kolofon TEI

^§opis datoteke

^§navedba naslova

^§naslov

INTERNET najdi.si (2011-02) [Gigafida]

^§navedba izdaje

^§izdaja

2.0

^§obseg

^§mera
enota = besede količina = 27812

27.812 besed

^§navedba objave

^§založba	Univerza v Ljubljani, Center za jezikovne vire in tehnologije
^§identifikacijska številka tip = GIGAFIDA	GF2228617
^§identifikacijska številka tip = FIDA	F0038157
^§dostopnost	Avtorske pravice za to izdajo urejata Pogodba o zbiranju in uporabi besedilnega korpusa v okviru projekta Sporazumevanje v slovenskem jeziku, dostopna na URL www.slovenscina.eu/korpusi/pogodba/, in Pogodba o zbiranju in uporabi besedilnega korpusa v okviru projekta Nadgradnja korpusov Gigafida, Kres, ccGigafida in ccKres, dostopna na www.cjvt.si/gigafida/publikacije/pogodba.
^§datum	2018-12-27

^§opis vira

^§bibliografska enota

^§naslov

INTERNET

^§avtor

neznani avtor

^§datum

2011-02-15

^§založba

najdi.si

^§opomba
tip = sourceLang

und

^§opomba

^§opis označevanja

^§opis projekta

Projekt "Nadgradnja korpusov Gigafida, Kres, ccGigafida in ccKres".

^§opis projekta

Projekt "Sporazumevanje v slovenskem jeziku".

^§uredniška načela

^§interpretacija

Odstavki imajo pripisano avtomatsko oceno ali so bližnji duplikati katerega od ostalih odstavkov v korpusu ali ne.

Besedila in odstavki imajo pripisano avtomatsko določeno stopnjo tehnične in jezikovne standardnosti.

Besedne oblike imajo pripisano avtomatsko določeno lemo in oblikoskladenjsko oznako.

^§standardne vrednosti

@xml:lang vsebuje ISO 639 dvo- ali tročrkovno kodo jezika.

catRef/@target poda zvrst besedila po taksonomiji, ki je določena v kolofonu korpusa. Formalna razvezava prefiksa vrednosti se ravno tako nahaja v kolofonu korpusa.

p/fs/f[@name='neardup'] določa ali je odstavek bližnji duplikat (vrednost 'dup') nekega drugega odstavka ali ne (vrednost 'nodup'). Če je več kot 95 % odstavkov nekega besedila bližnjih duplikatov, je besedilo označeno kot duplikat (torej text/fs/f[@name='neardup'] = 'dup') sicer pa kot 'nodup'.

p/fs/f[@name='std_tech_n'] poda tehnično, p/fs/f[@name='std_ling_n'] pa jezikovno standardnost odstavka. Tehnična standardnost zadeva uporabo presledkov in ločil, medtem ko jezikovna standardnost zadeva uporabo nestandardne ortografije. Vrednosti se gibljeta med 1.0 (popolnoma standardno) in 3.0 (povsem nestandardno). Tudi besedila so označena s svojo standardnosti (torej text/fs/f[@name='std_techl_n'] in p/fs/f[@name='std_ling_n']), ki je povprečje standardnosti njihovih odstavkov.

Oblikoskladenjske oznake sledijo oblikoskladenjskim specifikacijam MULTEXT-East različica 6 za slovenski jezik, cf. http://nl.ijs.si/ME/V6/msd/ in https://github.com/clarinsi/mte-msd. Formalna razvezava prefiksa vrednosti se nahaja v kolofonu korpusa.

^§načela označevanja

^§imenski prostor
ime = http://www.tei-c.org/ns/1.0

^§uporaba oznake ime elementa = p pojavitev = 1013	odstavek
^§uporaba oznake ime elementa = s pojavitev = 1687	povedna enota
^§uporaba oznake ime elementa = pc pojavitev = 4935	ločilo
^§uporaba oznake ime elementa = w pojavitev = 27812	beseda
^§uporaba oznake ime elementa = c pojavitev = 27138	znak

^§podatki o aplikaciji

^§aplikacija
identifikator = Onion

^§opis

Onion deduplicator z dolžino n-gramov 9 in mejo vsebine duplikatov 0.5 je bil uporabljen za označevanje nivoja bližnjih duplikatov odstavkov.

^§aplikacija
identifikator = janes-standardictor

^§opis

janes-standardictor je bil uporabljem za določanje tehnične in jezikovne ravni standardnosti odstavkov.

^§aplikacija
identifikator = MetaTagger

^§opis

MetaTagger je bil uporabljen, da določi katero oblikoskladenjsko oznako in lemo pripisati pojavnicam v besedilu, pri čemer je kot vhod dobil oznaki in lemi označevalnikov Obeliks in ReLDI.

^§aplikacija
identifikator = NewsFeed

^§opis

Spletni pajek NewsFeed je bil uporabljen za zbiranje besedila.

^§opis značilnosti besedila

^§klasifikacija besedila

^§sklic na kategorijo
cilj = ssj:SSJ.I

^§sklic na kategorijo
cilj = dedup:nodup

^§klasifikacijska koda
shema = https://github.com/clarinsi/janes-standardictor

1.2 1.26

^§opis sprememb

^§sprememba
kdaj = 2018-12-27

Tomaž Erjavec_<ime>: Naredil korpus v formatu TEI.