EPOK-programmet:
Elektronisk Publicering Och Kommunikation

Projektförslag

Att utnyttja den språkliga kunskap som ligger fördold i texter på elektroniskt format är en stor utmaning. Inom korpuslingvistik, datalingvistik och översättningsvetenskap har man på senare år börjat inse möjligheterna med tillgången till elektroniska texter. Dels är elektroniska texter en källa för studier av subspråk (dialekter, sociolekter, teknolekter), nationella språk och översättningar mellan språk, dels fungerar de som en ny bas för tillämpad forskning och framtagning av verktyg som underlättar skrivande och översättning. Texter på elektroniskt format gör det möjligt att extrahera nya resurser (derivat) från de ursprungliga texterna, t.ex. termlistor, fras- och konstruktionslistor, egennamnslistor, lexikon för automatiska översättningssystem m.m. De framtagna resurserna kan sedan användas av andra tillämpningar som konkordanssystem (en- och flerspråkiga), automatiska eller interaktiva översättningssystem, s.k. gloss-system (där översättningen för ord och fraser är direkt tillgängliga genom att användaren markerar ett ord i texten), avancerad informationssökning och automatiska sammanfattningar.

Under projektet vill vi

• Utveckla och integrera verktyg för utvinning av språklig information med de aktuella textformaten inom projektet, t.ex.:
  • fras- och termextraktion
  • automatisk konstruktion av flerspråkiga lexikon
  • konkordansprogram (en- och flerspråkigt)
  • ordklasstaggning för svenska, engelska och franska (samt någon svensk dialekt)
• Skapa termbanker för några olika ämnesområden
• Utöka textdatabasen med parallella texter (dvs. original och motsvarande översättningar, eller en gammalsvensk text och dess moderna motsvarighet)
• Utveckla stöd för partiell översättning (översättning av enstaka ord, förkortningar och fraser)
• Integrera ett befintligt översättningssystem (exempelvis Globalink) i projektet, i första steget mellan franska och engelska, sedan mellan svenska och engelska samt svenska och franska.
• Undersöka möjligheterna att använda talat språk, både för utmatning från elektroniska dokument och för att styra läsenheter för elektroniska dokument (t.ex. elböcker).

Vi föreslår en budget om en och trekvarts tjänst för denna verksamhet (75 procent datalingvist samt två programmerare på halvtid).