Претрага

Упит dcterms_subject_txt:Aligned corpus

43 items

  • 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

  • Using English Baits to Catch Serbian Multi-Word Terminology

    Cvetana Krstev, Branislava Šandrih, Ranka Stanković (2018)
    In this paper we present the first results in bilingual terminology extraction. The hypothesis of our approach is that if for a source language domain terminology exists as well as a domain aligned corpus for a source and a target language, then it is possible to extract the terminology for a target language. Our approach relies on several resources and tools: aligned domain texts, domain terminology for a source language, a terminology extractor for a target language, and a ...
    aligned texts, word alignment, terminology extraction, electronic dictionaries, morphological inflection

  • 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

  • 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

  • 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

  • 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

  • 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

  • Bilingual lexical extraction based on word alignment for improving corpus search

    Jelena Andonovski, Branislava Šandrih, Olivera Kitanović (2019)
    Library and Information Sciences,Computer Science Applications

  • Jа/ти/ми/ви у дискурсној компетенцији у светлу контрастивне анализе међујезика

    Јелена М. Марковић, Ранка М. Станковић (2021)
    У раду најпре истражујемо дискурсне феномене коришћења личних заменица првог и другог лица (једнине и множине) у функцији личног метадискурса и флуктуације степена формалности писаног дискурса на српском као матерњем језику коришћењем корпуса КорССАнг. У светлу контрастивне анализе међујезика, резултати актуелног истраживања упоређени су са досадашњим резултатима истраживања референтног дискурса писаног на енглеском као страном језику код исте групе говорника (корпус ICLE-SE). Поређење јасно показује да су слабости дискурсне компетенције у писању на страном језику уочене у ранијим истраживањима ...
    контрастивна анализа међујезика, србофони говорници енглеског, корпус ICLE, корпус КорССАнг, заменице, стил, настава писања.

  • 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

  • Machine Learning and Deep Neural Network-Based Lemmatization and Morphosyntactic Tagging for Serbian

    Ranka Stanković, Branislava Šandrih, Cvetana Krstev, Miloš Utvić, Mihailo Škorić (2020)
    The training of new tagger models for Serbian is primarily motivated by the enhancement of the existing tagset with the grammatical category of a gender. The harmonization of resources that were manually annotated within different projects over a long period of time was an important task, enabled by the development of tools that support partial automation. The supporting tools take into account different taggers and tagsets. This paper focuses on TreeTagger and spaCy taggers, and the annotation schema alignment ...
    Part-of-Speech tagging, lemmatization, corpus, evaluation, Serbian, morphological dictionary

  • Distant Reading in Digital Humanities: Case Study on the Serbian Part of the ELTeC Collection

    Ranka Stanković, Cvetana Krstev, Branislava Šandrih Todorović, Duško Vitas, Mihailo Škorić, Milica Ikonić Nešić (2022)
    In this paper we present the Serbian part of the ELTeC multilingual corpus of novels written in the time period 1840-1920. The corpus is being built in order to test various distant reading methods and tools with the aim of re-thinking the European literary history. We present the various steps that led to the production of the Serbian sub-collection: the novel selection and retrieval, text preparation, structural annotation, POS-tagging, lemmatization and named entity recognition. The Serbian sub-collection was published ...
    Corpus, Distant Reading, Digital Humanities, Linked Data, Named Entity Recognition, Text Analytics

  • Corpus-based bilingual terminology extraction in the power engineering domain

    Tanja Ivanović, Ranka Stanković, Branislava Šandrih Todorović, Cvetana Krstev (2022)
    Ovaj rad predstavlja resurse i alate koji se koriste za ekstrkciju i evaluaciju dvojezične, englesko-srpske terminologije u domenu energetike. Resursi se sastoje od postojeće opšte i domenske leksike i domenskog paralelnog korpusa; alati uključuju ekstraktore termina za oba jezika i alat za poravnavanje segmenata koji pripadaju korpusnim rečenicama. Sistem je testiran variranjem funkcije podudaranja koja utvrđuje prisustvo ekstrahovanog termina u poravnatom segmentu (odsečak), u rasponu od veoma labavog do strogog. Procena rezultata je pokazala da je preciznost izdvajanja termina ...
    Library and Information Sciences, Communication, Language and Linguistics

  • Knowledge and Rule-Based Diacritic Restoration in Serbian

    Cvetana Krstev, Ranka Stanković, Duško Vitas (2018)
    In this paper we present a procedure for the restoration of diacritics in Serbian texts written using the degraded Latin alphabet. The procedure relies on the comprehensive lexical resources for Serbian: the morphological electronic dictionaries, the Corpus of Contemporary Serbian and local grammars. Dictionaries are used to identify possible candidates for the restoration, while the dataobtainedfromSrpKorandlocalgrammarsassistsinmakingadecisionbetween several candidates in cases of ambiguity. The evaluation results reveal that,dependingonthetext,accuracyrangesfrom95.03%to99.36%,whilethe precision (average 98.93%) is always higher than the recall (average 94.94%).
    diacritic restoration, morphological dictionary, corpus, word n-grams, local grammars

  • 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

  • E-Connecting Balkan Languages

    Cvetana Krstev, Ranka Stanković, Duško Vitas, Svetla Koeva (2009)
    In this paper we present a versatile language processing tool that can be successfully used for many Balkan languages. This tool relies for its work on several sophisticated textual and lexical resources that were developed for most of Balkan languages. These resources are based on several de facto standards in natural language processing.
    Query expansion, e-dictionary, wordnet, proper name, aligned text

  • A Data Driven Approach for Raw Material Terminology

    Olivera Kitanović, Ranka Stanković, Aleksandra Tomašević, Mihailo Škorić, Ivan Babić, Ljiljana Kolonja (2021)
    The research presented in this paper aims at creating a bilingual (sr-en), easily searchable, hypertext, born-digital, corpus-based terminological database of raw material terminology for dictionary production. The approach is based on linking dictionaries related to the raw material domain, both digitally born and printed, into a lexicon structure, aligning terminology from different dictionaries as much as possible. This paper presents the main features of this approach, data used for compilation of the terminological database, the procedure by which it has ...
    sirovine, rudarstvo, terminologija, rečnik, terminološka aplikacija, mobilna aplikacija, digitizacija, leksički podaci, korpusi, otvoreni povezani podaci

  • 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

  • FrameNet Lexical Database: Presenting a Few Frames Within the Risk Domain

    Aleksandra Marković, Ranka Stanković, Natalija Tomić, Olivera Kitanović (2021)
    U radu se daje kratak prikaz teorije semantike okvira, na kojoj je zasnovana leksička baza Frejmnet. Predstavljena je koncepcija ove mreže, kao i mogućnosti njene primene. Predstavljena je i leksička analiza koja se primenjuje u projektu izrade Frejmneta i ukazano na razlike između analize zasnovane na okviru u odnosu na analizu zasnovanu na reči. Zatim je prikazano nekoliko povezanih okvira koje prizivaju reči iz domena rizika. U radu je predstavljena i platforma NLTК pomoću koje se mogu koristiti ...
    Srpski jezik, semantika okvira, FrameNet, scenario rizika, rudarski korpus, obrada prirodnog jezika

  • SrpELTeC: A Serbian Literary Corpus for Distant Reading

    Ranka Stanković, Cvetana Krstev, Duško Vitas (2024)
    U članku je predstavljen SrpELTeC, korpus razvijen u okviru akcije COST Distant Reading for European Literary History (CA16204). Svi romani u SrpELTeC-u su odabrani, pripremljeni i obeleženi korišćenjem zajedničkih principa uspostavljenih za sve jezičke zbirke u Evropskoj zbirci književnog teksta (ELTeC). Navedeni su izazovi i rešenja u pripremi SrpELTeC od nule. Svi romani su ručno kodirani u TEI sa bogatim metapodacima i strukturnim napomenama. Automatska anotacija je uključivala POS-označavanje, lematizaciju i imenovane entitete, oslanjajući se na resurse za obradu ...
    digital humanities, Serbian literature, text corpora, distant reading , linked data, named entity recognition, text analytics