Σχεδιασμός και δημιουργία σωμάτων κειμένων

Abstract

This chapter presents basic types of corpora, in terms of such features as language selection, breadth of linguistic coverage, modality, temporal coverage, data openness and type of annotation. It discusses the principles of corpus design in terms of such parameters as size, content, sampling, respresentativeness, metadata, and availability, as well as the specific procedures of corpus compilation. Finally, selected corpora in Greek and other languages are presented; of these the Corpus of Greek Texts is focused on and analysed in detail.

Αυτό το κεφάλαιο παρουσιάζει τις βασικές κατηγορίες σωμάτων κειμένων, όσον αφορά τα χαρακτηριστικά όπως η επιλογή της γλώσσας, η εύρος γλωσσικής κάλυψης, η μονταλιτέ, η χρονική κάλυψη, η διαθεσιμότητα των δεδομένων και ο τύπος της αναγνώρισης. Συζητά τις αρχές του σχεδιασμού σωμάτων κειμένων όσον αφορά παραμέτρους όπως το μέγεθος, το περιεχόμενο, η δειγματοληψία, η αντιπροσωπευτικότητα, τα μεταδεδομένα και η διαθεσιμότητα, καθώς και τις συγκεκριμένες διαδικασίες συλλογής σώματος κειμένου. Τέλος, παρουσιάζονται επιλεγμένα σώματα κειμένων στα ελληνικά και άλλες γλώσσες· εκ τούτων, το Σώμα Ελληνικών Κειμένων εστιάζεται και αναλύεται λεπτομερώς.