Verschillen tussen versie 1.0 en versie 2.0 van het Corpus Gesproken Nederlands

De belangrijkste wijzigingen ten opzichte van versie 1.0 zijn:

Updates 1 en 2 meegenomen
Nieuwe data
Bugfixes
Geüpdatete documentatie
Geüpdatete metadata
Overbodige bestanden zijn verwijderd

Voor een detailoverzicht van de verholpen en nog openstaande bugs kunt u het online bugtrackingsysteem, Bugzilla, van de TST-centrale gebruiken. U kunt Bugzilla ook gebruiken voor het rapporteren van nieuwe bugs (maar dat kan natuurlijk ook telefonisch of via e-mail). Zie www.tst.inl.nl voor meer informatie.

Updates 1 en 2 meegenomen

Sinds versie 1.0 van het CGN zijn twee updates uitgebracht door het MPI resp. de TST-centrale. Deze updates zijn beschikbaar via www.mpi.nl/COREX. In deze nieuwe versie van het CGN is alle informatie uit de twee voorgaande updates meegenomen.

Nieuwe data

Lexicon 2.0: Een nieuwe versie van het CGN-lexicon. In de nieuwe versie is de invulling van de velden vollediger. Bovendien zijn er meer data gevalideerd. De update is verzorgd door drs. R. Piepenbrock. Zie ook de lexicondocumentatie onder doc_Dutch.

Frequentiebestanden: nltypealph.frq, vltypealph.frq, nltyperank.frq en vltyperank.frq. Deze bestanden bevatten woordfrequentielijsten met betrekking tot de Nederlandse of Vlaamse data, waarbij een uitsplitsing wordt gemaakt naar de 15 componenten die in het corpus worden onderscheiden. Zie ook de frequentielijstdocumentatie onder doc_Dutch.

Annotatiebestanden: De 13 Vlaamse geluidsbestanden die in CGN1.0 ongeannoteerd zijn meegeleverd, zijn in CGN2.0 geannoteerd en opgelijnd. Het gaat om de volgende bestanden:

fv701103

fv701104

fv701105

fv701106

fv701111

fv701113

fv701116

fv701122

fv701123

fv701124

fv701155

fv701161

fv701162

Bugfixes

In CGN2.0 zijn veel bugs uit de eerste versie verholpen.

De annotaties bevatten minder fouten. Bij het verwijderen van de fouten is veel aandacht besteed aan het vrijwaren van de consistentie binnen het corpus.

consistentie binnen fragmenten: als een bug is aangepast in een annotatielaag van een fragment, is de bug ook aangepast in alle afhankelijke annotatielagen
consistentie tussen fragmenten: iedere gevonden bug is in het hele corpus verbeterd. Dat is op een interactieve manier gebeurd, zodat per geval kon worden beoordeeld of desbetreffend voorkomen ook als bug moest worden aangemerkt.

4505 bugs in de plk-laag (en eventueel in de afhankelijke syn-laag)
190 bugs in de ort-laag (en eventueel in de afhankelijke lagen)

De exploitatiesoftware COREX bevat minder fouten. De COREX-bugs zijn geprioriteerd en zo veel mogelijk in volgorde van prioriteit opgelost.

1	crash of onjuiste werking	100% opgelost	(04/04)
2	uitermate hinderlijk gedrag, echter geen crash	78% opgelost	(17/23)
3	onvriendelijk of irritant voor gebruiker	79% opgelost	(11/14)
4	minder belangrijke wishes en bugs	88% opgelost	(07/08)
5	minst belangrijke wishes en bugs	43% opgelost	(03/07)
	Totaal	75% opgelost	(42/56)

Enkele belangrijke verbeteringen aan COREX zijn: het helpmenu in TigerSearch werkt nu, teksten in het info/contentdeel van het COREX-hoofdscherm scrollen niet eerst helemaal omlaag, de installatieprocedure is aangepast en de layout van de windows is zoveel mogelijk geoptimaliseerd voor een schermresolutie van 1024 x 768 of hoger (hoewel het maximaliseren van windows soms nodig blijft; sommige componenten kunnen anders verdwijnen).

In de metadata zijn bugs opgelost.

In versie 1.0 hadden sommige sprekers twee sprekercodes. In versie 2.0 is één code behouden.

Dubbele code	vervangen door
V90002	V40013
V90001	V40018
V90030	V40032
V90031	V40033
V90505	V40065
V90540	V40066
V40158	V40088
V40140	V40213
V80113	V40194
V90022	V80063
V90504	V80101
V90506	V80103
V80137	V80119
V90007	V80129
V90541	V80134
V90037	V80144
V90276	V90079

Soms was dezelfde sprekercode aan twee verschillende sprekers toegekend. Dat probleem is nu verholpen.

fragment	sprekercode
fn000256	N00382
fn000257	N00383 (nieuw)
fn007645	N03697
fn007645	N03698 (nieuw)

Geüpdatete documentatie

De documentatie onder doc_Dutch en doc_Eng is grondig verbeterd en up-to-date gebracht met de nieuwe versie van het CGN.
De COREX-handleiding is aangepast aan de nieuwe versie van COREX.

Geüpdatete metadata

De metadata van 60 sprekers is aangevuld.

Overbodige bestanden verwijderd

De annotatie-dvd van versie 1.0 van het CGN bevatte een aantal overbodige bestanden. Deze bevinden zich niet meer in de nieuwe versie.