Zapis korpusov SSJ

Stran podaja specifikacije za format zapisa korpusov projekta SSJ. Shema zapisa je definirana v XML in sloni na priporočilih Text Encoding Initiative, inačice TEI P5. Za specifikacjo oblikoslovnih ozkak uporablja Priporočila za oblikoslovno označevanje slovenskih besedil JOS projekta Jezikoslovno označevanje slovenskega jezika.

Shema SSJ

Shema SSJ doloća formalno sintakso in pomen elementov in atributov dovoljenih v korpusih SSJ. Skladnost s shemo se preverja preko validatorjev XML, bodisi preko sheme DTD ali, bolje, RelaxNG. Konkretna shema je narejena na osnovi parametrizacije priporočil TEI P5, skozi spletni servis Roma.

Shema v več oblikah in z dokumentacijo je v schema.zip, oz. po posameznih datotekah:

tei_ssj.dtd

Shema SSJ v jeziku DTD

tei_ssj.rnc, tei_ssj.rng

Shema SSJ v jeziku RelaxNG, kompaktni zapis in zapis XML

tei_ssj.zip

Shema SSJ v jeziku W3C schema, v arhivu ZIP

tei_ssj_doc HTML, PDF

TEI dokumentacija razredov, elementov in atributov v shemah SSJ

tei_ssj_schema.xml

TEI parametriziacija za shemo SSJ

Primeri

Korpus SSJ je sestavljen iz kolofona korpusa in dokumentov. Kolofon korpusa vsebuje korpusne metapodatke, in sicer splošne podatke o korpusu ter knjižnice (taksonomije, oblikoslovne oznake). Vsak dokument ima spet svoj kolofon (bibliografski podatki, taksoni), in besedilo. Besedilo je nadalje razdeljeno na odstavke in jezikoslovno označeno.

Struktura je ponazorjena z ilustrativnih korpusom, ki vsebuje dve besedili. Primere je v examples.zip, oz. po posameznih datotekah:

ssjF0020933.xml

Primer manjšega besedila

ssjF0027135.xml

Primer večjega besedila

ssjKorpus-test.xml

Testni kolofon korpusa, ki vsebuje splošne podatke o korpusu, knjižnice jezikov, taksonomih in oblikoslovnih oznak JOS, ter sklic na gornji dve besedili.