vebran i njihovoj primeni u poboljšanju pretraživanja korpusa. Veb-servisi Vebran koriste se za konsultovanje spoljnih leksičkih izvora za srpski jezik (uglavnom elektronski morfološki rečnici i srpski Vordnet) i proširivanje korisničkih upita radi dobijanja relevantnijih rezultata iz srpskih korpusa.
    corpus search, web service, Serbian lexical resources, query expansion
    ... annotated. SrpKor2013 is the current version of SrpKor (Utvić, 2014), used as a refer- ence and general purpose corpus containing over 122 million corpus words. It includes literary texts of Serbian writers in the XX and XXI centuries, as well as scientific and popular science texts from different ...
    ... the internet por- tal “Peščanik”. Some of the texts are translations, most of which are literary texts, while a smaller part are translations of general texts. Apart from being morphologically annotated, the corpus texts are provided with correspond- ing bibliographic description, information concerning ...
    ... with documents on finance, health, law and education; – SrpFranKor4, aligned French-Serbian corpus; – SrpNemKor5, aligned German-Serbian corpus; – RudKor6, a specialized monolingual corpus of texts from the mining domain, etc. The query expansion will be demonstrated using examples in two Ser- bian ...

  • Towards translation of educational resources using GIZA++

    Ivan Obradović, Dalibor Vorkapić, Ranka Stanković, Nikola Vulović, Miladin Kotorčević (2016)
    ... ripts/recaser/train-truecaser.perl \ --model ~/corpus/truecase-model.en --corpus \ ~/corpus/edX.tok.en ~/mosesdecoder/scripts/recaser/train-truecaser.perl \ --model ~/corpus/truecase-model.sr --corpus \ ~/corpus/edX.tok.sr Finally cleaning and limiting the length ...
    ... odel.sr \ < ~/corpus/edX.tok.sr \ > ~/corpus/edX.true.sr ~/mosesdecoder/scripts/training/clean-corpus-n.perl \ ~/corpus/edX.true sr en \ ~/corpus/edX.clean 1 80 Language Model Training A language model (LM) is used to ensure fluent output, built with the target language ...
    ... ~/mosesdecoder/scripts/tokenizer/tokenizer.perl -l en \ < ~/corpus/training/edX.en \ > ~/corpus/edX.tok.en ~/mosesdecoder/scripts/tokenizer/tokenizer.perl -l sr \ < ~/corpus/training/edX.sr \ > ~/corpus/edX.tok.sr The truecaser first requires training, in order to extract ...

  • Social-Emo.Sr: Emotional Multi-Label Categorization of Conversational Messages from Social Networks X and Reddit

    Milena Šošić, Ranka Stanković, Jelena Graovac (2024)
    U digitalnom okruženju južnoslovenskih jezika, analiza emocija u tekstovima na društvenim mrežama postaje sve važnija za razumevanje javnog mnjenja, kreiranje personalizovanog sadržaja i analizu međusobnih interakcija korisnika. U okviru ovog rada predstavljamo detaljnu metodologiju i rezultate označavanja korpusa na srpskom jeziku prema Plutčikovom modelu kategorizacije, koji prepoznaje osam osnovnih emocionalnih kategorija, kao što su radost, tuga, bes, strah, poverenje, gađenje, iščekivanje i iznenađenje. Cilj istraživanja je da se analizira emocionalni sadržaj tekstova preuzetih sa društvenih mreža X (nekada Twitter) ...
    emocije, Plutčikov model, označavanje, korpus, društvene mreže, srpski jezik

  • Towards the semantic annotation of SR-ELEXIS corpus: Insights into Multiword Expressions and Named Entities

    Cvetana Krstev, Ranka Stanković, Aleksandra Marković, Teodora Mihajlov (2024)
    Овај рад представља активности на развоју корпуса ELEXIS-sr, српском додатку вишејезичном анотираном корпусу ELEXIS-а, који се састоји од семантичких анотација и репозиторија значења речи. ELEXIS је паралелни вишејезични анотирани корпус на десет европских језика, који може да се користи као вишејезички репер за евалуацију европских језика са мање и средње развијеним ресурсима. Фокус овог рада је на вишечланим изразима и именованим ентитетима, њиховом препознавању у скупу реченица ELEXIS-sr и поређењу са анотацијама на другим језицима. Разматрају се први кораци ...
    полилексемске језинице, именовани ентитет, вишезначност значења речи, складиште смисла, LLOD

  • Managing mining project documentation using human language technology

    Aleksandra Tomašević, Ranka Stanković, Miloš Utvić, Ivan Obradović, Božo Kolonja (2018)
    Purpose: This paper aims to develop a system, which would enable efficient management and exploitation of documentation in electronic form, related to mining projects, with information retrieval and information extraction (IE) features, using various language resources and natural language processing. Design/methodology/approach: The system is designed to integrate textual, lexical, semantic and terminological resources, enabling advanced document search and extraction of information. These resources are integrated with a set of Web services and applications, for different user profiles and use-cases. Findings: The ...
    Digital libraries, Information retrieval, Data mining, Human language technologies, Project documentation

  • Towards Semantic Interoperability: Parallel Corpora as Linked Data Incorporating Named Entity Linking

    Ranka Stanković, Milica Ikonić Nešić, Olja Perisic, Mihailo Škorić, Olivera Kitanović (2024)
    U radu se prikazuju rezultati istraživanja vezanih za pripremu paralelnih korpusa, fokusirajući se na transformaciju u RDF grafove koristeći NLP Interchange Format (NIF) za lingvističku anotaciju. Pružamo pregled paralelnog korpusa koji je korišćen u ovom studijskom slučaju, kao i proces označavanja delova govora, lematizacije i prepoznavanja imenovanih entiteta (NER). Zatim opisujemo povezivanje imenovanih entiteta (NEL), konverziju podataka u RDF, i uključivanje NIF anotacija. Proizvedene NIF datoteke su evaluirane kroz istraživanje triplestore-a korišćenjem SPARQL upita. Na kraju, razmatra se povezivanje Linked ...
    paralelni korpusi, povezivanje imenovanih entiteta, prepoznavanje imenovanih entiteta, NER, NEL, povezani podaci, NIF, Vikipodaci

  • A Twitter Corpus and Lexicon for Abusive Speech Detection in Serbian

    Danka Jokić, Ranka Stanković, Cvetana Krstev, Branislava Šandrih (2021)
    Uvredljivi govor na društvenim medijima, uključujući psovke, pogrdni govor i govor mržnje, dostigao je nivo pandemije. Sistem koji bi bio u stanju da detektuje takve tekstove mogao bi da pomogne da internet i društveni mediji postanu bolji virtuelni prostor sa više poštovanja. Istraživanja i komercijalna primena u ovoj oblasti do sada su bili fokusirani uglavnom na engleski jezik. Ovaj rad predstavlja rad na izgradnji AbCoSER-a, prvog korpusa uvredljivog govora na srpskom jeziku. Korpus se sastoji od 6.436 ručno označenih ...
    uvredljivi jezik, govor mržnje, srpski, tviter, leksikon, korpus
    ... should we take when building the corpus of abusive language, several future implications were considered: 1) To the best of our knowledge, AbCoSER (Abusive Corpus for serbian) is the first corpus tackling abusive language phenomenon in the Serbian language; 2) This corpus is to be used to enrich our lexicon ...
    ... n of tweets length. Figure 5 Tree clouds of abusive language corpus: the non-abusive subset (left) and abusive subset (right). 3 A Corpus and Lexicon for Abusive Speech 3.1 Analysis of the twitter corpus The distribution of our corpus tweets length after removal of mentions is shown in Figure 4: ...
    ... from the abusive tweet corpus) and for neutral language (derived from the corpus of non-abusive tweets), which enables calculation of the so-called keyness score, which should represent the extent of the frequency difference. These frequencies can also be compared with the corpus of standard Serbian (as ...

  • Football terminology: compilation and transformation into OntoLex-Lemon resource

    Jelena Lazarević, Ranka Stanković, Mihailo Škorić, Biljana Rujević (2023)
    У овом раду представља се пројекат који је у развоју, креирање првог дигиталног фудбалског речника на српском језику, као и да демонстрација примене модела OntoLex и љегових модула. OntoLex-FrAC модул укључује информације о учесталости и примерима употребе екстрахованих из корпуса. У овом случају, креиран је корпус за специфичан домен под називом СрФудКо, који садржи чланке вести о фудбалу на српском језику. Вишечлани термини аутоматски су екстраховани из српског корпуса, а затим ручно евалуирани и класификовани као спортски или ...
    повезани отворени подаци, корпус, СрФудКо, OntoLex, OntoLex-FrAC

  • Towards Automatic Definition Extraction for Serbian

    Ranka Stanković, Cvetana Krstev, Rada Stijović, Mirjana Gočanin, Mihailo Škorić (2021)
    U radu su prikazani preliminarni rezultati automatske ekstrakcije kandidata za definicije rečnika iz nestrukturiranih tekstova na srpskom jeziku u cilju ubrzanja razvoja rečnika. Definicije u rečniku Srpske akademije nauka i umetnosti (SANU) korišćene su za modelovanje različitih tipova definicija (opisnih, gramatičkih, referentnih i sinonimskih) koje imaju različite sintaksičke i leksičke karakteristike. Korpus istraživanja sastoji se od 61.213 definicija imenica, koje su analizirane korišćenjem morfoloških e-rečnika i lokalnih gramatika implementiranih kao pretvarači konačnih stanja u paketu za obradu korpusa otvorenog ...
    ... related to extraction of dictionary examples has shown that information extraction from a corpus can be used to speed up the work on the Serbian Academy of Sciences and Arts Dictionary of Serbo-Croatian Literary and Folk Language (SASA Dictionary) and other dictionaries (Stanković et al. 2019; Kitanović ...
    ... enabling the connection are given in italic. 4 Corpus Analysis 4.1 Creating a Textbook Corpus For testing the automatic extraction of definitions from unstructured text by means of local grammars presented in the previous section, we created a corpus of 25 primary and secondary school textbook covering ...
    ... 3 4.2 Recognition of Candidates in the Textbook Corpus To determine whether it is possible to recognize definitions of domain-specific terms in the domain corpus text, a subset of local grammars presented in Section 3 was applied to the corpus consisting of 25 textbooks; namely we excluded models ...

  • New Language Models for South Slavic Languages

    Mihailo Škorić (2024)
    Izlaganje će predstaviti izazove i perspektive modelovanja južnoslovenskih jezika, sa posebnim osvrtom opšte jezičke modele građene na arhitekturi transformera (BERT, GPT), na dostupne skupove tekstova za obučavanje tih modela, te kvantitet i kvalitet tih skupova. Izlaganje će ponuditi pregled dostupnih skupova i modela, dok će posebna pažnja biti posvećena najnovijim korpusima tekstova. Prvi korpus, Kišobran, predstavlja krovni veb korpus južnoslovenskih jezika i ujedno trenutno najveći korpus tekstova na našim prostorima koji broji preko osamnaest milijardi reči i uključuje sve ...
    veliki korpusi teksta, jezički modeli, južnoslovenski jezici