Original scientific paper

Korpusnojezikoslovna obradba tekstova Sportskih novosti

Tomislav Stojanov orcid.org/0000-0002-6972-6518 ; Institut za hrvatski jezik i jezikoslovlje
Zoran Vučić

Abstract

U radu se propitkuje uloga korpusa za jezikoslovna istraživanja i testiraju sučelja dvaju hrvatskih korpusa, Philologic i Bonito, za jezične upite na razini dokumenta i sadržaja, prikazbe te znakova i forme. Za specijalizirane jezikoslovne pretraživačke upite izgradili smo sportsku novinsku bazu internetskih tekstova Sportskih novosti od travnja 2008. do srpnja 2009. godine (3,6 milijuna pojavnica).
Pokazat će se računalni postupci dohvaćanja teksta, n‑gramski SQL/regex‑upiti u cilju izvlačenja supojavnih čestotnica i otkrivanja frazema, naziva i stalnijih sintagmema, te njihova vizualizacija u prebirniku (browseru) uz pomoć javaskriptne biblioteke WireIt.
Ukazali smo da izgrađena metodologija može poslužiti za dobivanje jedinstvenih informacija za jezikoslovna istraživanja, te usporedili rezultate našega pristupa s tražilicom Google na osnovi kojih smo istaknuli sedam nedostataka rezultata Googleovih pretraživanja za jezikoslovna istraživanja.

Keywords

pretraživanje teksta; SQLite; dohvaćanje podataka; tražilica Google; korpusno jezikoslovlje; Sportske novosti; n-gram; kolokacija; hrvatski jezik

Hrčak ID:

98089

URI

https://hrcak.srce.hr/98089

Publication date:

12.3.2013.

Article data in other languages: english

Visits: 1.772 *