20.500.12556/DKUM-90557-3212b11b-a506-210d-d38f-075f6b692399 Korpusne oznake za opis konteksta govornih dogodkov v slovenskih govornih korpusih Corpus annotations for describing the context of speech events in Slovene speech corpora Zaradi časovno in finančno zahtevne priprave govornega korpusa je ob zasnovi potreben temeljit razmislek o njegovi sestavi in kategorizaciji beleženih metapodatkov. Raznoliki govorni dogodki, vključeni v nacionalni referenčni korpus, naj bi v čim večji meri odražali raznolikost sodobnega govorjenega jezika. Zanimalo nas bo, na kakšen način kategorizirati oznake za opis konteksta govornih dogodkov, da bi to reprezentativnost dosegli, ne da bi se popolnoma odrekli medsebojni primerljivosti podatkov. Premišljena zasnova nam omogoča, da je ob kasnejših korpusnih nadgradnjah potrebnih čim manj časovno zamudnih prilagoditev oznak. Izvedli bomo primerjalno analizo domačih in tujih govornih korpusov, s katero bomo kritično ovrednotili štiri temeljne kategorije oznak za opis konteksta govorne situacije. Pregledali bomo zasnovo tujih referenčnih govornih korpusov FOLK, BNC2014, ORAL2013, Nizozemskega govornega korpusa in C-ORAL-ROM ter jih primerjali z aktualnim referenčnim korpusom govorjene slovenščine Gos 2.1. Problematizirali bomo izbrane oznake in izpostavili težavnejša mesta, ki bi zahtevala dodatne premisleke in potencialno prekategorizacijo v prihodnje. The time-consuming and costly preparation of a speech corpus requires ca-reful consideration of its composition and the categorization of the recorded metadata at the time of its design. The variety of speech events included in the national reference corpus should reflect the diversity of contemporary spoken language as much as possible. We will be interested in how to categorize the annotations used to describe the context of the speech events in order to achi-eve this representativeness without completely giving up the intercomparabi-lity of the data. A thoughtful design allows us to minimize the time-consuming tag adjustments required in subsequent corpus upgrades. We will carry out a comparative analysis of domestic and foreign speech corpora to critically eva-luate the four basic categories of annotations used to describe the context of a speech situation. We will review the design of the foreign reference speech corpora FOLK, BNC2014, ORAL2013, the Spoken Dutch Corpus and C-ORAL--ROM and compare them with the current reference corpus of spoken Slovene Gos 2.1. We will problematize the selected annotations and highlight the more problematic areas that would require further consideration and potential futu-re re-categorization. govorni korpusi zasnova korpusa govorni dogodki kategorizacija oznak speech corpora corpus design speech events categorization of annotations true false true University of Ljubljana Press, Slovenia (Založba Univerze v Ljubljani) Slovenski jezik Angleški jezik https://journals.uni-lj.si/slovenscina2/issue/view/1274 https://creativecommons.org/licenses/by-sa/4.0 Članek v reviji 2024-09-09 09:49:13 2024-09-09 09:49:14 2026-02-14 03:11:39 0000-00-00 00:00:00 2024 0 0 str. 54-94 št. 1 Letn. 12 2024 0000-00-00 Zaloznikova Objavljeno NiDoloceno 0000-00-00 0000-00-00 2024-08-30 004.8:808 206755331 10.4312/slo2.0.2024.1.54-94 2335-2736 Bizjak.pdf Bizjak.pdf 1 3D2A02F1B4BDA71B099A9D5E87A5641B d2159cdc7ba3dc75e70f6a79f149dd4aa5b3d21e219b0349b08965268cd66a4b 501343e7-08cb-11f1-8973-00155d00019a https://dk.um.si/Dokument.php?lang=slv&id=203327 https://journals.uni-lj.si/slovenscina2/article/view/18015/16273 1 08cd892f-6e80-11ef-a573-00155d000105 https://dk.um.si/Dokument.php?lang=slv&id=184669 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0