Nyelv-ész-gép Új technológiák az információs társadalomban

Nyelv-ész-gép

Új technológiák az információs társadalomban

CESAR – Csatlakozás az európai nyelvtechnológiai infrastruktúra élvonalához Lendvai Piroska [email protected]

CEntral and South-East EuropeAn Resources*

 

*Közép- és kelet-európai erőforrások

Nagyszabású EUs projekt 9 partner, 2 millió € támogatás

   

MTA Nyelvtudományi Intézet koordinálásával 2011-2013 Nemzeti nyelvi infrastruktúrák egységesítése, összekapcsolása

Partnerek ①  MTA Nyelvtudományi Intézet ②  BME Távközlési és Médiainformatikai Tanszék

③  Lengyel Tud. Akadémia Informatikai Intézet (P) ④  Lódz-i Egyetem (P) ⑤  Szlovák Tud. Akadémia Nyelvtudományi Intézet (SK) ⑥  Bolgár Nyelvi Intézet (BG) ⑦  Mihajlo Pupin Intézet (SRB) ⑧  Belgrádi Egyetem Matematika Kar (SRB) ⑨  Zágrábi Egyetem Bölcsészettudományi Kar (HR)

Motiváció   A képviselt 6 nyelv EU tagországok, vagy csatlakozásra váró országok nemzeti nyelvei   A páneurópai egységes digitális piac létrehozásához elengedhetetlen ezek nyelvtechnológiai támogatottsága   Az észak-európai és dél-európai régiókban a CESARhoz hasonló projektek folynak majd

  Nyelvi erőforrások állnak a piacot lehetővé tevő szoftverek mögött, folyamatosan fejlesztendők  

MT 6. Stratégiai cél: Többnyelvűség, a nyelvi korlátok leküzdése

Nyelvi erőforrások, nyelvi infrastruktúra • Írott és beszélt nyelvi adatbázisok •  Nagyméretű szöveges (tanító)állományok •  Feldolgozó/szintetizáló eszközök, címkézők

  szógyűjtemény, nyelvtani szerkezetek, szókincs stb. leírása   “korpusz”   szó-, mondatelemző, szótövesítő, párhuzamosító…

Eddigi állapot

Nyelvtechnológia idáig autonóm módon fejlődött, országonkénti eltérésekkel

•  Nemzeti támogatással, kutatási, kereskedelmi célokra készültek nyelvi erőforrások •  Egymástól elszigetelten, ami a ma igényelt kompatibilitást, emiatt az újrafelhasználást gátolja

A CESAR projekt célja Európai Unió nyelvtechnológiai igényeinek támogatása •  A nyelvi erőforrások sokszor nem hasonlítanak egymásra, mert adott szempontok szerint, adott alkalmazások támogatására készültek •  Egységesíteni, szabványosítani: felépítésükben, nyelvtől független jellemzőikben

A CESAR projekt célja Európai Unió nyelvtechnológiai igényeinek támogatása

A CESAR projekt célja Európai Unió nyelvtechnológiai igényeinek támogatása   Ha az EU piacát nyelvileg támogató alkalmazások elemei hasonlítanak egymáshoz, •  nő köztük a kompatibilitás •  a szoftverek, azok moduljai más nyelvekhez és célokhoz adaptálhatóvá válnak

A CESAR projekt célja Európai Unió nyelvtechnológiai igényeinek támogatása   EU ehhez összefogó keretrendszert ad  META-SHARE platform  Ebbe kell az egymással összehangolt erőforrásokat beszállítani

Szintre- és szinkronba hozás •  Kevés a többnyelvű, párhuzamosított anyag o Nyelvpárok szerint mondat/szószinten egymás mellé rendezett szövegek o horvát-angol, horvát-francia o szlovák-orosz, szlovák-francia o Két- vagy többnyelvű szószedetek o Nyelvfüggetlen elemzők •  Általában egynyelvű erőforrások

Összekapcsolás •  Bekérni, kiterjeszteni, szabványosítani, modularizálni, dokumentálni •  Összekapcsolni •  horvát-angol-francia •  szlovák-orosz-francia • 

horvát-angol-francia-szlovák-orosz

•  Eredmény: többnyelvű (multilingvális) erőforrások

Páneurópai egységes digitális piac támogatása •  Bármilyen ipari vagy kutatási fejlesztéshez bárki felhasználhassa ezt a nyelvi infrastruktúrát

•  Elemekre, építőkövekre bontva központi helyen kell tárolni •  Egyértelmű legyen, mi az, ami ott található – egységes jellemzők kialakítása (“metaadatok”)

Elérhetővé tett erőforrások   Magyar és többnyelvű anyagok központi elhelyezése   Elérhetővé (nem feltétlenül ingyenessé) tétel   Ipar és fejlesztők számára   Webes szolgáltatásként   Szabványos licenszmegoldások alkalmazásával   Létező jogi státuszok megőrzésével

Kívánt eredmény   Az EU nyelveinek meglévő erőforrásain alapuló, kombinálható infrastruktúra   Eredetileg más nyelvre fejlesztett alkalmazásokban is megjelenhet a magyar   pl. lengyel piaci elemzőben, vagy annak részmegoldásait átvéve

  Magyarra kialakítandó szoftverekbe bekapcsolhatóak lesznek más EUs nyelvek

A CESAR küldetése   Közvetítői szerep a nyelvtechnológiai közösség és a digitális piac egésze között   A piac igényeinek felmérése   A felhasználás mértékének kiértékelése

  A közép- és kelet-európai erőforrások EUs vérkeringésbe való becsatlakoztatása   Régiós ipari és kutatói kulcsszereplők összefogásával