1. Izrada korpusa u kontekstu „frameworka“
Symposium: Die phonetisch-phonologischen, orthoepischen und orthographischen Unterschiede zwischen dem Bosnischen/Bosniakischen, Kroatischen und Serbischen Institut für Slawistik, Universität Graz April 2007
Izrada korpusa u kontekstu „frameworka“
na osnovu modela AM Institut für Informationsverarbeitung in den Geisteswissenschaften
Hubert Stigler

2. Gralis Text-Korpus: "je.*"

3. Agenda Workflow za izradu Gralis Text-Korpusa
Korpusni tekst iz perspektive obrađivača
Validiranje korpusnih tekstova na osnovu XML
Asset Management sistemi (AMS)
Primjer upotrebe iz književnosti
Model sadržaja korpus-asset-a
AMS scenariji primjene u izradi korpusa

4. Workflow za generiranje Gralis Text-Korpusa
Anotacija korpusa u običnom Office
Pretvaranje dokumenta na osnovu Makro-a u TEI
Validiranje tročlanog teksta na osnovu XML
Generiranje vertikaliziranih, aliniranih fajlova iz
korpusa za BKS

5. Korpusni tekst iz perspektive obrađivača
Crveni markeri odlomaka obilježavaju granice segmenata, koji se na početku ubacuju pomoću Makro-a i primjenom regularnih izraza. Ako je potrebno, granice segmenata se tokom obrade mogu interaktivno – premještanjem ili brisanjem – korigirati.

6. Validiranje korpusnih tekstova na osnovu XML
Korpusni tekstovi koji se nalaze u direktoriju validiraju se u Bulk-Modus-u, kao i vertikalizirani fajlovi koji su potrebni za daljnju obradu pomoću IMS Corpus Workbench-a1.
Gralis buildCorpus 1.1 © Hubert Stigler
Searching for file triples in directory: /data/xo/gralis/data/
-- file triple: Albanija_dospjela_na_listu ok
-- file triple: Albanski_politicari
-- file triple: Albert_Einstein
couldn't found hr
-- file triple: Americka_vlada_izjavila
couldn't validate bs
-- file triple: Americki_predsjednik
segment error hr: 6; sr: 6; bs: 5
-- file triple: Anatole_France
...
124 file triples were processed
121 file triples were written to the corpus files
3 non valid triples were found
Execution terminated normally
1 Developed by Institute for Natural Language Processing, University of Stuttgart

7. Asset Management sistemi
Služe kao osnova za upravljanje meta-podacima digitalnih resursa.
Nude mogućnost da se preko persistentne citiranosti Asset-i jednostavno integriraju u web-kontekste (forumi za učenje, “Frameworks” itd.)
Daju na raspolaganje (inteligentne) strategije pretrage.
Omogućavaju suradnju u obradi i upravljanju Asset-a.
Omogućuju izrazu zbirki za različite svrhe.
Nude mogućnosti za uređenje šifri.

8. Primjer: zbirka članaka Ulricha Schulza-Buschhausa

9. Model sadržaja Korpus-asset-a
Asset služi kao kontejner u kome se čuvaju metapodaci i tokovi podataka bilo kojeg tipa: tekstovi, audio-/video-fajlovi itd. AMS nudi dodatnu mogućnost u tzv. Modelu sadržaja definiranja metode objekata (npr. XSLT-transformacije i sl.), koji operiraju podacima u Asset-u.
Metapodaci
Dublin Core
REL-EXT: opisuje relacije s drugim Asset-ima
Tokovi podataka
Thumbnail: predstavlja Asset u kontejnerima i kolekcijama
TEI-izvor: primarni tekst Asset-a u formatu TEI
DOC: primarni tekst Asset-a u formatu MS WORD
Razni XSLT-style-sheetovi za formatiranje sadržaja u Asset-u
Metode za upotrebu:
bdef:html/get, bdef:PDF/get, bdef:Verticalized/get, bdef:LaTeX/get

10. AMS scenariji primjene u izradi korpusa
U Asset-korpusu, osim Office-dokumenata, upravljat će se i XML-reprezentantima na sve tri jezične varijante korpusnih tekstova.
U vremenu kada HTML- und PDF-Getter-metode korpusnog teksta preko Web-a slobodno stoje na raspolaganju, Office- i TEI-tok podataci, kao i LaTeX-Getter-metode dostupni su samo za autorizirane korisnike.
Preko HTML- i PDF-Getter-metoda svih korpusnih tekstova generira se Web-prezentacija korpusa.
Svi korpusni tekstovi bit će prilikom obrade poslani jednom kontejneru, koji kao metoda objekta u svom modelu sadržaja omogućava generiranje vertikaliziranih korpusnih podataka za IMS Corpus Workbench
itd...
Danke für Ihre Aufmerksamkeit!
Hvala na pažnji!
Хвала на пажњи!