Google Books jako korpus językowy
Journal Title: Biuletyn Polskiego Towarzystwa Językoznawczego - Year 2018, Vol 0, Issue 74
Abstract
Artykuł poświęcony jest omówieniu Google Books, dostępnej przez Internet biblioteki wirtualnej, obejmującej skany 30 milionów książek. Jest to aktualnie najbogatsze na świecie źródło danych tekstowych w postaci cyfrowej. Zbiory Google Books można nazwać korpusem, ale zasadniczo różnią się one od tradycyjnych korpusów językowych. Kłopoty klasyfikacyjne wynikają z konkretnych ograniczeń, z jakimi trzeba się zmierzyć w trakcie badań. Między innymi część źródeł to wersje pełnotekstowe, a część – wersje z ograniczonym podglądem, dane bibliograficzne są nierzadko błędne, a jakość optycznego rozpoznawania tekstu, zwłaszcza w przypadku starszych tekstów, jest daleka od doskonałości. Referat omawia krótko problemy badawcze dotyczące Google Books. Google Books as a language corpus. A b s t r a c t. This article concerns Google Books, a digital library available on the Internet, which contains scans of 30 million books. At present, it is the largest source of textual data in digital format worldwide. Google Books may be called a corpus, but it is markedly different from traditional language corpora. Classification difficulties arise from specific limitations encountered during research. Among other things, some sources are available as full texts, while others offer limited preview; bibliographic metadata are often wrong; and the quality of optical character recognition is far from perfect, especially when applied to older texts. The article briefly discusses research problems involved in using Google Books.
Authors and Affiliations
Mirosława Podhajecka
Keywords
Related Articles
- EP ID EP523436
- DOI 10.17651/bptj.74.2
- Views 93
- Downloads 0
Tworzenie reguł dla programu dzielącego tekst w języku polskim na sylaby
Dostępne lingwistyczne definicje sylaby nie umożliwiają jednoznacznego podziału wyrazów na sylaby. Dotyczy to w szczególności języka polskiego, w którym występują liczne wieloelementowe grupy spółgłoskowe niespotykane w...
Wariancja graficzna w procesie adaptacji zapożyczeń
Tematem artykułu jest wariancja grafi czna pojawiająca się w procesie adaptacji zapoży- czeń leksykalnych. Przedmiotem uwagi są mechanizmy powstawania i rozwoju wariantów, a zwłaszcza przyczyny, dla których nie zawsze w...
Dowcip polisemiczny a kontekst
Artykuł poświęcony jest roli kontekstu w konstruowaniu dowcipu językowego opartego na wieloznaczności wyrazów. Na przykładzie tekstów Kabaretu Starszych Panów autorka wskazuje na fakt, że dowcip polisemiczny jest uwarunk...
Między przestrzenią a czasem. Ewolucja temporalnych przyimków wtórnych w polszczyźnie
Artykuł poświęcony został ewolucji wtórnych przyimków o znaczeniu temporalnym, których podstawą były wartości przestrzenne, np. koło, blisko, w przeciągu. Związek między treściami przestrzennymi i czasowymi uzn...
Basic categories for a theory and description of language
The present paper makes reference to its author’s work The Dynamics of Language (1976) and presents three basic and indispensable categories for language theory and language description, namely form, signification, and l...