الهيئة الوطنية الأمريكية

📅 آخر تحديث: ٣ أغسطس ٢٠٢٦
✍️ نُشر في: ٣ أغسطس ٢٠٢٦
الموسوعة الحرة

المدونة الوطنية الأمريكية ( ANC ) هي مدونة نصية للغة الإنجليزية الأمريكية تضم 22 مليون كلمة من البيانات المكتوبة والمنطوقة التي تم إنتاجها منذ عام 1990. وتشمل المدونة حاليًا مجموعة متنوعة من الأنواع، بما في ذلك الأنواع الناشئة مثل البريد الإلكتروني والتغريدات وبيانات الويب التي لم تكن مدرجة في المدونات السابقة مثل المدونة الوطنية البريطانية . وهي مصنفة حسب أجزاء الكلام والكلمات الأساسية والتحليل النحوي السطحي والكيانات المسماة .

تتوفر مدونة اللغة الوطنية الأمريكية (ANC) من اتحاد البيانات اللغوية . كما تتوفر مجموعة فرعية من المدونة، يبلغ عددها 15 مليون كلمة، وتسمى مدونة اللغة الوطنية الأمريكية المفتوحة (OANC)، مجانًا دون أي قيود على استخدامها من موقع مدونة اللغة الوطنية الأمريكية (ANC).

تُقدَّم المدونة اللغوية وشروحها وفقًا لمواصفات إطار عمل الشروح اللغوية للجنة الفرعية الرابعة التابعة للجنة الفنية 37 التابعة للمنظمة الدولية للمعايير (ISO/TC 37 SC4). وباستخدام أداة تحويل مجانية (ANC2Go)، تُقدَّم المدونة اللغوية والشروح التي يختارها المستخدم بتنسيقات متعددة، بما في ذلك تنسيق CoNLL IOB، وتنسيق XML المتوافق مع معيار ترميز مدونة XML (XCES) (القابل للاستخدام مع محرك البحث XAIRA الخاص بالمدونة الوطنية البريطانية )، وتنسيق متوافق مع معيار UIMA ، بالإضافة إلى تنسيقات مناسبة للإدخال إلى مجموعة واسعة من برامج المطابقة. كما تتوفر أيضًا إضافات لاستيراد الشروح إلى برنامج GATE ( General Architecture for Text Engineering ).

تختلف مدونة ANC عن غيرها من مدونات اللغة الإنجليزية بغناها بالتعليقات التوضيحية، بما في ذلك تعليقات توضيحية لأجزاء الكلام المختلفة (علامات Penn، وعلامات CLAWS5 وCLAWS7)، وتعليقات توضيحية للتحليل النحوي السطحي ، وتعليقات توضيحية لأنواع متعددة من الكيانات المسماة . وتُضاف تعليقات توضيحية إضافية إلى المدونة بأكملها أو أجزاء منها كلما توفرت، غالبًا من خلال مساهمات من مشاريع أخرى. وعلى عكس المدونات القابلة للبحث عبر الإنترنت، والتي لا تسمح قيود حقوق النشر إلا بالوصول إلى جمل فردية، فإن مدونة ANC بأكملها متاحة لتمكين البحوث التي تشمل، على سبيل المثال، تطوير نماذج لغوية إحصائية والتعليق اللغوي للنصوص الكاملة.

تُنتج تعليقات ANC تلقائيًا دون التحقق من صحتها. أما مجموعة فرعية تضم 500,000 كلمة، تُسمى المجموعة الفرعية المُعلّقة يدويًا (MASC)، فتُعلّق عليها حوالي 20 نوعًا مختلفًا من التعليقات اللغوية، وقد تم التحقق من صحتها يدويًا أو إنتاجها يدويًا. تشمل هذه التعليقات: التعليقات النحوية لـ Penn Treebank ، والتعليقات الدلالية لـ WordNet ، والتعليقات الدلالية للإطارات لـ FrameNet ، وغيرها. ومثل OANC، فإن MASC متاحة مجانًا للاستخدام، ويمكن تنزيلها من موقع ANC أو من اتحاد البيانات اللغوية . كما تُوزّع أيضًا بصيغة مُصنّفة حسب أجزاء الكلام مع مجموعة أدوات اللغة الطبيعية .

تختلف مدونة اللغة الإنجليزية الأمريكية المعاصرة (ANC) ومجموعاتها الفرعية عن المدونات المشابهة بشكل أساسي في نطاق الشروح اللغوية المُقدمة، وإدراجها لأنواع لغوية حديثة لا تظهر في مصادر مثل المدونة الوطنية البريطانية . كما أن استخدام هذه المدونات في البداية كان لتطوير نماذج لغوية إحصائية، مما يتيح الوصول إلى البيانات الكاملة وجميع الشروح، وهو ما يختلف عن مدونة اللغة الإنجليزية الأمريكية المعاصرة (COCA) التي لا تتوفر إلا بشكل انتقائي عبر متصفح الويب.

يعتمد النمو المستمر لـ OANC و MASC على مساهمات البيانات والتعليقات من مجتمعات اللغويات الحاسوبية وعلم اللغة الحاسوبي.

انظر أيضاً

مراجع