XLog - a language of HTML and XML documents processing

Computer Research and Modeling, 2012

Рассматривается задача автоматизации коррекции документов в формате L A T E X. Каждый документ представляется в виде синтаксического дерева. С помощью модифицированного алгоритма Zhang-Shasha строится отображение вершин дерева изначального документа в вершины дерева отредактированного документа, соответствующее минимальному редактирующему расстоянию. Отображения вершины в вершину составляют обучающую выборку, по которой генерируются правила замены для автоматической коррекции. Для каждого правила собирается статистика его применимости к отредактированным документам. На ее основе производится оценка качества правил и их улучшение.

Динамика структуры указателей к стенографическим отчетам Государственной Думы начала XX в.: анализ корпуса текстов на основе разметки XML, 2018

Предметом исследования являются личные алфавитные указатели к стенографическим отчетам заседаний Государственной Думы начала XX в. Значение личных алфавитных указателей к стенографическим отчетам состоит в том, что их содержание в максимально структурированном виде отражает деятельность каждого депутата в Думе, что позволяет оценить деятельность парламентариев в количественном и качественном измерении. В статье прослежено изменение подходов к публикации информации, посвященной личным характеристикам и деятельности парламентариев, рассмотрена динамика структуры и содержания источника. В основе исследовательской методологии – анализ корпуса исторических текстов на основе технологии XML-разметки. Для решения задач исследования была специально разработана и применена схема XML-разметки текстов указателей, в структуре которой были предусмотрены теги для описания основных параметров источника – метаданных источника, личных характеристик депутатов и видов деятельности депутатов в ходе сессий I-IV созывов российского парламента. Анализ тегов разметки позволил представить степень подробности описания видов деятельности депутатов, а также изменения в структуре представленных данных, выявить постоянно отображаемую в источнике информацию о депутатах и сведения, которые варьировались в указателях разных сессий. Результаты данного исследования позволяют оценить информационный потенциал источника в его динамике, в перспективе восполнить неполноту данных сведениями из стенограмм, а также проанализировать вложенность тегов для классификации депутатов по характеристикам деятельности.

2016

Вестник Пермского университета. Математика. Механика. Информатика

Unified application issues of ontological engineering methods and tools for text data processing automation in 2 problems classes solving are considered. The first class is the relational database applications construction automation based on the necessary facts extracting directly from unstructured text documents collections in natural language. The second class is the text data processing automation in artificial languages in the program code verifying process for database applications. The information systems designing and developing problems, same as program code verifying problems, are complex for non-professional programmers. The text data processing problem solving automation is also relevant for professional programmers, because it significantly reduces the database applications development time. The ontologically controlled solution concept is proposed for these problems. An unified approach for problems solution and the tools demos implementation are described.

Стаття присвячена багатоаспектному дослідженню бібліографічного покажчика ЮНЕСКО «Іndex Translationum». Висвітлено історію створення та еволюцію покажчика, його кількісні та якісні характеристики. Проаналізовано переваги та недоліки бази даних «Іndex Translationum», її рейтингові статистичні показники. Розглянуто питання участі України в проекті ЮНЕСКО «Іndex Translationum». Ключові слова: переклад, документний потік, документний потік перекладів, бібліографічний покажчик, база даних. The article is devoted to comprehensive study of bibliographical index of UNESCO «Index Translationum». The history and evolution of the index, its quantitative and qualitative characteristics are highlighted. It is analyzed the advantages and shortcomings, the rating statistics of database «Index Translationum». The question of the participation of Ukraine in UNESCO project «Index Translationum» is examined.

InterCarto. InterGIS, 2020

Modern natural language processing technologies allow you to work with texts without being a specialist in linguistics. The use of popular data processing platforms for the development and use of linguistic models provides an opportunity to implement them in popular geographic information systems. This feature allows you to significantly expand the functionality and improve the accuracy of standard geocoding functions. The article provides a comparison of the most popular methods and software implemented on their basis, using the example of solving the problem of extracting geographical names from plain text. This option is an extended version of the geocoding operation, since the result also includes the coordinates of the point features of interest, but there is no need to separately extract the addresses or geographical names of the objects in advance from the text. In computer linguistics, this problem is solved by the methods of extracting named entities (Eng. named entity reco...

Rasprave Instituta za hrvatski jezik i jezikoslovlje

Грађа на основу које се израђује Речник српскохрватског књижевног и народног језика САНУ, а која садржи материјал из преко 4.500 писаних извора и 300 рукописних збирки речи са подручја народних говора штокавског наречја, забележена је на око 5.000.000 листића. Богат лексички материјал, који обухвата књижевни и народни језик у протекла два века и на основу кога треба да се напише још најмање 15 томова Речника, пружа могућност и за разноврсна лингвистичка и ванлингвистичка истраживања. Из тог разлога се приступило дигитализацији грађе и њеној организацији у дигитални репозиторијум, који ће омогућити да се ови у највећем броју врло трошни листићи сачувају, да се учине подесним за аутоматизацију рада на Речнику, што води знатном убрзању његове израде, као и да се грађа записана на њима учини доступном научној, стручној и широј културној јавности. У раду ће бити представљена веб-апликација која је креирана за управљање електронским верзијама листића и резултати досадашњег рада.

Printing and Publishing, 2020

2014

У доповіді запропоновано удосконалений метод пошуку релевантних веб-документів за допомогою модифікованого частотного критерію. Метод має на меті розширення вхідного запиту користувача синонімічними векторами з повторним зважуванням. Здійснено програмну реалізацію методу з використанням програмних засобів Ruby. В ході тестування розроблений метод показав суттєве поліпшення результатів за показниками точності з невеликою втратою у показниках повноти.The paper proposed an improved method of finding relevant Web documents using modified frequency criterion. The method is aimed at expanding the user's query input vectors synonymous with re- weighting. Done software implementation of the method using the software Ruby. During the testing of the developed method showed a significant improvement in results for performance accuracy with a small loss in terms of completeness

А. Шеля. Рукопись.doc: заметки о текстологии цифровых документов // Intermezzo festoso. Liber amicorum in honorem Lea Pild: Историко-филологический сборник в честь доцента кафедры русской литературы Тартуского университета Леа Пильд. Тарту, 2019. С. 356-374., 2019

Когда мы берем в руки карандаш и что-то записываем на листе бумаги, то интуитивно понимаем физические отношения между носителем информации и инструментом письма. Бумага, как правило, достоверно хранит следы контакта с ней: кофейные пятна, записи, слои исправлений, пометки, рисунки. Большинство этих следов доступно любому наблюдателю. Мы можем ничего не понимать в палеографии, не представлять особенности химического состава бумаги или чернил и не разбираться в истории бумажного производства, но это не помешает нам прочесть основную информацию в рукописи. И даже если для текстолога косвенные свидетельства, информация вспомогательных дисциплин и химической экспертизы могут оказаться ключевыми в деле изучения текста, интуитивное представление о физических свойствах рукописи доступно каждому. Мы приблизительно знаем, как можно сохранить бумажную рукопись и -что не менее важно -как ее уничтожить, если мы не хотим, чтобы какая-то информация когда-либо оказалась у третьих лиц.