1

CLARIN sagatavošanās posms: rezultāti un nākotnes

ieceres

Ilze Auziņa, Inguna SkadiņaLU Matemātikas un informātikas institūts

2

CLARIN posmi

– 1. posms – sagatavošana (2008-2010) CLARIN organizācijas izveide, plānošana, prototipa izveide

– 2. posms – izveide (2011-2015)CLARIN izveide un piepildīšana ar resursiem un rīkiem

– 3. posms – izmantošana (2016 - ...)CLARIN ir izmantojams kā pakalpojums

3

1. posms (1)

• pašlaik CLARIN projektā piedalās 33 partneri no 23 valstīm (arī Latvija kopš 2009. gada aprīļa ir viena no partnervalstīm)

• šogad CLARIN projektam gatavojas pievienoties 4 jauni partneri no Īslandes, Lietuvas, Luksemburgas un Turcijas

• iniciatīva apvieno 166 organizācijas no 32 valstīm (Latvijā pašlaik divi aktīvi biedri: LU MII un Tilde)

• www.clarin.eu

4

1. posms (2)

• norit CLARIN tehniskās infrastruktūras specificēšana, projektēšana un prototipa izstrāde

• ir apzināta esošā situācija un humanitāro zinātņu vajadzības (BLARK, Humanitāro zinātņu projekti)

• ir apkopota informācija par valodas resursiem un rīkiem (Virtual Language world)

• tiek gatavoti autortiesību parauglīgumi

• ir izstrādāti modeļi CLARIN infrastruktūras izveidei un tiek gatavots ekspluatācijas līgums

5

Valodas resursi un rīki (1)

• CLARIN ir reģistrēti 848 elektroniskie resursi

• no tiem 32 ir latviešu valodas resursi

• CLARIN ir reģistrēti 170 valodas apstrādes rīki

• no tiem 8 ir latviešu valodas apstrādes rīki, piem.,

LU MII izstrādātais tekstu korpusu marķēšanas rīks, sintaktiskais analizators

6

Valodas resursi un rīki (2) Resursu veidi:

– korpusi: marķēti korpusi, tekstu korpusi, runas korpusi, multimodāli korpusi, multimediju korpusi, sintaktiski anotēti korpusi

– vārdu krātuves: vārdnīcas, terminoloģijas datu bāzes, enciklopēdijas

– gramatikas

– u. c.

Marķēts korpuss (57)

Izmantojums / rīki (20)

Gramatika (19)

Vārdnīca / zināšanu krātuve (246)

Multimodāls korpuss (98)

N-grammu modelis (1)

Runas korpuss (139)

Terminoloģijas resurss (12)

Sintaktiski marķēts korpuss (34)

Tīkla pakalpojums (30)

Tekstu korpuss (357)

7

Valodas resursi un rīki (3)

Virtual Language World – http://www.clarin.eu/vlw/

8

Valodas resursi un rīki (4)

Latvijā izstrādātie

resursi(fragments)

9

Valodas resursi un rīki (5)

Latvijā izstrādātie

valodas apstrādes

rīki

10

Valodas resursi un rīki (6)

www.clarin.lv Resursu un rīku pārskats

11

Taksonomija (1)

Mērķis – izveidot valodas resursu un apstrādes rīku taksonomiju (klasifikāciju)

CLARIN taksonomijas apakšgrupas:• Anotēšana • Leksikas resursi• Rakstītie resursi• Runas (arī multimodālie) resursi • Rīki

12

Taksonomija (2)

Leksikas resursu aprakstīšana / klasifikācija:

valoda (valodas)

valodas paveidi

laiks, kuru aptver leksikas resursi

leksikas resursu saturs

tehniskā informācija

izstrāde

izplatība

13

Taksonomija (3)

Tekstu korpusu klasifikācija:

korpusa tips

valoda

saturs

izveide

izplatība

tehniskā informācija

14

Taksonomija (4)

resursi rīki valoda izstrāde izplatībatehniskā informācija

Valodām nepieciešamie resursi un rīki (1)

15

BLARK (Basic Language Resource Kit) - valodai nepieciešamie pamatresursi un rīki

• apzinātas humanitāro un sociālo zinātņu pētnieku vajadzības

• noteikta minimālā valodas resursu kopa, kas nepieciešama sociālo un humanitāro zinātņu pētījumu veikšanai pēc iespējas vairāk valodās

• ir noskaidrots, kādu svarīgu rīku un resursu konkrētā valodā nav

• ir noteikti kritēriji, kā izvērtēt valodas resursu un rīku kvalitāti

Dažādām sociālo un humanitāro zinātņu nozarēm nepieciešamie valodas resursi:

1) leksikas resursi (enciklopēdijas, vienvalodas un daudzvalodu vārdnīcas, terminoloģijas datu bāzes);

2) korpusi (nemarķēti korpusi, marķēti korpusi, vienvalodas korpusi, daudzvalodu korpusi, runas korpusi, multimediju korpusi, multimodāli korpusi)

Sociālo un humanitāro zinātņu pētnieku vajadzības, piem., terminoloģijas izguve, vārdnīcas veidošana, informācijas izguve u. tml.

Pētījumiem nepieciešamie rīki, piem., konkordanču rīks, tekstu marķēšanas rīks, mašīntulkošanas rīki, tekstu apstrādes rīki u. tml.

Valodām nepieciešamie resursi un rīki (2)

Dažādām sociālo un humanitāro zinātņu nozarēm nepieciešamie valodas resursi

Nepieciešamie valodas resursi

Valodām nepieciešamie resursi un rīki (3)

Licences un līgumi (1)

18

Resursu, rīku īpašnieks CLARIN pakalpojumu sniedzējs

- Resursu, rīku noguldījuma licences līgumslicences līguma veidi:

• publiska pieeja jebkuram CLARIN lietotājam• izmantošana akadēmiskiem mērķiem• ierobežota pieeja

Jebkurš līguma veids var ietvert kādu no šiem nosacījumiem:• nekomerciāla izmantošana• prasība ziņot par publikācijām, kas saistītas ar resursu un rīku izmantošanu• prasība nodot jebkuru resursa, rīka modifikāciju sākotnējā resursa, rīka īpašniekam

Licences un līgumi (2)

19

- CLARIN pakalpojumu līgumsnosaka piekļuves kārtību CLARIN, lietotāju identifikāciju un vispārējos CLARIN izmantošanas noteikumus

- CLARIN privātuma noteikumipielikums līgumam, kas nosaka kārtību, kādā CLARIN pakalpojumu sniedzējs apkopo un izmanto personas datus

CLARIN pakalpojumu sniedzējs

Resursu, rīku galalietotājs

- Galalietotāja licences līgumskatram CLARIN resursam un rīkam tiek piesaistīti attiecīgāResursu, rīku noguldījuma licences līguma nosacījumi, ko lietotājs akceptē pirms rīka, resursa lietošanas uzsākšanas

CLARIN ERIC

20

CLARIN – Eiropas pētniecības infrastruktūras konsorcijs (ERIC, European Research Infrastructure Consortium)

Analysis and Proposal(s) for Governance (D8S-1.2)

Paldies par uzmanību!

21