Suomalais-ugrilaiset kielet ja internet -projekti 2013-2019

Tommi Jauhiainen; Heidi Jauhiainen; Krister Linden

doi:10.31885/9789515150257.21

Suomalais-ugrilaiset kielet ja internet -projekti 2013-2019

Tommi Jauhiainen, Heidi Jauhiainen, Krister Linden

Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussa › Kirjan luku tai artikkeli › Tieteellinen › vertaisarvioitu

Abstrakti

Tässä artikkelissa esittelemme vuonna 2013 aloittaneen ja 2019 päättyneen Koneen säätiön rahoittaman Suomalais-ugrilaiset kielet ja internet projektin suunnittelua sekä toteutusta ja kokoamme yhteen saavutettuja tuloksia. Aikaisemmin julkaistujen valmiiden tulosten lisäksi esittelemme myös joitakin keskeneräisiksi jääneitä tuotoksia. Projektissa kerättiin verkkoharavoinnin ja automaattisen kielentunnistuksen avulla harvinaisilla uralilaisilla kielillä kirjoitettujen sivujen tekstiä avoimilta verkkosivuilta. Projektissa kehitetty Wanca-portaalisivusto toimii kokoelmana linkkejä haravoinnin yhteydessä löydetyille näitä kieliä käyttäen kirjoitetuille sivuille. Projektissa kehitettiin prosessi, jota käyttäen verkkoharavan avulla löydetyistä teksteistä muodostetaan virkekorpuksia halutuille kielille. Muodostetut virkekorpukset ovat avoimesti saatavilla FIN-CLARIN konsortion ylläpitämän Kielipankin Korp-palvelussa. Verkkoharavoinnin ja korpusten kokoamisen ohella projekti keskittyi erityisesti kielentunnistuksen menetelmien kehittämiseen, jossa saavutettiin kansainvälisesti erittäin merkittäviä tuloksia. Projektin tutkijat ovat osallistuneet kansainvälisiin tekstin kielentunnistukseen keskittyneisiin kilpailuihin ja voittaneet niistä useita.

Alkuperäiskieli	suomi
Otsikko	Multilingual Facilitation
Toimittajat	Mika Hämäläinen, Niko Partanen, Khalid Alnajjar
Julkaisupaikka	Helsinki
Kustantaja	University of Helsinki
Julkaisupäivä	2021
ISBN (elektroninen)	978-951-51-5025-7
DOI - pysyväislinkit	https://doi.org/10.31885/9789515150257.21
Tila	Julkaistu - 2021
OKM-julkaisutyyppi	A3 Kirjan tai muun kokoomateoksen osa

Tieteenalat

6121 Kielitieteet
113 Tietojenkäsittely- ja informaatiotieteet

Pääsy asiakirjaan

10.31885/9789515150257.21Lisenssi: CC BY

Siteeraa tätä

@inbook{e8572bd55e0348ed90df6a45e9985564,

title = "Suomalais-ugrilaiset kielet ja internet -projekti 2013-2019",

abstract = "T{\"a}ss{\"a} artikkelissa esittelemme vuonna 2013 aloittaneen ja 2019 p{\"a}{\"a}ttyneen Koneen s{\"a}{\"a}ti{\"o}n rahoittaman Suomalais-ugrilaiset kielet ja internet projektin suunnittelua sek{\"a} toteutusta ja kokoamme yhteen saavutettuja tuloksia. Aikaisemmin julkaistujen valmiiden tulosten lis{\"a}ksi esittelemme my{\"o}s joitakin keskener{\"a}isiksi j{\"a}{\"a}neit{\"a} tuotoksia. Projektissa ker{\"a}ttiin verkkoharavoinnin ja automaattisen kielentunnistuksen avulla harvinaisilla uralilaisilla kielill{\"a} kirjoitettujen sivujen teksti{\"a} avoimilta verkkosivuilta. Projektissa kehitetty Wanca-portaalisivusto toimii kokoelmana linkkej{\"a} haravoinnin yhteydess{\"a} l{\"o}ydetyille n{\"a}it{\"a} kieli{\"a} k{\"a}ytt{\"a}en kirjoitetuille sivuille. Projektissa kehitettiin prosessi, jota k{\"a}ytt{\"a}en verkkoharavan avulla l{\"o}ydetyist{\"a} teksteist{\"a} muodostetaan virkekorpuksia halutuille kielille. Muodostetut virkekorpukset ovat avoimesti saatavilla FIN-CLARIN konsortion yll{\"a}pit{\"a}m{\"a}n Kielipankin Korp-palvelussa. Verkkoharavoinnin ja korpusten kokoamisen ohella projekti keskittyi erityisesti kielentunnistuksen menetelmien kehitt{\"a}miseen, jossa saavutettiin kansainv{\"a}lisesti eritt{\"a}in merkitt{\"a}vi{\"a} tuloksia. Projektin tutkijat ovat osallistuneet kansainv{\"a}lisiin tekstin kielentunnistukseen keskittyneisiin kilpailuihin ja voittaneet niist{\"a} useita.",

keywords = "6121 Kielitieteet, 113 Tietojenk{\"a}sittely- ja informaatiotieteet",

author = "Tommi Jauhiainen and Heidi Jauhiainen and Krister Linden",

year = "2021",

doi = "10.31885/9789515150257.21",

language = "suomi",

editor = "Mika H{\"a}m{\"a}l{\"a}inen and Niko Partanen and Khalid Alnajjar",

booktitle = "Multilingual Facilitation",

publisher = "University of Helsinki",

address = "Suomi",

}

Suomalais-ugrilaiset kielet ja internet -projekti 2013-2019. / Jauhiainen, Tommi ; Jauhiainen, Heidi ; Linden, Krister.

Multilingual Facilitation. toim. / Mika Hämäläinen; Niko Partanen; Khalid Alnajjar. Helsinki : University of Helsinki, 2021.

Tutkimustuotos: Artikkeli kirjassa/raportissa/konferenssijulkaisussa › Kirjan luku tai artikkeli › Tieteellinen › vertaisarvioitu

TY - CHAP

T1 - Suomalais-ugrilaiset kielet ja internet -projekti 2013-2019

AU - Jauhiainen, Tommi

AU - Jauhiainen, Heidi

AU - Linden, Krister

PY - 2021

Y1 - 2021

N2 - Tässä artikkelissa esittelemme vuonna 2013 aloittaneen ja 2019 päättyneen Koneen säätiön rahoittaman Suomalais-ugrilaiset kielet ja internet projektin suunnittelua sekä toteutusta ja kokoamme yhteen saavutettuja tuloksia. Aikaisemmin julkaistujen valmiiden tulosten lisäksi esittelemme myös joitakin keskeneräisiksi jääneitä tuotoksia. Projektissa kerättiin verkkoharavoinnin ja automaattisen kielentunnistuksen avulla harvinaisilla uralilaisilla kielillä kirjoitettujen sivujen tekstiä avoimilta verkkosivuilta. Projektissa kehitetty Wanca-portaalisivusto toimii kokoelmana linkkejä haravoinnin yhteydessä löydetyille näitä kieliä käyttäen kirjoitetuille sivuille. Projektissa kehitettiin prosessi, jota käyttäen verkkoharavan avulla löydetyistä teksteistä muodostetaan virkekorpuksia halutuille kielille. Muodostetut virkekorpukset ovat avoimesti saatavilla FIN-CLARIN konsortion ylläpitämän Kielipankin Korp-palvelussa. Verkkoharavoinnin ja korpusten kokoamisen ohella projekti keskittyi erityisesti kielentunnistuksen menetelmien kehittämiseen, jossa saavutettiin kansainvälisesti erittäin merkittäviä tuloksia. Projektin tutkijat ovat osallistuneet kansainvälisiin tekstin kielentunnistukseen keskittyneisiin kilpailuihin ja voittaneet niistä useita.

AB - Tässä artikkelissa esittelemme vuonna 2013 aloittaneen ja 2019 päättyneen Koneen säätiön rahoittaman Suomalais-ugrilaiset kielet ja internet projektin suunnittelua sekä toteutusta ja kokoamme yhteen saavutettuja tuloksia. Aikaisemmin julkaistujen valmiiden tulosten lisäksi esittelemme myös joitakin keskeneräisiksi jääneitä tuotoksia. Projektissa kerättiin verkkoharavoinnin ja automaattisen kielentunnistuksen avulla harvinaisilla uralilaisilla kielillä kirjoitettujen sivujen tekstiä avoimilta verkkosivuilta. Projektissa kehitetty Wanca-portaalisivusto toimii kokoelmana linkkejä haravoinnin yhteydessä löydetyille näitä kieliä käyttäen kirjoitetuille sivuille. Projektissa kehitettiin prosessi, jota käyttäen verkkoharavan avulla löydetyistä teksteistä muodostetaan virkekorpuksia halutuille kielille. Muodostetut virkekorpukset ovat avoimesti saatavilla FIN-CLARIN konsortion ylläpitämän Kielipankin Korp-palvelussa. Verkkoharavoinnin ja korpusten kokoamisen ohella projekti keskittyi erityisesti kielentunnistuksen menetelmien kehittämiseen, jossa saavutettiin kansainvälisesti erittäin merkittäviä tuloksia. Projektin tutkijat ovat osallistuneet kansainvälisiin tekstin kielentunnistukseen keskittyneisiin kilpailuihin ja voittaneet niistä useita.

KW - 6121 Kielitieteet

KW - 113 Tietojenkäsittely- ja informaatiotieteet

U2 - 10.31885/9789515150257.21

DO - 10.31885/9789515150257.21

M3 - Kirjan luku tai artikkeli

BT - Multilingual Facilitation

A2 - Hämäläinen, Mika

A2 - Partanen, Niko

A2 - Alnajjar, Khalid

PB - University of Helsinki

CY - Helsinki

ER -