Das Linguistic Data Consortium (LDC) ist ein offenes Konsortium aus Universitäten, Unternehmen und staatlichen Forschungseinrichtungen. Es erstellt, sammelt und verbreitet Sprach- und Textdatenbanken , Lexika und weitere Ressourcen für die linguistische Forschung und Entwicklung. Die University of Pennsylvania ist die Trägerinstitution des LDC. Das LDC wurde 1992 mit einem Zuschuss der US-amerikanischen Defense Advanced Research Projects Agency (DARPA) gegründet und wird teilweise durch den Zuschuss IRI-9528587 der Abteilung Information and Intelligent Systems der National Science Foundation gefördert . [ 1 ] [ 2 ] Direktor des LDC ist Mark Liberman . [ 3 ] Es ging aus der vorherigen ACL Data Collection Initiative hervor .
Ein Teil der Motivation bestand darin, die benchmarkorientierte Methodik des DARPA- Programms für menschliche Sprachtechnologie zu unterstützen . Zuvor hatte John R. Pierce das Komitee geleitet, das den ALPAC-Bericht (1966) erstellte, der einen drastischen Rückgang der Fördermittel für linguistische KI für etwa zehn Jahre zur Folge hatte. Mitte der 1980er-Jahre nahm Charles Wayne die Förderung von Sprach- und Sprachverarbeitung wieder auf. Um die Kritikpunkte des ALPAC-Berichts zu entkräften, benötigte man eine Möglichkeit, objektive Fortschritte nachzuweisen, was zur benchmarkorientierten Methodik führte. DARPA schlug spezifische, quantifizierbare und testbare Zielwerte für Benchmarks vor, und die geförderten Teams versuchten, diese Zielwerte zu erreichen. [ 4 ] [ 5 ]
Es wurde festgestellt, dass der Datenbedarf für das Training und Benchmarking der Modelle 1993 bereits so groß war, dass „selbst die größten Unternehmen sich die benötigten Datenmengen nicht ohne Weiteres leisten konnten … Forscher in kleineren Unternehmen und an Universitäten liefen Gefahr, fast vollständig vom Prozess ausgeschlossen zu werden.“ [ 6 ] Das LDC bot eine zentrale Plattform für die Erstellung und Bereitstellung dieser Daten. Die Mitgliedsgebühr wurde seit der Gründung einmal erhöht. [ 4 ]
Siehe auch
- Korpuslinguistik
- Cross-Linguistic Linked Data (CLLD) – Projekt zur Koordination von über einem Dutzend linguistischer Datenbanken; veranstaltet vom Max-Planck-Institut (Deutschland)
- Language Grid – eine Plattform für Sprachressourcen, betrieben von der gemeinnützigen Organisation Language Grid Association, die hauptsächlich in Asien aktiv ist.
- Maschinelle Übersetzung
- Verarbeitung natürlicher Sprache
- Sprachtechnologie
- ACL-Datenerfassungsinitiative
- Charles Lynn Wayne
Referenzen
- ^ „Über LDC“ . Linguistic Data Consortium . Abgerufen am 18. Juni 2024 .
- ^ „NSF-Förderprogrammsuche: Fördernummer 9528587 – HLR: Verbesserte Sprach- und Textdatenressourcen“ . www.nsf.gov . Abgerufen am 27.03.2025 .
- ^ „Mitarbeiter“ . Linguistic Data Consortium . Abgerufen am 18. Juni 2024 .
- ^ Cieri , Christopher ; Liberman, Mark; Cho, Sunghye; Strassel, Stephanie; Fiumara, James; Wright, Jonathan (Juni 2022). Calzolari, Nicoletta; Béchet, Frédéric; Blache, Philippe; Choukri, Khalid; Cieri, Christopher; Declerck, Thierry; Goggi, Sara; Isahara, Hitoshi; Maegaard, Bente (Hrsg.). „Überlegungen zu 30 Jahren Entwicklung und Austausch von Sprachressourcen“ . Tagungsband der Dreizehnten Sprachressourcen- und Evaluierungskonferenz . Marseille, Frankreich: European Language Resources Association: 543–550 .
- ^ Liberman, Mark; Wayne, Charles (Juni 2020). „Human Language Technology“ . AI Magazine . 41 (2): 22–35 . doi : 10.1609/aimag.v41i2.5297 . ISSN 0738-4602 .
- ^ Liberman, M. und Godfrey, J. (1993). The Linguistic Data Consortium. In Chen, Keh-Jiann, Chu-Ren Huang, Proc. ROCLing Computational Linguistics Conference VI, Nantou, Taiwan, September. Association for Computational Linguistics and Chinese Language Processing (ACLCLP).
