[論文レビュー] TBX goes TEI -- Implementing a TBX basic extension for the Text Encoding Initiative guidelines

Laurent Romary|arXiv (Cornell University)|Mar 1, 2014

Natural Language Processing Techniques参考文献 2被引用数 4

ひとこと要約

本論文は、テキストコーディングインスティテュート（TEI）ガイドラインのカスタム拡張を提案し、TBX Basicに基づく用語エントリをネイティブにサポートすることで、TEIドキュメント内における用語の構造化表現を可能にする。TBXのオンオマセオロジカルモデルをTEIの拡張性と整合させることで、TBXの標準準拠を維持しながら、学術的テキストにおける言語的および用語的コーディングの能力を強化する。

ABSTRACT

This paper presents an attempt to customise the TEI (Text Encoding Initiative) guidelines in order to offer the possibility to incorporate TBX (TermBase eXchange) based terminological entries within any kind of TEI documents. After presenting the general historical, conceptual and technical contexts, we describe the various design choices we had to take while creating this customisation, which in turn have led to make various changes in the actual TBX serialisation. Keeping in mind the objective to provide the TEI guidelines with, again, an onomasiological model, we try to identify the best comprise in maintaining both the isomorphism with the existing TBX Basic standard and the characteristics of the TEI framework.

研究の動機と目的

• TEI構造化ドキュメント内にTBX Basic用語データをネイティブに統合すること。
• TEIのフレームワークとデータモデルに適応させつつ、TBX Basic標準との同型性を維持すること。
• 学術的テキストコーディング慣行に準拠した、TEIにおけるオンオマセオロジカル用語表現をサポートすること。
• デジタルヒューマニティーズプロジェクトにおける用語データとテクスト・言語的メタデータの統合を、持続可能で拡張可能な方法で提供すること。

提案手法

• TEIのモジュラーや拡張性を活用した、TBX Basic要素を組み込んだカスタムTEIスキーマ拡張の設計。
• TEIの要素階層にTBX Basicのコア要素（例：termEntry, term, form）をマッピングし、意味的整合性を保持すること。
• TEIの<term>および<termDef>要素をTBXベース用語の基盤として使用し、後方および前方互換性を確保すること。
• TEIフレームワーク内でのTBX要素の制御語彙およびネームスペースを定義することで、一貫性と相互運用性を確保すること。
• サンプルTEIドキュメントへの実装と既存のTBXシリアル化との整合性を通じた拡張の検証。
• XMLスキーマ定義およびDTDを用いて新しい拡張を形式化し、パースおよび検証の信頼性を確保すること。

実験結果

リサーチクエスチョン

• RQ1 既存の標準との互換性を損なわせることなく、TBX Basic用語データをTEIフレームワークに意味的・文法的に統合する方法は何か？
• RQ2 TBX Basicと拡張TEIモデルとの間の同型性を維持するために必要な設計選択は何か？
• RQ3 TBXにおける用語のオンオマセオロジカルモデルを、TEIのドキュメント構造内で効果的に実現するにはどうすればよいか？
• RQ4 多言語および学術的デジタル版における用語コーディングをサポートするようにTEIを拡張することの実務的影響は何か？
• RQ5 TBXのデータモデルをTEIの拡張性メカニズムと整合化する際に生じる制約とは何か。それらはどのように解決できるか？

主な発見

• 提案されたTEI拡張は、TBX Basic標準との互換性を保ちながら、TEIドキュメント内にTBX Basic用語エントリを効果的に統合している。
• マッピングにより用語のオンオマセオロジカル構造が保持されており、用語、その形態、定義をTEI文脈内で表現可能である。
• 拡張はTEIのモジュラースキーマシステムを用いて実装されており、既存のTEIパイプラインへの再利用・統合が可能である。
• このアプローチは多言語用語データをサポートし、多様な学術的および言語的デジタル版における一貫したコーディングを可能にしている。
• サンプルドキュメントによる検証により、拡張スキーマがTEIおよびTBXの原則に準拠したパース可能で意味的に整合性のあるものであることが確認された。
• 本ソリューションは、将来的なTEIベースのデジタルヒューマニティーズプロジェクトにおける用語リソース統合のための再利用可能で拡張可能なモデルを提供している。