Kielivarastot

Kielivarastot ovat järjestelmällisiä kokoelmia kielellisiä resursseja, jotka tallentavat sanoja, niiden muotoja, merkityksiä ja käyttöyhteyksiä. Niitä käytetään kielitieteessä, sanastotyössä sekä kieliteknologiassa, kuten oikolukijoiden, hakualgoritmien ja käännösohjelmien kehittämisessä. Termi viittaa sekä yksittäisiin sanakirjamaisiin sanastoihin että laajempiin tietokantoihin, joissa kieli on varastoituna ja helposti haettavissa.

Sisältö ja rakenne voivat vaihdella, mutta tyypillisesti kielivarastot sisältävät lemmasanat, taivutus- ja morfologiset muodot, sanaluokat sekä käyttöyhteydet. Joihinkin varastoihin lisätään äänne- ja ääntämystietoja, etymologiaa, merkityssuhteita ja esimerkkilauseita sekä frekvenssi- tai kontekstuaalista informaatiota. Yhteentoimivuus standardien avulla on tärkeää, jotta tiedot voidaan jakaa ja käyttää monien järjestelmien kanssa.

Lajikkeita on useita: monolinguaaliset sanakirjat ja lexiconit, monikieliset sanakirjakokoelmat sekä erikoisalakohtaiset termivarastot ja sanastot. Suurimmat varastot voivat olla suuria kielellisiä resursseja, joita päivitetään säännöllisesti. Hallinnointi ja laadunvarmistus korostavat standardien noudattamista, lisensointia sekä tietojen linkittämistä toisiinsa.

Käyttökohteita ovat kieliteknologia, tutkimus ja koulutus: oikoluku, konekäännös, haku- ja indeksointitoiminnot, kieltenopetus sekä kielivarastojen säilyttäminen ja elvyttäminen. Kielivarastot voivat olla avoimia resursseja tai osittain suljettuja riippuen kerääjistä ja lisensseistä.