"allkeelele" - 1 õppematerjal

Lühidalt arvutilingvistikast

Arvutuslingvistika uurimisrühma koduleheküljel www.cl.ut.ee on kirjakeele korpused, mille keskseks on 80ndate korpus. Selline süsteem aitab näiteks mõista keele muutumist 20ndal sajandil. Korpuste koostamisega tegelevadki eelpoolmainitud Tartu Ülikool ja EKI. EKI korpuse maht on 10,4 miljonit sõnavormi, millest ca 80% on ajalehetekstid. Kuna tegemist on juhuslikult kogutud materjalide, pole tegemist represantiivse korpusega. Keeletehnoloogilisi lahendusi on kergem teha pigem kitsale allkeelele näiteks: "on võimalik luua masintõlkesüsteem, mis tõlgib edukalt Hewlett­Packardi printeri manuaale, kuid mingi teise firma manuaalidega võib ta juba hätta jääda. Sellise süsteemi loomist alustatakse muidugi kõigi Hewlett­Packardi printeri manuaalide korpuseks koondamisega." (Arvutimaailm, 2002). Probleemi on lahendatud nii, et korpuste maht on viidud sellel tasemele, et seda saab kasutada erinevatel eesmärkidel. ,,Korpuslingvistikas räägitakse palju korpuse