Project information
Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum
(LINDAT-Clarin)
- Project Identification
- LM2015071
- Project Period
- 1/2016 - 12/2019
- Investor / Pogramme / Project type
-
Ministry of Education, Youth and Sports of the CR
- Large Infrastructures for Research, Development and Innovation
- MU Faculty or unit
- Faculty of Informatics
- Cooperating Organization
-
The Academy of Sciences of the Czech Republic
Charles University
- Responsible person prof. RNDr. Jan Hajič, Dr.
Projekt LINDAT-Clarin je koncipován jako český „uzel“ mezinárodní sítě Clarin (Common Language Resources and Technology Infrastructure. Centrum LINDAT-Clarin bude tedy v českém jazykovém prostředí zaměřeno na sběr jazykových dat a především jejich anotaci (tj. formální manuální, poloautomatickou a automatickou jazykovou analýzu). Sběr a anotace budou probíhat v takovém rozsahu, kvalitě a technologické přípravě (specifikace, schémata, formáty), která bude přímo využitelná jak v humanitní oblasti (jazykovědný a mezioborový výzkum, kde přirozený jazyk hraje podstatnou roli), tak i pro výzkum a vývoj v oblasti jazykových technologií za použití moderních statistických a hybridních metod.
Náplň práce centra a jeho výsledky se dotýkají řady oborů – v humanitních vědách to jsou jazykověda obecná a pro jazykověda zabývající se konkrétními jazyky, zejména češtinou, dále překladatelství, lexikografie, sociolingvistika, částečně i obory příbuzné (psychologie, sociologie, knihovnictví, neurovědy, cognitive science) s významným přesahem do informatiky (computer science, computational linguistics), matematiky (statistika a pravděpodobnost), a elektrotechniky (zpracování akustického signálu).
Publications
Total number of publications: 39
2017
-
Enhancing Similarity-Based Authorship Verification using Corpus
Year: 2017, type: Appeared in Conference without Proceedings
-
Enlargement of the Czech Question-Answering Dataset to SQAD v2.0
Proceedings of the Eleventh Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2017, year: 2017
-
Idiomatic Expressions in VerbaLex
Proceedings of the Eleventh Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2017, year: 2017
-
KernelTagger – a PoS Tagger for Very Small Amount of Training Data
Proceedings of the Eleventh Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2017, year: 2017
-
Lexicography and Natural Language Processing
The Routledge Handbook of Lexicography, year: 2017, number of pages: 18 s.
-
New features in DEBVisDic for WordNet Visualization and User Feedback
Proceedings of the Eleventh Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2017, year: 2017
-
Removing spam from web corpora through supervised learning using FastText
Year: 2017
-
Text Punctuation: An Inter-annotator Agreement Study
Text, Speech, and Dialogue: 20th International Conference, TSD 2017, year: 2017
2016
-
Between Comparable and Parallel: English-Czech Corpus from Wikipedia
RASLAN 2016 Recent Advances in Slavonic Natural Language Processing, year: 2016
-
DEBVisDic: Instant Wordnet Building
Proceedings of the Eighth Global WordNet Conference, year: 2016