Italy

MIDIA (acronimo di Morfologia dell’Italiano in DIAcronia) è un corpus diacronico bilanciato della lingua italiana che comprende testi che vanno dall’inizio del XIII alla prima metà del XX secolo, per circa 7,5 milioni di occorrenze, liberamente consultabile in rete dal settembre 2014. Realizzato grazie a un finanziamento PRIN del 2009, MIDIA è accessibile all’indirizzo http://www.corpusmidia.unito.it/ e si caratterizza rispetto ad altri corpora in rete per la scansione temporale, la tipologia di testi, la lemmatizzazione.&lt;br&gt;
Nel nostro intervento vogliamo illustrare (a integrazione e completamento dei contributi raccolti in D’Achille/Grossmann 2017) la concezione e la realizzazione di MIDIA, ma soprattutto fornire alcuni spunti di riflessione riguardanti esempi di impiego di MIDIA per ricerche di tipo morfologico e sintattico.&lt;br&gt;
Per quanto riguarda la concezione del corpus, parleremo in particolare delle motivazioni che hanno determinato la distinzione in cinque periodi cronologici (1. Dall’inizio del Duecento al 1375; 2. dal 1376 al 1532; 3. dal 1533 al 1691; 4. dal 1692 al 1840; 5. dal 1841 al 1947), scanditi da fatti di storia linguistica, letteraria e culturale che possono essere considerati come punti di svolta nella storia della lingua italiana, e in sette generi testuali (1. testi espositivi; 2. testi giuridico-amministrativi; 3. testi personali; 4. poesia; 5. prosa letteraria; 6. testi scientifici; 7. teatro, oratoria, mimesi dialogica).&lt;br&gt;
Per quanto riguarda la realizzazione, ci soffermeremo sulla scelta dei criteri di annotazione e di lemmatizzazione richiesti da un corpus così eterogeneo, e sugli interventi di revisione, che abbiano considerato utili al fine di un migliore utilizzo e interrogazione del corpus.&lt;br&gt;
Forniremo infine alcuni esempi degli impieghi di MIDIA, che, concepito per studi di morfologia derivazionale in prospettiva diacronica (ancora privi di un testo di riferimento paragonabile a Grossmann/Rainer 2004), può essere anche fruito per lo studio della morfologia flessiva, del
lessico e delle costruzioni.&lt;br&gt;
La lemmatizzazione e l’indicazione delle parti del discorso si basano sul programma Tree-Tagger. Per poter fornire una analisi automatica quanto più possibile adeguata alle variazioni dipendenti dai diversi generi linguistici e dall’estensione temporale dei testi presenti nel corpus, è stato necessario predisporre un file di parametri che modifica e integra con più di 200.000 forme annotate quello realizzato da Marco Baroni per la lingua italiana contemporanea (https://docs.sslmit.unibo.it/doku.php?id=resources:morph-it).&lt;br&gt;
Oltre all’aggiunta di forme, la revisione del file di parametri ha determinato una ridefinizione dei criteri di lemmatizzazione (che tiene conto della ricca polimorfia caratteristica della storia della lingua italiana) e una parziale modifica (rispetto a quella del file di partenza) della lista delle parti del discorso utilizzate in MIDIA. I risultati automatici del PoS tagging sono stati analizzati in fase di post-elaborazione, e gli errori più frequenti di assegnazione di parte del discorso o di lemmatizzazione sono stati corretti attraverso una procedura manuale mirata.&lt;br&gt;
L’utilizzo del corpus ha evidenziato la necessità di alcune piccole modifiche nel sistema di interrogazione e nella sua presentazione, come pure dell’aggiunta di alcuni testi al fine di ottenere un migliore bilanciamento del corpus, e anche della correzione di alcuni errori materiali. &lt;br&gt; Le possibilità offerte da MIDIA saranno messe in luce grazie all’illustrazione dei risultati di due ricerche che abbiamo condotto specificamente per quest’occasione: una di carattere propriamente morfologico e una di tipo sintattico. Per la morfologia derivativa, analizzeremo la concorrenza tra i diversi prefissi privativi; per la sintassi la diffusione e lo sviluppo della perifrasi stare + gerundio in rapporto a varie altre perifrasi (tra cui in particolare stare a + infinito e stare per + infinito).

Riferimenti bibliografici / References 

D’Achille, Paolo / Grossmann, Maria (a cura di). 2017. Per la storia della formazione delle parole in italiano: un nuovo corpus in rete (MIDIA) e nuove prospettive di studio. Firenze: Franco Cesati.
Grossmann, Maria / Rainer, Franz (a cura di). 2004. La formazione delle parole in italiano. Tübingen: Niemeyer. 

LIV Congresso SLI 2021

Il corpus MIDIA: concezione, realizzazione, impieghi

# Welcome everyone to ACL 2022!

The 60th Annual Meeting of the Association for Computational Linguistics is taking place May 22-27, 2022 as a hybrid event, in Dublin and online. We are happy to welcome all of you to this anniversary edition with an almost 50-50 in-person and virtual participation. 
The main conference program features oral presentations, in-person and virtual posters and demo sessions, a plenary session for our best paper presentations and awards, three amazing keynote events and two new initiatives of invited talks: Spotlight Talks for Young Rising Stars (STIRS) and The Next Big Idea Talks. Posters (including Findings of ACL 2022) and demos are grouped by areas for both the in-person and the virtual sessions. For the virtual component, the talks will be on Zoom and the posters and the demos will be in GatherTown. The Student Research Workshop will have an oral session and a poster session as part of Poster Session 1. The program also features eight Tutorials and 28 Workshops. 

 
We wish you a wonderful conference! 
[**The ACL 2022 Organizing Committee**](https://www.2022.aclweb.org/organisers)
 
[**Conference Handbook**](https://drive.google.com/file/d/1_BUCMfhMVrjG9E2e71aHdHeE28KSje0l/view?usp=sharing) 
[**Mini Handbook**](https://drive.google.com/file/d/1qlBKl0wzmlVF1oCeMQl3BahLd9nLP5Ce/view?usp=sharing) 
[**Posters and Demo guides**](https://drive.google.com/file/d/1UucMAoCNncIOaH1rMMDa0owuG9qgvJTG/view?usp=sharing)

ACL 2022

The Association for Computational Linguistics (ACL) is the premier international scientific and professional society for people working on computational problems involving human language, a field often referred to as either computational linguistics or natural language processing (NLP). 

MIDIA (acronimo di Morfologia dell’Italiano in DIAcronia) è un corpus diacronico bilanciato della lingua italiana che comprende testi che vanno dall’inizio del XIII alla prima metà del XX secolo, per circa 7,5 milioni di occorrenze, liberamente consultabile in rete dal settembre 2014. Realizzato grazie a un finanziamento PRIN del 2009, MIDIA è accessibile all’indirizzo http://www.corpusmidia.unito.it/ e si caratterizza rispetto ad altri corpora in rete per la scansione temporale, la tipologia di testi, la lemmatizzazione. 
Nel nostro intervento vogliamo illustrare (a integrazione e completamento dei contributi raccolti in D’Achille/Grossmann 2017) la concezione e la realizzazione di MIDIA, ma soprattutto fornire alcuni spunti di riflessione riguardanti esempi di impiego di MIDIA per ricerche di tipo morfologico e sintattico. 
Per quanto riguarda la concezione del corpus, parleremo in particolare delle motivazioni che hanno determinato la distinzione in cinque periodi cronologici (1. Dall’inizio del Duecento al 1375; 2. dal 1376 al 1532; 3. dal 1533 al 1691; 4. dal 1692 al 1840; 5. dal 1841 al 1947), scanditi da fatti di storia linguistica, letteraria e culturale che possono essere considerati come punti di svolta nella storia della lingua italiana, e in sette generi testuali (1. testi espositivi; 2. testi giuridico-amministrativi; 3. testi personali; 4. poesia; 5. prosa letteraria; 6. testi scientifici; 7. teatro, oratoria, mimesi dialogica). 
Per quanto riguarda la realizzazione, ci soffermeremo sulla scelta dei criteri di annotazione e di lemmatizzazione richiesti da un corpus così eterogeneo, e sugli interventi di revisione, che abbiano considerato utili al fine di un migliore utilizzo e interrogazione del corpus. 
Forniremo infine alcuni esempi degli impieghi di MIDIA, che, concepito per studi di morfologia derivazionale in prospettiva diacronica (ancora privi di un testo di riferimento paragonabile a Grossmann/Rainer 2004), può essere anche fruito per lo studio della morfologia flessiva, del
lessico e delle costruzioni. 
La lemmatizzazione e l’indicazione delle parti del discorso si basano sul programma Tree-Tagger. Per poter fornire una analisi automatica quanto più possibile adeguata alle variazioni dipendenti dai diversi generi linguistici e dall’estensione temporale dei testi presenti nel corpus, è stato necessario predisporre un file di parametri che modifica e integra con più di 200.000 forme annotate quello realizzato da Marco Baroni per la lingua italiana contemporanea (https://docs.sslmit.unibo.it/doku.php?id=resources:morph-it). 
Oltre all’aggiunta di forme, la revisione del file di parametri ha determinato una ridefinizione dei criteri di lemmatizzazione (che tiene conto della ricca polimorfia caratteristica della storia della lingua italiana) e una parziale modifica (rispetto a quella del file di partenza) della lista delle parti del discorso utilizzate in MIDIA. I risultati automatici del PoS tagging sono stati analizzati in fase di post-elaborazione, e gli errori più frequenti di assegnazione di parte del discorso o di lemmatizzazione sono stati corretti attraverso una procedura manuale mirata. 
L’utilizzo del corpus ha evidenziato la necessità di alcune piccole modifiche nel sistema di interrogazione e nella sua presentazione, come pure dell’aggiunta di alcuni testi al fine di ottenere un migliore bilanciamento del corpus, e anche della correzione di alcuni errori materiali. Le possibilità offerte da MIDIA saranno messe in luce grazie all’illustrazione dei risultati di due ricerche che abbiamo condotto specificamente per quest’occasione: una di carattere propriamente morfologico e una di tipo sintattico. Per la morfologia derivativa, analizzeremo la concorrenza tra i diversi prefissi privativi; per la sintassi la diffusione e lo sviluppo della perifrasi stare + gerundio in rapporto a varie altre perifrasi (tra cui in particolare stare a + infinito e stare per + infinito).

Riferimenti bibliografici / References 

D’Achille, Paolo / Grossmann, Maria (a cura di). 2017. Per la storia della formazione delle parole in italiano: un nuovo corpus in rete (MIDIA) e nuove prospettive di studio. Firenze: Franco Cesati.
Grossmann, Maria / Rainer, Franz (a cura di). 2004. La formazione delle parole in italiano. Tübingen: Niemeyer.

keynote

### Benvenuti 
al *LIV Congresso internazionale della Società di Linguistica Italiana ''Corpora e Studi Linguistici''* che si tiene qui in rete nella piattaforma fornita da Underline. Il Congresso si sviluppa su 3 giornate divise in:

* cinque Sessioni plenarie, 
* due Sessioni Demo dedicate ai corpora italiani e internazionali, 
* una Sessione Poster e 
* una Sessione workshop con 5 workshop in parallelo. 

Gli interventi orali saranno sia in diretta che preregistrati, secondo la volontà degli autori, ma per tutti sarà possibile l’interazione dal vivo con domande e risposte. A tutte le sessioni si accede attraverso le icone sulla sinistra di questa pagina. 
 Nelle sessioni Poster e Demo ci si muove virtualmente tra le proposte attraverso Gather-Town, che permette ai congressisti anche di incontrarsi in qualsiasi momento nella Lounge virtuale.
 Ringraziamo tutti per l’impegno e la pazienza e ci auguriamo una buona riuscita del Congresso. Un ringraziamento particolare ai relatori invitati Bas Aarts (University College London), Gu Yueguo (The Chinese Academy of Social Sciences) e Mirko Tavoni (Università di Pisa) 
 

**Welcome** to the *54th Congress of the International Society of Italian Linguistics ''Corpora and Linguistic Studies''*
which is held here through the Underline Platform. The Congress develops in 3 days which host:

* five Plenary sections, 
* two Demo sessions, 
* dedicated to Italian and international corpus building initiatives, 
* one Poster session and 
* one Workshops session hosting 5 workshops in parallel. 

Oral presentations are given in synchronous or are pre registered according to the will of each author, however Q/A will be live for all. All sessions can be accessed through the icons on the left side of this page. 
 In the Poster and Demo sessions you will be able to move among the various items though Gather-town. Congress participants can always meet in the Virtual lounge.
 We wish to thank all participants for their work and patience. A special thanks to our invited speakers Bas Aarts (University College London), Gu Yueguo (The Chinese Academy of Social Sciences) e Mirko Tavoni (Università di Pisa)

![](https://assets.underline.io/uploads/markdown_image/1/image/dacffc533f05582ca945abd01bb616ea.png)

If you have already registered, please **login** to Underline.io to be able to see full conference content. 
 In case you do not have an Underline account, please **create** one. Thank you!

China’s 7th National Census of 2020 shows that the 60-year-old aging population reaches 264 million by 2021. Of 264 million, 190 million is 65 years old or above. Human ageing is unidirectional, and the time arrow always irreversibly points to death. Death terminates indescriminately the language capabilities individual speakers accumulate over the lifespan. This paper explores the interaction between ageing and language capabilities over the last phase of one’s lifespan, viz. from age 60 to the time of death. For this purpose, the Multimodal Corpora of Gerontic Discourse (MCGD) Project was piloted in the years 2003-2010, and became a national project funded by the Chinese Funding Council for Humanities in 2020. 
This paper focuses on two central issues of MCGD: (1) sampling and representativeness; (2) segmentation and annotation. Demography-based random sampling is ideal but practically infeasible. 5-year birth cohort sampling is adopted as the second best method. Simulative modeling of a whole person, based on the Oneness Principle of Nature and Man of the Traditional Chinese Medicine, is presented as a governing principle for segmentation and annotation. MCGD comprises the following activity types: 
(1) Clinic cognitive evaluation tests, including MSE, MoCA, etc. 
(2) Festive activities: birthday parties, festival gatherings, etc. 
(3) Interviews: a. patterns of current life; b. experience of fraud victims; 
(4) Games (proto experimental):cooking, the Tower of London/Hanoi; 
(5) Retrospective narration of daily events. 

Complementary data include (1) End-of-life interviews with close relatives; (2) Funerals; (3) Tomb visits. All these activities are audio-video recorded. Demonstrations are provided to show how audio-video signals are segmented and annotated.

Segmenting and annotating multimodal corpus: inspirations and principles from the traditional Chinese medicine

Read abstract **[here](https://s3.amazonaws.com/pf-upload-01/u-59356/0/2021-08-06/wk33jpz/abstract_SLI.pdf)**




Il corpus MIDIA: concezione, realizzazione, impieghi

Downloads

Next from LIV Congresso SLI 2021

Segmenting and annotating multimodal corpus: inspirations and principles from the traditional Chinese medicine

Similar lecture

New syntactic insights for automated Wolof Universal Dependency parsing

Stay up to date with the latest Underline news!

PRESENTATIONS

CONFERENCES

COMPANY

RESOURCES

Il corpus MIDIA: concezione, realizzazione, impieghi

.css-70qvj9{display:-webkit-box;display:-webkit-flex;display:-ms-flexbox;display:flex;-webkit-align-items:center;-webkit-box-align:center;-ms-flex-align:center;align-items:center;}Downloads

Next from LIV Congresso SLI 2021

Segmenting and annotating multimodal corpus: inspirations and principles from the traditional Chinese medicine

Similar lecture

New syntactic insights for automated Wolof Universal Dependency parsing

Stay up to date with the latest Underline news!

PRESENTATIONS

CONFERENCES

COMPANY

RESOURCES

Downloads