19、ELG平台语言资源整合与摄取全解析

ELG平台语言资源整合与摄取全解析

1. 引言

ELG平台的主要功能之一是实现语言资源与技术（LRT）的共享、分发和部署。它为欧洲语言技术社区提供了数千个数据集，是该领域相关数据集的最大集合。用户可以在平台上搜索、下载和提供各类资源。ELG通过识别、筛选、描述和集中来自不同库存和存储库的大量数据集及其他资源，为语言技术社区提供了一个便捷的搜索点，目标是成为欧洲语言技术社区的“黄页”和主要平台。

2. 语言资源和存储库的识别

ELG旨在成为欧洲语言技术社区的主要市场，涉及商业和非商业组织，包括研究中心、公司、倡议和基础设施等。为了覆盖所有相关的现有语言资源存储库，ELG制定了识别和收集方法：
- 联盟识别 ：ELG项目联盟成员对所有潜在的语言技术/语言资源（LT/LR）提供者和用户的可用库存和存储库进行了识别和分析，并结合国家能力中心（NCCs）和欧洲语言平等（ELE）项目的协作输入完善结果。搜索的语言资源类型包括对语言技术应用有用的各类资源，如语料库、词典、术语表、衍生资源等，识别策略会根据用户需求调整。
- 国家能力中心识别 ：通过对NCCs和其他合作者的调查，收集了更多关于当地和区域存储库的信息，NCCs还提供了丰富的文档。与NCCs的合作很有价值，后续将继续合作以扩大ELG的覆盖范围。
- 协作填补空白 ：目前ELG已有8873个数据集描述，其数据集提供策略的下一步将从多个角度分析和识别差距：
- 联盟成员分析 ：分析平台上的贡献和摄取统计数据。
- 联