PoliLex: integracja zasobów leksykograficznych IJP PAN
Projekt Baza Leksyki Polskiej (PoliLex), realizowany w Instytucie Języka Polskiego PAN, ma na celu integrację tworzonych w Instytucie zasobów, w tym słowników, kartotek, korpusów i baz danych, aby umożliwić ich wspólne przeszukiwanie, analizę i odkrywanie powiązań.
W wystąpieniu przedstawiamy najpierw założenia projektu oraz wyzwania związane z integracją zasobów reprezentujących różne etapy rozwoju i odmiany polszczyzny, ale i odmienne tradycje leksykograficzne. Szczególną uwagę poświęcamy problemom wynikającym z niejednorodności makro- i mikrostruktury słowników, zróżnicowania sposobów opisu jednostek leksykalnych oraz konieczności normalizacji i standaryzacji danych.
W kolejnej części referatu omawiamy przebieg prac i zastosowane metody: od półautomatycznej segmentacji i anotacji artykułów hasłowych przez kodowanie w standardzie TEI XML aż po publikację w formacie Linked Open Data (LOD). Aby zachować specyfikę poszczególnych opracowań leksykograficznych, a jednocześnie pozwolić na ich zintegrowane przeszukiwanie, w projekcie PoliLex oddzielamy perspektywę edytorską i danową tak na poziomie kodowania XML i publikacji LOD, jak i prezentacji zasobów.
W wystąpieniu przedstawiamy zastosowanie standardów Semantic Web, w tym zachowanie osobnych przestrzeni nazw dla każdego z opracowań oraz ich modelowanie w oparciu o ontologię OntoLex-Lemon. Prezentujemy także testowy interfejs dostępu do danych pełnotekstowych, ontologii projektu oraz danych semantycznych, wskazując na ich odmienne zastosowania badawcze. Wreszcie zarysowujemy plany rozwoju bazy, zwłaszcza dalszej integracji zasobów i ich rzutowania do zasobów zewnętrznych.
Spotkanie odbędzie się o godz. 13:30 w sali konferencyjnej Instytutu Języka Polskiego PAN oraz online, za pośrednictwem platformy Zoom https://us02web.zoom.us/j/89340729370?pwd=t08VrTKAjWl9RJKYabLHj9Jaxz6auG.1