Keelemärgistuse

Keelemärgistuse on protsess, mille käigus antakse tekstile keeleinfo, et see saaks õigesti kuvada ja töödeldud. See hõlmab nii dokumendi terviku keele märkimist kui ka üksikute osade, lausete või sõnade keele identifitseerimist. Keelemärgistus on oluline digitaalse sisu puhul, mis esitatakse erinevates keeltes või kus keelerikas sisu nõuab täpsemat töödlemist ning ligipääsetavust.

Standardid ja märgistamise tavad põhinevad keelekoodidel nagu ISO 639 ja IETF BCP 47. Veebis kasutatakse HTML-i lang atribuuti (nt lang="et" eestikeelne tekst), kuid keelemärkused võivad ilmneda ka XML- või JSON-LD andmestikus. Keele märkimine võib olla dokumendi tasandil või konkreetsete osade tasandil ning seda rakendatakse nii kaasahaaravuse kui ka automaatse töötlemise huvides.

Rakendused hõlmavad õigekirja kontrolli, hüphenatsiooni, kõnetöötlust (text-to-speech), otsingu ja indekseerimise parandamist, masintõlget ning ligipääsetavust ekraanilugereid kasutades. Keelemärgistus aitab luua paremini lokaliseeritud sisu ja parandab kasutajakogemust, kui teksti tuleb esitada erinevates keeltes.

Kasutuselevõtt nõuab mõistlikku ulatust märgistamisel, märgistuse õiget laadi ja ulatuse sobitamist ning tööriistade kasutamist sisuhaldurites. Oluline on tagada järjepidevus ning testida nähtavust ja tööd mitmes keeles. Väljakutsed hõlmavad segatud keele sisu, dialektide ja skriptide erinevusi ning suurte andmekogude efektiivset märgistamist.