Podrobno

Postopek širitve Digitalne slovarske baze za slovenščino s tipično govorjenim in nestandardnim besediščem iz transkripcij govorjenega jezika
ID Čibej, Jaka, Univerza v Ljubljani, Filozofska fakulteta, Oddelek za slovenistiko (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (379,78 KB)
MD5: EDA63C55AB1C2711515C6FCC8C2894DC
URLURL - Izvorni URL, za dostop obiščite https://journals.uni-lj.si/slovenscina2/article/view/22929 Povezava se odpre v novem oknu

Izvleček
Univerza v Ljubljani, Filozofska fakulteta, Center za jezikovne vire in tehnologije Digitalna slovarska baza za slovenščino (DSBS) je zasnovana kot osrednja podatkovna baza s strojno berljivimi podatki o slovenščini. Njena oblikoslovna podlaga -Slovenski oblikoslovni leksikon Sloleks -trenutno vsebuje približno 380.000 leksemov ter njihovih pregibnih in naglašenih oblik skupaj z izgovori v mednarodni fonetični abecedi IPA ter njenem ekvivalentu X-SAMPA, z izjemo posameznih ročno dodanih leksemov (npr. žleht, pošlihtan, zaštekati) pa DSBS še ni bil sistematično razširjen s tipično govorjenim besediščem. V prispevku zato predstavljamo postopek širitve DSBS-ja z leksemskimi kandidati, ki smo jih strojno izluščili iz več jezikovnih virov, ki vsebujejo transkripcije govorjene slovenščine. Opišemo vire ter postopek luščenja in pregleda kandidatov: strojno označenim leksemom smo ročno popravili oblikoskladenjske oznake in leme ter jim pripisali še nekatere druge značilnosti, ki bodo uporabne pri njihovi nadaljnji leksikografski obravnavi v DSBS-ju. Za vsakega od približno 11.000 potrjenih leksemov smo nato strojno generirali še njegove pregibne oblike, naglašene oblike in izgovore s pomočjo Pregibalnika, orodja za strojno širjenje oblikoslovnega leksikona. Dokumentiramo izzive, s katerimi smo se soočali pri vključevanju tipično govorjenega besedišča v podatkovno bazo, ter rešitve, ki smo jih pri tem implementirali. Postopek bo mogoče ponoviti tudi pri luščenju besedišča iz prihodnjih različic korpusov govorjene slovenščine.

Jezik:Slovenski jezik
Ključne besede:slovenščina, govorjena slovenščina, oblikoslovje, leksemi, Slovenski oblikoslovni leksikon Sloleks, Digitalna slovarska baza za slovenščino
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FF - Filozofska fakulteta
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Datum objave:09.10.2026
Leto izida:2026
Št. strani:Str. 34-60
Številčenje:Letn. 14, št. 1
PID:20.500.12556/RUL-190069 Povezava se odpre v novem oknu
UDK:811.163.6'366
ISSN pri članku:2335-2736
DOI:10.4312/slo2.0.2026.1.34-60 Povezava se odpre v novem oknu
COBISS.SI-ID:301797379 Povezava se odpre v novem oknu
Datum objave v RUL:21.10.2026
Število ogledov:94
Število prenosov:20
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Slovenščina 2.0 : empirične, aplikativne in interdisciplinarne raziskave
Založnik:Trojina, zavod za uporabno slovenistiko, Trojina, zavod za uporabno slovenistiko, Trojina, zavod za uporabno slovenistiko, Znanstvena založba Filozofske fakultete, Znanstvena založba Filozofske fakultete, Založba Univerze v Ljubljani
ISSN:2335-2736
COBISS.SI-ID:264547328 Povezava se odpre v novem oknu

Licence

Licenca:CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.

Sekundarni jezik

Jezik:Angleški jezik
Naslov:The process of extending the Digital Dictionary Database of Slovene with typically spoken and non-standard vocabulary from transcriptions of spoken Slovene
Izvleček:
The Digital Dictionary Database of Slovene(DDDS) has been designed as a central database with machine-readable data on Slovene. Its morphological base – the Sloleks Morphological Lexicon of Slovene – currently contains approximately 380,000 lexemes and their inflected and accentuated forms, together with pronunciations in the International Phonetic Alphabet (IPA) and its equivalent, X-SAMPA. However, except for individual manually added lexemes (e.g. žleht “evil”, pošlihtan “set in order”, zaštekati “to come to understand”), DDDS has not been systematically expanded with typically spoken vocabulary. In the paper, we present the process of extending DDDS with lexeme candidates automatically extracted from multiple language resources containing transcriptions of spoken Slovene. We describe these resources and the process of extracting and validating the candidates. Automatically tagged and lemmatized lexemes were manually corrected in terms of lemmas and morphosyntactic features. Additional information was added manually to assist further lexicographic work within DDDS. For each of the approximately 11,000 confirmed lexemes, we automatically generated their inflected and accentuated forms as well as their pronunciations using Pregibalnik, a tool developed for the automatic expansion of the morphological lexicon. We describe the challenges encountered when including typically spoken vocabulary in the database, as well as the solutions implemented. The process can be repeated when extracting vocabulary from future versions of corpora of spoken Slovene.

Ključne besede:Slovene, spoken Slovene, morphology, lexemes, Sloleks Morphological Lexicon of Slovene, Digital Dictionary Database of Slovene

Projekti

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:J7-4642
Naslov:Temeljne raziskave za razvoj govornih virov in tehnologij za slovenščino

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P6-0411
Naslov:Jezikovni viri in tehnologije za slovenski jezik

Financer:Drugi - Drug financer ali več financerjev
Program financ.:Univerza v Ljubljani
Številka projekta:-
Naslov:Online Notes
Akronim:ON

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Zbirka

To gradivo je del naslednjih zbirk del:
  1. Slovenščina 2.0

Nazaj