Lexikoneja

Lexikoneja ovat sanakirjoja ja muita leksikaalisia tietokantoja, jotka kokoavat sanoja ja niihin liittyvää tietoa. Ne sisältävät pääsanat (lemmas), merkitykset, ääntämistiedot, etymologian, kieliopilliset tiedot sekä esimerkkilauseita. Lexikoneja käytetään kielen oppimiseen, kirjoittamiseen, kääntämiseen sekä kielen tutkimukseen, ja ne ovat keskeisiä myös luonnollisen kielen prosessoinnissa ja tekstien automaattisessa analysoinnissa.

Ne jaetaan yleisesti yksikielisiin, kaksikielisiin ja monikielisiin sekä yleiskielen ja erikoissanakirjoihin (tekninen, oikeus- ja lääketieteellinen terminologia). Digitaaliset lexikonit tarjoavat hakutoimintoja, linkitettyä sanastoa ja ohjelmointiresursseja; niitä voidaan käyttää API-rajapintoina tai osana suurempia kieliaineistoja.

Yleinen rakenne sisältää pääsanat (lemma), sanaluokan, merkitykset, etymologian, taivutus- ja muotoilutiedot sekä käyttöesimerkit. Ristiviitteet johtavat toisiin sanoihin, ja erikoissanakirjoissa on usein termiluetteloita, hierarkioita ja ontologioita. Monia lexikoneja ylläpidetään yhteistyössä, ja ne voivat olla avoimia lisensseiltään.

Historia: sanakirjojen juuret ulottuvat antiikista ja keskiajasta. Laajemmin kehittyneet yleissanakirjat virtaviivaistuivat 1800- ja 1900-luvulla. Digitaalisaation myötä lexikoneja on voitu tehdä dynaamisiksi ja koneellisesti käsiteltäviksi tietokannoiksi. Esimerkkejä avoimesti saatavilla olevista lexikoneista ovat Wiktionary sekä erilaiset alakohtaiset sanakirjakokoelmat; toisia taas ylläpitävät tutkimuslaitokset ja kustantajat.

Kaiken kaikkiaan lexikografia, sanaston tutkimus ja kehittäminen, tukee kielen elinvoimaa, kielipolitiikkaa ja teknologista soveltamista. Hyvin suunnitelluissa lexikoneissa käytetyt standardit ja avoin data parantavat käännöksiä, hakutoimintoja sekä kieliteknologiaa.