Перем коми ресурс

Спеллер

• Разработка списка коми-пермяцких лемм с добавлением к каждой лемме индекса словоизменительной парадигмы.
• Создание списка коми-пермяцких словоизменительных парадигм согласно индексам в списке коми-пермяцких лемм.
• Интеграция двух списков в виде файлов koi.dic и koi.aff в программе проверки орфографии Hunspell.
• Подключение коми-пермяцкого hunspell словаря в LibreOffice, его загрузка в онлайн сервис проверки правописания и браузер Mozilla Firefox.

Справочный ресурс по изданиям, авторам и текстам

• Создание библиографического онлайн ресурса по книжным изданиям и периодике с коми-пермяцким контентом на сайте Коми тӧданін. На данном ресурсе необходимо в режиме реального времени фиксировать ход работы по каждому изданию.

Сканирование и создание базы pdf файлов

• Концентрация и систематизация pdf файлов ранее сканированных изданий.
• Сканирование коми-пермяцких книжных изданий и создание pdf файлов по каждому изданию.
• Сканирование газетных текстов на коми-пермяцком языке и создание соответствующих pdf файлов.
• Концентрация имеющихся в редакциях pdf файлов книжных и газетных изданий c текстовым слоем и без такового.

Создание текстовой базы

• Систематизация ранее распознанных коми-пермяцких текстов.
• Добавление в программу FineReader пользовательского языка коми-пермяцкий и словаря поддержки к нему.
• Распознавание в программе FineReader вновь сканированных и полученных от редакций pdf файлов без текстового слоя. Сохранение в форматe .txt и .odt с восстановлением структуры текста по строкам и абзацам.
• Извлечение текста из pdf-файлов с текстовым слоем и преобразование его в стандартную кодировку с восстановлением структуры текста по строкам и абзацам в форматe .txt и .odt. (Тексты, кодировка которых в pdf файле оказалась дефектной, набираются на клавиатуре либо получаются путем распознавания в программе “FineReader”).

Обработка текстовой базы

• Оформление метаразметки к каждому тексту.
• Корректура текстов в программе LibreOffice Wtiter при которой устраняются опечатки и ошибки распознавания, отмечаются слова, отсутствующие в списке лемм и специфические формы слов, не укладывающиеся в ранее разработанные парадигмы, специальными тегами (<rus>, <kpv>, <eng> и т.п.) выделяются иноязычных вкрапления.

Коми онлайн библиотека

• Загрузка коми-пермяцких текстов в коми-пермяцкий раздел онлайн библиотеки "Коми гижӧд" и их оформление.

Предварительно необходимо получить согласие от владельцев авторских прав в форме лицензионного соглашения, если таковое предусмотрено действующим законодательством.

• Создание на сайте онлайн библиотеки гиперссылок между информацией о тексте, авторе и издании.

Работа над базой спеллера

• В список лемм добавляются слова, вновь обнаруженные в текстах.
• В список словоизменительных парадигм добавляются вновь обнаруженные случаи словоизменения.
• Таким образом, спеллер постоянно обновляется и накапливаются материал для создания большого словаря и морфоанализатора.

Морфоанализатор

• Создание коми-пермяцкого морфоанализатора по аналогии с коми-зырянским морфоанализатором.

Коми-пермяцкий электронный словарь

• Интеграция существующих словарей в единую базу "Электронный словарь коми-пермяцкого языка".
• Создание словарных статей для лемм, вновь обнаруженных при анализе текстов с помощью программы hunspell.
• Уточнение и дополнение словарных статей с опорой на данные корпуса коми-пермяцкого языка.
• Сохранение словаря в форме xml-файлов и его презентация в виде онлайн словаря, расширения для браузера, приложения для мобильных телефонов.

Корпус коми-пермяцкого языка

• Все тексты включаются в поисковую систему "Корпус коми-пермяцкого языка", функционирующую аналогично системе "Письменный корпус коми языка".
• Подключение электронного словаря и морфоанализатора к корпусу коми-пермяцкого языка.