Forskning

Linguists often try to explain language change, but all our explanations are necessarily post hoc and thus difficult to evaluate. What happens if we turn to the future instead of the past and try to predict language change?

HUMINFRA  är en ny distribuerad, nationell infrastruktur för forskning inom humaniora, konst och samhällsvetenskap.

Projektet ska med hjälp av konstruktionsgrammatik utveckla ett nätverk som (a) beskriver svenska språkliga konstruktioner och (b) länkar dem till konstruktioner i andra språk.

Mormor Karl är 27 år - är en forskningsmiljö som samlar kompetens från tre större områden för att studera pseudonymisering systematiskt, nämligen språkteknologi datavetenskap & dataintegritet lingvistik & språkinlärning. Avsikten är att genom forskningsmiljösatsningen stödja Sveriges arbete med öppen tillgång till forskningsdata.

Inom ramarna för projektet förvaltas och vidareutvecklas Svenska Akademiens lexikala databas (Salex). Vidare bedrivs arbete med Svenska Akademiens båda samtidsordböcker Svenska Akademiens ordlista (SAOL) och Svensk ordbok utgiven av Svenska Akademien (SO). Arbetet sker på uppdrag av och i samarbete med Svenska Akademien.

Detta är ett paraply för institutionens arbete med att utveckla ett svenskt konstruktikon. Mer information kommer under våren 2024.

ICALL - Intelligent Computer Assisted Language Learning. The aim of the project is to develop an open-source system architecture for supporting ICALL, i.e. CALL that reuses NLP tools and NL resources, with emphasis on the Nordic languages.

Den svenska akademiska ordlistan har utvecklats av forskare med anknytning till forskningsområdena språkteknologi, lexikologi/lexikografi och svenska som andraspråk.

Ett samarbetsprojekt mellan Språkbanken Text, FLoV och CLASP som syftar att utarbeta metoder för språkteknologisk behandling av argumentation.

Developing tools for systematic studies of text classification

This program has two main aims, firstly to develop corpus-based methods for detecting semantic change (over time) and variation (across social groups and media). This will create general tools for the study and detection of language change at large-scale and directly benefit historical linguistics and lexicography. Secondly, we will collaborate with researchers from social sciences, gender studies, and literature to answer their research questions. We will develop tools, evaluation data, and research methodology for their specific needs.

CompSLA (Computational Second Language Acquisition) is a cooperation whose primary aim is to encourage the development of datasets and tools related to L2 (second language) learning for lower-resourced languages.

Consumption patterns and life-style in Swedish literature – novels 1830-1860

We will apply corpus-driven methods as a way to expand and correct existing hand-crafted linguistic resources, and conversely we will use hand-crafted resources as additional sources of supervision when learning meaning representations automatically.

The goal of this project is to create a database of comparable lexical items in a number of representative languages spoken in the Himalayan region in India and to use this database for investigating the Himalayas as a linguistic area.

Digitization of Grierson’s Linguistic Survey of India (LSI; 1903-1927)

A Multilingual Annotated Corpus of Grammars for the World's Languages

Syftet med projektet är lägga grunden för att bygga upp en tjänst för en öppen molnbaserad OCR-tjänst. Tjänsten ska kunna utnyttjas av svenska minnesinstitutioner för att ladda upp stora mängder med äldre texter, där det är svårt att få bra OCR-resultat med kommersiella lösningar, och få tillbaka bra OCR-lästa textfiler.

EnetCollect (the European Network for Combining Language Learning with Crowdsourcing Techniques) was a large network project funded as a COST Action that ran from March 2017 till September 2021. It involved stakeholders from more than 40 different countries and has been the catalyst for numerous collaborative research efforts, achievements and publications.

The purpose of this project is to fine-tune and evaluate a test platform for OCR-production that was developed by Kungliga biblioteket (KB) in cooperation with the Norwegian software company Zissor in 2017.

Tolkning och förståelse av funktionella symtom i primärvården

Under vilka förutsättningar försvagas yttrandefrihet och demokrati av hat och hot mot journalister online?

Språkbanken is working on integration of available language technology for Swedish into the area of language learning, so-called ICALL.

Det ettåriga pilotprojektet inventerar och analyserar maskinellt en unik samling av pressmaterial från 1923 års jubileumsutställning i Göteborg. Projektet är ett samarbete mellan GPS400, Språkbanken Text, Universitetsbiblioteket och Riksarkivet.

Ordlistor i 9 språk för språkinlärning.

Förbättrad annotering för Korps korpusinfrastruktur

The L2P project sets to describe Swedish Second Language learner lagnuage from the point of view of receptive and productive linguistic knowledge by level of proficiency, as contrasted on the basis of learner essays (SweLL-pilot corpus) and textbook texts (COCTAILL corpus).

At Språkbanken Text, we have an ongoing research theme that relates to computational modeling of word meaning called (computational) lexical semantic change. In this theme, we have both research projects and a larger research program.

The market Language primarily is funded by MAW in which we look at the changing concepts around “the market”. They have transitioned from implying a concrete physical market to increasingly abstract markets like Europe-wide iron markets, as well as marriage and dating markets. They have also increasingly become actors in our lives, “the market reacted badly to the new corona restrictions”. We will complement the conceptual historians in-depth analyses with computational models of change. This project ranges 2022-2025.

Utveckling av automatiska annoteringsverktyg för fornsvenska texter.

En svensk medicinsk testkollektion

Projektet META-NORD har som mål att etablera en öppen lingvistisk infrastruktur i de baltiska och nordiska länderna.

I detta projekt vill vi genom utnyttjande befintliga samlingar av digitaliserade grammatiska beskrivningar (ca 9000 st) utöka möjligheterna att göra stora språkjämförelser.

MOLTO: s mål är att utveckla en uppsättning verktyg för att översätta texter mellan flera språk i realtid med hög kvalitet. Språk är separata moduler i verktyget och kan varieras. prototyper som täcker en majoritet av EU: s 23 officiella språk kommer att byggas.

Personcentrerad information och kommunikation till personer med kolorektal cancer som genomgår kirurgi

The aim of the project is to investigate the role and importance of rumouring for the vaccination skepticism growing on the internet, and how it can be understood as an expression of civic engagement in the present digital times entailing crucial transformations for everyday civic culture.

Syftet med projektet är att bygga en omfattande och mångsidig lexikal infrastruktur för svensk språkteknologi.

Projektet syftar till att utveckla språkteknologiska metoder för att utvinna, kombinera, bearbeta, analysera och tolka olika former av skrift- och talspråk samt ögonrörelsemätningar under textläsning hos personer i olika stadier av kognitiv nedsättning och friska kontroller.

Syftet med projektet är att tillgängliggöra lexikala resurser för språkteknologi i form av länkade öppna data åtkomliga via Språkbanken.

The goal of this project is to finalize the evaluation framework SuperLim by contributing training data for the current collection of test sets, a reference implementation (baseline), and a standardized web-based test environment for comparison between models and publication of results (leaderboard).

Målet med projektet är att skapa högkvalitativa testmängder för att möjliggöra för alla aktörer inom svensk NLP att utvärdera och jämföra språkmodeller.

SweFN++-projektet handlar om att skapa en central infrastrukturkomponent för svensk språkteknologi, nämligen en stor fritt tillgänglig lexikonresurs med rik lingvistisk information.

Målet med Svenskt Språkdatalabb är att skapa en nationell kunskapsnod inom språkteknologi, och ta fram svenska referensdatamängder för NLP som sedan tillgängliggörs med öppen access i AI Innovation of Swedens datafabrik.

Projektet går ut på att utveckla en databas över svenska konstruktioner, ett s.k. konstruktikon.

SweLL syftar till att skapa en plattform för att samla in, digitalisera, normalisera, lingvistiskt annotera och elektroniskt tillgängliggöra texter skrivna av inlärare av svenska.

Computerised text classification is used to help identify documents on the topic of patient-centred care.

The project studies the rise of complex verb constructions in Germanic.

The main aim of this research program is to advance the state of the art in language technology resources and methods for semantic processing of Swedish text, in order to provide researchers and others with more sophisticated tools for working with the information contained in large volumes of digitized text, e.g., by being able to correlate and compare the content of texts and text passages on a large scale.

I det här projektet bygger vi automatiska, korpus-baserade verktyg för att studera lexikala semantiska förändringar för både det svenska och engelska språket.

Hur skapas ny grammatik? Språkhistorisk forskning har främst studerat hur nya grammatiska ord och konstruktioner blir till. Med vårt projekt vill vi ta ett större grep och utforskar vi hur nya grammatiska konstruktioner tillsammans skapar ett grammatiskt nätverk. Vi fokuserar mer specifikt på hur verbkonstruktioner i nederländska gradvis bygger ett större nätverk under de senaste tvåhundra åren.

Projektet undersöker hur nordiska personnamn i kontinentala källor anpassades till tyska, franska och latin under medeltiden. Syftet är att beskriva variationsmönstren i anpassningarna och att utveckla en teoretisk modell som förklarar varför olika strategier användes.

Språkbanken Text collaborates with the Department of Philosophy, Linguistics and Theory of Science to create an annotated corpus of Xhosa, an underresourced Bantu language of South Africa (also known as isiXhosa and Xosa).