Парсинг тексту термінологічних словників

Дорожинська, А. В.

Окреслено коло завдань, підходів та етапів розроблення технології парсинга тексту багатомовного тлумачного термінологічного словника. Дослідження проведено для "Словника української біологічної термінології". Серед усього словникового розмаїття цей словник обрано тому, що термінологічні словники надають лексико-семантичну базу для подальшого створення систем інтелектуального опрацювання фахових текстів, у яких подається інформація з тих чи інших предметних галузей. Ця термінографічна праця обіймає нормативну загальнонаукову та широковживану термінологію біологічних наук, зафіксовану в сучасних енциклопедичних, загальномовних і спеціальних словниках, у науковій, науково-популярній, навчальній та інформативно-реферативній літературі. Дослідивши обраний словник, можна узагальнити модель його лексикографічної системи на інші предметні галузі, що створить передумови для формування цілісного багатогалузевого цифрового лексикографічного простору. Робота зі словниками, переведеними у комп'ютерні текстові формати, є дуже неефективною і потребує конвертування їх у формати лексикографічних баз даних, що є спеціальним завданням, не відомим класичній лексикографії. Це і складає зміст терміна "парсинг словників". У процесі роботи побудовано модель лексикографічної системи, яку покладено в основу XML. Подальша робота з перетворення паперової версії словника на онлайн-систему будується на XML-файлі. Проаналізовано поліграфічне оформлення, організацію та структуру друкованого тексту словника з метою ідентифікації елементів концептуальної моделі Л-системи СУБТ. На базі концептуальної моделі побудовано структуру XML-документа, який пропонується використовувати як посередника між паперовою версією словника та його реалізацією як онлайнової лексикографічної системи. Надалі планується побудова універсальної процедури парсингу з удосконаленням структури XML-документа.


	Наукова періодика України		Вісник Національного університету "Львівська політехніка"