2025 m. gegužės mėn. CLARIN-LT saugykloje patalpintas ir viešai prieinamas morfologiškai ir sintaksiškai anotuotas lietuvių kalbos tekstynas „SIMAS“ – tai VDU Skaitmeninių išteklių ir tarpdisciplininių tyrimų instituto (SITTI) vykdomo Europos Sąjungos NextGenerationEU projekto „Morfologiškai ir sintaksiškai anotuotų tekstynų modeliai apmokymui (auksiniai standartai)“ (Nr. 02-098-K-0001) rezultatas. Projekto vadovė doc. dr. Erika Rimkutė. Šiuo projektu skatinamas lietuvių kalbos technologinių inovacijų vystymas ir suteikiama tiesioginė nauda visuomenei, valstybės institucijoms ir verslo sektoriui (daugiau informacijos rasite čia).
Tekstynas „Simas“ susideda iš 2005–2025 m. lietuvių autorių parašytų originalių grožinės, mokslinės, administracinės literatūros ir periodikos tekstų. Be to, šis tekstynas sudarytas iš pilnų tekstų, o ne iš tekstų fragmentų. Tai automatiškai morfologiškai ir sintaktiškai anotuotas tekstynas, kurį lingvistai patikrino rankomis. Automatiniam morfologiniam anotavimui naudotas įrankis „Morfuoklis“, o automatinei sintaksinei analizei atlikti naudotas lietuvių kalbai adaptuotas tarptautinis įrankis „UDPipe“. Tekstynas anotuotas tarptautiniu Universaliųjų priklausomybių standartu, morfologinio anotavimo standartu „Jablonskis“ ir sintaksinės analizės Universaliųjų priklausomybių standartu: lietuvių kalbos sintaksinio anotavimo gairės. Tekstyno dydis – daugiau nei 10 mln. žodžių (tiksliau, 10 010 420 žodžių arba 12 221 575 tekstyno vienetų (toukenų)).
Susipažinkite išsamiau su morfologiškai ir sintaksiškai anotuotų tekstynų modeliais apmokymui.
Taip pat skaitykite VDU humanitarinių mokslų fakulteto tinklalapyje paskelbtą Miglės Žemrietės straipsnį „Morfologiškai ir sintaksiškai anotuotas lietuvių kalbos tekstynas SIMAS“, kuriame sužinosite apie lietuvių kalbos technologinių išteklių padėtį bei technologinių projektų poreikį ir jų svarbą Lietuvai. Susipažinsite su prie tekstyno „Simas“ dirbusių mokslininkų ir studentų komanda, darbo užkulisiais, įspūdžiais ir iššūkiais.
Sekite CLARIN-LT naujienas mūsų Facebook paskyroje ir interneto tinklalapyje.
Parašykite komentarą
Tik prisijungę vartotojai gali komentuoti.