NB-BibliothecaNova 0414nett

Dataene kan være rå data eller bearbeidet ved koding eller annotering.
Det verserer mange måter å kategorisere språkressurser på, men nedenstående
er kategorier de fleste språkforskere har et forhold til:
• Korpus: Et korpus er en samling av brukt språk avgrenset/karakterisert på
ulikt vis, for eksempel ved språk, medietype, språksituasjon, organisering,
modalitet etc. Eksempler på slike er
– Akustisk-fonetisk taledatabase for norsk – versjon 1.0 som inneholder
innleste setninger på norsk, lest inn av personer med ulike dialekter.
annotert på ord og fonemnivå (Språkbanken)
– Nordisk dialektkorpus: talespråkskorpus med norske, svenske, danske,
islandske og færøyske dialekter (Universitetet i Oslo)
– Norsk dependenstrebank – Trebanker er tekstkorpus som er annotert
syntaktisk og eventuelt morfologisk, og således danner syntakstrær.
Norsk dependenstrebank består av to deler, en for nynorsk og en for
bokmål. (Språkbanken)
– Menota – Arkiv for nordiske middelaldertekster 6 : Inneholder digitaliserte
middelaldertekster, kodet i henhold til TEI-standarden (Universitetet
i Oslo)
• Leksikalske og konseptuelle ressurser: Dette er typisk samlinger av ord/
begreper som er beskrevet på en strukturert måte, som ordbøker, leksika,
terminologier, ontologier, tesauri, ordnett, etc. Eksempel:
– Sametingets termsamling
– Norsk ordnett
– Frekvensordlister (1-grammer) basert på Norsk Aviskorpus til og med 2011.
• Verktøy og tjenester: Dette er applikasjoner, webservices etc utviklet for
å analysere, bearbeide eller beskrive språkressurser på et eller annet vis,
for eksempel stemmere, automatiske annotasjonsverktøy, søketjenester
i korpus, rammeverk som organiserer andre verktøy i en arbeidsflyt, etc
Eksempel:
– Søkeverktøyet Glossa 7
Mange språkressurser er komplekse data som er skapt i forskningsprosjekter
og for spesielle formål, og i likhet med andre typer forskningsdata er de ofte
6 http://www.menota.org/tekstarkiv.xml
7 http://www.hf.uio.no/iln/tjenester/kunnskap/sprak/glossa/
75