[论文解读] 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 4

一句话总结

本文提出对文本编码倡议（TEI）指南的定制扩展，以本机支持基于TBX Basic的术语条目，实现TEI文档中术语的结构化表示。通过将TBX的命名学模型与TEI的可扩展性对齐，该方法在保持与TBX标准兼容的同时，增强了TEI在学术文本中对语言学和术语学编码的能力。

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.

研究动机与目标

• 在TEI结构化文档中本机集成TBX Basic术语数据。
• 在适应TEI框架和数据模型的同时，保持与TBX Basic标准的同构性。
• 在TEI中支持命名学术语表示，与学术文本编码实践保持一致。
• 为数字人文项目中结合术语数据与文本及语言元数据，提供一种可持续且可扩展的方法。

提出的方法

• 设计一种使用TEI模块化和可扩展架构的定制TEI模式扩展，以整合TBX Basic元素。
• 将TBX Basic的核心元素（例如termEntry、term、form）映射到TEI的元素层次结构中，同时保持语义保真度。
• 使用TEI的<term>和<termDef>元素作为基于TBX的术语锚点，确保向后和向前兼容性。
• 在TEI框架内为TBX元素定义受控词汇表和命名空间，以确保一致性和互操作性。
• 通过在示例TEI文档中实现并与其现有TBX序列化对齐，验证该扩展。
• 使用XML模式定义和DTD来形式化新扩展，确保解析和验证的稳健性。

实验结果

研究问题

• RQ1 如何在不破坏与现有标准兼容性的前提下，语义和语法地将TBX Basic术语数据集成到TEI框架中？
• RQ2 为保持TBX Basic与扩展TEI模型之间的同构性，需要哪些设计选择？
• RQ3 如何在TEI的文档结构中有效实现TBX中的术语命名学模型？
• RQ4 在多语言和学术数字版本中扩展TEI以支持术语编码的实际影响是什么？
• RQ5 在将TBX的数据模型与TEI的可扩展性机制对齐时会产生哪些约束，以及如何解决这些约束？

主要发现

• 所提出的TEI扩展成功地将TBX Basic术语条目集成到TEI文档中，同时保持与TBX Basic标准的兼容性。
• 映射保留了术语的命名学结构，使术语、其形式和定义能够在TEI上下文中得到表示。
• 该扩展使用TEI的模块化模式系统实现，支持在现有TEI工作流中的重用和集成。
• 该方法支持多语言术语数据，并可在不同学术和语言数字版本中实现一致的编码。
• 通过示例文档的验证确认，扩展后的模式可被解析且在语义上与TEI和TBX原则保持一致。
• 该解决方案为未来在基于TEI的数字人文项目中整合术语资源提供了可重用且可扩展的模型。