Lmerkintöjen

Lmerkintöjen on käsite, jota käytetään kielitieteellisissä ja digitaalisen humanismin tutkimuksissa kuvaamaan ja tallentamaan tekstin lingvistisiä ominaisuuksia. Termi juontaa juurensa sanasta merkintö ja etuliitteeseen L, joka viittaa lingvistiseen tai lemmaan liittyvään tagaukseen. Lmerkintöjen tarkoittaa käytäntöä, jossa kunkin sanan tai tokenin yhteydessä tallennetaan standardoitu joukko tietoja.

Yleisesti Lmerkintöjen sisältö käsittää lemman (lemma), sanaluokan (osa puheesta), morfologiset ominaisuudet sekä mahdolliset semanttiset tai syntaktiset merkinnät. Lisäksi merkintään tallennetaan kieli, lähde sekä kontekstuaalinen tieto. Tiedot voidaan tallentaa XML- tai JSON-pohjaisiin rakenteisiin, TEI- tai UD-standardeihin viittaavasti, tai suorana relaatiotietokantaan.

Historia ja käyttö: Lmerkintöjen käsite on kehittynyt 2000-luvulla digitointien ja kieliopillisten korpusten kehittyessä. Eri tutkimus-, julkaisu- ja opetushankkeet ovat ottaneet erilaisia toteutuksia käyttöön, eikä Lmerkintöjenä ole vakiintunutta yhtä yksikköstandardia. Käytännöt vaihtelevat projektin mukaan.

Merkitys: Lmerkintöjen mahdollistaa kielitieteellisen tutkimuksen, korpusten tehokkaan käytön, konekielisen käsittelyn sekä digitaalisten tekstien editoimisen ja selvitettävyyden. Yhteentoimivuuden kannalta on tärkeää, että merkinnät noudattavat yleisiä standardeja tai ovat helposti mapattavissa niihin.

Lisätietoja: lemma, sanaluokan tunnistus, morfologinen merkintä, TEI-, UD-standardit, korpustiede.