<html>
<body>
I think the problem though is that as great as ELRA and LDC are, I don't
see how these agencies are going to help researchers who want access to
very large corpora: Google has something like 30 terabytes of text. One
can access it through their API, but some researchers may wish to have
better quality access to such amounts data. The only way I think this can
be done is to have researchers build their own Web collection, which does
take on potential legal problems, but I don't see an alternative, if one
wishes to access very large corpora.<br><br>
I had some involvement in pulling together the 10Gb corpus for TREC a few
years ago and one of the problems that seemed to be happening was that
organisers were struggling to find owners of text who could could be
negotiated with to provide us with enough text to build a multi-gigabyte
corpus. When TREC wanted to go for bigger data sets, my impression is
that, because of this problem, they had to move to the Web.<br><br>
At 09:37 15/06/03 +0200, Khalid CHOUKRI wrote:<br>
<blockquote type=cite class=cite cite>Dear Colleagues<br><br>
I am not sure the way suggested by Adam is the right thing to do, <br>
ELRA and LDC have been trying to negotiate such rights in order to
provide the users of corpora with good and legally-cleared resources and
we are happy to help request and get the authorizations to use the data
in a more sound and clean legal context.<br><br>
of course we can all do whatever we feel fair and then if no one sue us
it is fine but just imagine that after your 5 years work someone come
across your publication in which you refer to the data and managed to
prevent you from such reference/publication or even ask you to delete all
such data .. <br><br>
Best regards<br>
Khalid CHOUKRI<br>
European Language Resources Association<br><br>
<br><br>
At Friday 13/06/2003 15:36(), Adam Kilgarriff wrote:<br>
<blockquote type=cite class=cite cite>On the one hand, if your enemies
are rich enough you'll lose.<br><br>
On the other you're probably less worth sueing than Google and they
are<br>
still going strong (anyone out there from Google?  Your
contribution<br>
most welcome), and it doesn't sound like you are doing anything with
any<br>
salient legal difference.   (Getting authors' agreements takes
huge<br>
amounts of resources and isn't feasible; listing references doesn't<br>
help.)<br><br>
People do get unhappy about their pictures and audio being grabbed
from<br>
the web for use in other people's databases, and I have heard of
cases<br>
of web developers having to rein in their ambitions because
objections<br>
have been made.  As yet, mercifully, that hasn't happened with text
-<br>
people don't seem alarmed at the idea that the text they publish on
the<br>
web gets re-used.  Let's all pray it stays that way (though sooner
or<br>
later we're bound to get chancers trying it on - can't help fearing
the<br>
web is in its honeymoon phase, and the racketeers will mess it all
up<br>
before too long).<br><br>
In the meantime - take courage! Do it!<br><br>
<br>
<x-tab>        </x-tab>Adam<br><br>
<br>
=======================<br>
Adam Kilgarriff<br>
Lexicography MasterClass Ltd:  
<a href="http://www.lexmasterclass.com/" eudora="autourl">http://www.lexmasterclass.com</a>
<br>
adam@lexmasterclass.com <br>
+44 (0)1273 705773<br>
     --and--<br>
ITRI, University of Brighton<br>
Lewes Road, Brighton BN2 0BL, UK<br>
<a href="http://www.itri.brighton.ac.uk/~Adam.Kilgarriff" eudora="autourl">http://www.itri.brighton.ac.uk/~Adam.Kilgarriff</a> <br>
adam@itri.brighton.ac.uk<br>
+44 (0)1273 642919<br>
==============================<br>
World is crazier and more of it than we think,<br>
Incorrigibly plural   <br>
                         ---'Snow', Louis MacNeice<br>
==============================<br>
 <br><br>
> -----Original Message-----<br>
> From: owner-corpora@lists.uib.no [<a href="mailto:owner-corpora@lists.uib.no" eudora="autourl">mailto:owner-corpora@lists.uib.no</a>]<br>
On<br>
> Behalf Of delucca@nilc.icmc.usp.br<br>
> Sent: 13 June 2003 13:49<br>
> To: corpora@hd.uib.no<br>
> Subject: [Corpora-List] Legal aspects of compiling corpora<br>
> <br>
> <br>
> Dear Linguists and Lawyers,<br>
> <br>
> I am troubled with Legal aspects of corpora compiling. I am in<br>
> doubt if is an illegal procedure storage webpages (or part of them)<br>
> in a database (see at http://www.dictionarium.com/project.htm),<br>
> not available to public, and display its contents as short<br>
collocations<br>
> less than 100 characters by time by search method.<br>
> <br>
> On the other hand, the Internet search engines uses cached (temporary<br>
?)<br>
> copies of the sites and display a short of the web pages.<br>
> <br>
> My procedure is wrong? Which the Legal difference? I need ask<br>
permission<br>
> for each website to storage its pages? If I mention the source and the<br>
> author<br>
> I will be protecting the copyrights?<br>
> <br>
> <br>
> I look forward to hearing from you.<br>
> <br>
> <br>
> Yours Sincerely,<br>
> <br>
> <br>
> J. L. De Lucca<br>
> <br>
> -------------------------------------------------<br>
> This mail sent through IMP: <a href="http://horde.org/imp/" eudora="autourl">http://horde.org/imp/</a></blockquote><br>
*************************************************************<br>
Khalid CHOUKRI  <a href="mailto:choukri@elda.fr" eudora="autourl">mailto:choukri@elda.fr</a><br>
ELRA CEO<br>
Tel. +33 1 43 13 33 33 - Fax. +33 1 43 13 33 30<br>
Postal Mail: 55 Rue Brillat-Savarin, 75013 Paris France<br>
Home page:  <a href="http://www.elda.fr/" eudora="autourl">http://www.elda.fr/</a> or <a href="http://www.elra.info/" eudora="autourl">http://www.elra.info/</a><br>
LREC News: <a href="http://www.lrec-conf.org/" eudora="autourl"><font color="#FF00FF">http://www.lrec-conf.org/</a><br>
</font>*************************************************************** </blockquote></body>
</html>