<html>
  <head>

    <meta http-equiv="content-type" content="text/html; charset=ISO-8859-1">
  </head>
  <body bgcolor="#FFFFFF" text="#000000">
    <p class="MsoNormal" align="center"><i>In this newsletter:</i><br>
      <br>
      <b>-  <a href="#timeline"> LDC Timeline – Two Decades of
          Milestones</a>  -</b><br>
    </p>
    <p class="MsoNormal" align="center"> <i>New publications:</i><br>
      <br>
      LDC2012V01<br>
      <b>-  <a href="#vace"> 2005 NIST/USF Evaluation Resources for the
          VACE Program - Broadcast News</a>  -</b><br>
      <br>
      LDC2012T03 <br>
      <b>-  <a href="#conll1"> 2009 CoNLL Shared Task Part 1</a>  -</b><br>
      <br>
      LDC2012T04<br>
      <b>-  <a href="#conll2"> 2009 CoNLL Shared Task Part 2</a>  -</b><br>
      <br>
      LDC2012S05<br>
      <b>-  <a href="#malach"> USC-SFI MALACH Interviews and
          Transcripts English</a>  -</b></p>
    <o:p></o:p>
    <div class="MsoNormal" style="text-align:center" align="center"> <small>
      </small>
      <hr align="center" size="2" width="100%"></div>
    <div class="MsoNormal" style="text-align:center" align="center">
      <hr align="center" size="2" width="100%"></div>
    <div align="center"><a name="timeline"></a><b>LDC Timeline – Two
        Decades of Milestones</b><o:p></o:p></div>
    <p class="MsoNormal">April 15 marks the “official” 20th anniversary
      of LDC’s founding. We’ll be featuring highlights from the last two
      decades in upcoming newsletters, on the web and elsewhere.<span
        style="mso-spacerun:yes">  </span>For a start, here’s a brief
      timeline of significant milestones.<o:p></o:p></p>
    <blockquote><small> </small>
      <p class="MsoNormal">1992: The University of Pennsylvania is
        chosen as the host site for LDC in response to a call for
        proposals issued by DARPA; the mission of the new consortium is
        to operate as a specialized data publisher and archive
        guaranteeing widespread, long-term availability of language
        resources. DARPA provides seed money with the stipulation that
        LDC become self-sustaining within five years.<span
          style="mso-spacerun:yes">  </span>Mark Liberman assumes
        duties as LDC’s Director with a staff that grows to four,
        including Jack Godfrey, the Consortium’s first Executive
        Director.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1993: LDC’s catalog debuts. Early releases
        include benchmark data sets such as TIMIT, TIPSTER, CSR and
        Switchboard, shortly followed by the Penn Treebank.<span
          style="mso-spacerun:yes">  </span><o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1994: LDC and NIST (the National Institute of
        Standards and Technology) enter into a Cooperative R&D
        Agreement that provides the framework for the continued
        collaboration between the two organizations.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1995: Collection of conversational telephone
        speech and broadcast programming and transcription commences.
        LDC begins its long and continued support for NIST common task
        evaluations by providing custom data sets for participants.
        Membership and data license fees prove sufficient to support LDC
        operations, satisfying the requirement that the Consortium be
        self-sustaining.<br>
      </p>
      1996: The Lexicon Development project, under the direction of Dr.
      Cynthia McLemore, begins releasing pronouncing lexicons in
      Mandarin, German, Egyptian Colloquial Arabic, Spanish, Japanese,
      and American English. By 1997 all 6 are published.
      <p class="MsoNormal"><o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1997: LDC announces LDC Online, a searchable
        index of newswire and speech data with associated tools to
        compute n-gram models, mutual information and other analyses.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1998: LDC adds annotation to its task
        portfolio. Christopher Cieri joins LDC as Executive Director and
        develops the annotation operation. <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">1999: Steven Bird joins LDC; the organization
        begins to develop tools and best practices for general use. The
        Annotation Graph Toolkit results from this effort.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2000: LDC expands its support of common task
        evaluations from providing corpora to coordinating language
        resources across the program. Early examples include the DARPA
        TIDES, EARS and GALE programs.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2001: The Arabic treebank project begins. <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2002: LDC moves to its current facilities at
        3600 Market Street, Philadelphia with a full-time staff of
        approximately 40 persons. <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2004: LDC introduces the Standard and
        Subscription membership options, allowing members to choose
        whether to receive all or a subset of the data sets released in
        a membership year.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2005: LDC makes task specifications and
        guidelines available through its projects web pages.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2008: LDC introduces programs that provide
        discounts for continuing members and those who renew early in
        the year. <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2010: LDC inaugurates the Data Scholarship
        program for students with a demonstrable need for data.<o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">2012: LDC’s full-time staff of 50 and 196
        part-time staff support ongoing projects and operations which
        include collecting, developing and archiving data, data
        annotation, tool development, sponsored-project support and
        multiple collaborations with various partners.<span
          style="mso-spacerun:yes">  </span>The general catalog
        contains over 500 holdings in more than 50 languages. Over
        85,000 copies of more than 1300 titles have been distributed to
        3200 organizations in 70 countries.<span style="">  <br>
        </span></p>
      <small> </small>
      <p class="MsoNormal"><br>
        <span style="mso-spacerun:yes"></span><o:p></o:p></p>
      <small> </small></blockquote>
    <p class="MsoNormal" align="center"><b>New Publications</b><o:p></o:p></p>
    <p class="MsoNormal"><br>
      <a name="vace"></a>(1) <a
href="http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC2012V01">2005



        NIST/USF Evaluation Resources for the VACE Program - Broadcast
        News</a> was developed by researchers at the <a
        href="http://www.cse.usf.edu/">Department of Computer Science
        and Engineering</a>, University of South Florida (USF), Tampa,
      Florida and the <a href="http://nist.gov/itl/iad/mig/">Multimodal
        Information Group</a> at the National Institute of Standards and
      Technology (NIST). It contains approximately 60 hours of English
      broadcast news video data collected by LDC in 1998 and annotated
      for the 2005 VACE (Video Analysis and Content Extraction) tasks.
      The tasks covered by the broadcast news domain were human face
      (FDT) tracking, text strings (TDT) (glyphs rendered within the
      video image for the text object detection and tracking task) and
      word level text strings (TDT_Word_Level) (videotext OCR task). <o:p></o:p></p>
    <p class="MsoNormal">The VACE program was established to develop
      novel algorithms for automatic video content extraction,
      multi-modal fusion, and event understanding. During VACE Phases I
      and II, the program made significant progress in the automated
      detection and tracking of moving objects including faces, hands,
      people, vehicles and text in four primary video domains: broadcast
      news, meetings, street surveillance, and unmanned aerial vehicle
      motion imagery. Initial results were also obtained on automatic
      analysis of human activities and understanding of video sequences.
      <o:p></o:p></p>
    <p class="MsoNormal">Three performance evaluations were conducted
      under the auspices of the VACE program between 2004 and 2007. The
      2005 evaluation was administered by USF in collaboration with NIST
      and guided by an advisory forum including the evaluation
      participants.<o:p></o:p></p>
    <p class="MsoNormal">The broadcast news recordings were collected by
      LDC in 1998 from CNN Headline News (CNN-HDL) and ABC World News
      Tonight (ABC-WNT). CNN HDL is a 24-hour/day cable-TV broadcast
      which presents top news stories continuously throughout the day.
      ABC-WNT is a daily 30-minute news broadcast that typically covers
      about a dozen different news items. Each daily ABC-WNT broadcast
      and up to four 30-minute sections of CNN-HDL were recorded each
      day. The CNN segments were drawn from that portion of the daily
      schedule that happened to include closed captioning. <o:p></o:p></p>
    <o:p></o:p>
    <p class="MsoNormal" align="center">*<o:p></o:p></p>
    <p class="MsoNormal"><a name="conll1"></a>(2)<a
href="http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC2012T03">
        2009 CoNLL Shared Task Part 1</a> contains the Catalan, Czech,
      German and Spanish trial corpora, training corpora, development
      and test data for the <a
        href="http://ufal.mff.cuni.cz/conll2009-st/">2009 CoNLL
        (Conference on Computational Natural Language Learning) Shared
        Task Evaluation</a>. The 2009 Shared Task developed syntactic
      dependency annotations, including the semantic dependencies model
      roles of both verbal and nominal predicates. <o:p></o:p></p>
    <p class="MsoNormal">The <a href="http://www.cnts.ua.ac.be/conll/">Conference


        on Computational Natural Language Learning (CoNLL)</a> is
      accompanied every year by a shared task intended to promote
      natural language processing applications and evaluate them in a
      standard setting. In 2008, the shared task focused on English and
      employed a unified dependency-based formalism and merged the task
      of syntactic dependency parsing and the task of identifying
      semantic arguments and labeling them with semantic roles; that
      data has been released by LDC as 2008 CoNLL Shared Task Data (<a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2009T12">LDC2009T12</a>).



      The 2009 task extended the 2008 task to several languages (English
      plus Catalan, Chinese, Czech, German, Japanese and Spanish). Among
      the new features were comparison of time and space complexity
      based on participants' input, and learning curve comparison for
      languages with large datasets. <o:p></o:p></p>
    <p class="MsoNormal">The 2009 shared task was divided into two
      subtasks: <o:p></o:p></p>
    <blockquote><small> </small>
      <p class="MsoNormal">(1) parsing syntactic dependencies <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal">(2) identification of arguments and
        assignment of semantic roles for each predicate <o:p></o:p></p>
      <small> </small></blockquote>
    <p class="MsoNormal">The materials in this release consist of
      excerpts from the following corpora: <o:p></o:p></p>
    <blockquote><small> </small>
      <p class="MsoNormal"><a href="http://clic.ub.edu/ancora/">Ancora</a>
        (Spanish + Catalan): 500,000 words each of annotated news text
        developed by the University of Barcelona, Polytechnic University
        of Catalonia, the University of Alacante and the University of
        the Basque Country <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a href="http://ufal.mff.cuni.cz/pdt2.0/">Prague


          Dependency Treebank 2.0</a> (Czech): approximately 2 million
        words of annotated news, journal and magazine text developed by
        Charles University; also available through LDC, <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2006T01">LDC2006T01</a>
        <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a
          href="http://www.ims.uni-stuttgart.de/projekte/TIGER/">TIGER
          Treebank</a> + <a
          href="http://www.coli.uni-saarland.de/projects/salsa/">SALSA
          Corpus</a> (German): approximately 900,000 words of annotated
        news text and FrameNet annotation developed by the University of
        Potsdam, Saarland University and the University of Stuttgart <o:p></o:p></p>
      <small> </small></blockquote>
    <o:p></o:p>
    <p class="MsoNormal" align="center">*<o:p></o:p></p>
    <p class="MsoNormal"><a name="conll2"></a>(3) <a
href="http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC2012T04">2009



        CoNLL Shared Task Part 2</a> contains the Chinese and English
      trial corpora, training corpora, development and test data for the
      <a href="http://ufal.mff.cuni.cz/conll2009-st/">2009 CoNLL
        (Conference on Computational Natural Language Learning) Shared
        Task Evaluation</a>. The 2009 Shared Task developed syntactic
      dependency annotations, including the semantic dependencies model
      roles of both verbal and nominal predicates. <o:p></o:p></p>
    <p class="MsoNormal">The materials in this release consist of
      excerpts from the following corpora: <o:p></o:p></p>
    <blockquote><small> </small>
      <p class="MsoNormal"><a
          href="http://www.cis.upenn.edu/%7Etreebank">Penn Treebank II</a>
        <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC95T7">(LDC95T7)</a>
        (English): over one million words of annotated English newswire
        and other text developed by the University of Pennsylvania <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a
          href="http://verbs.colorado.edu/%7Empalmer/projects/ace.html">PropBank</a>
        <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2004T14">(LDC2004T14)</a>
        (English): semantic annotation of newswire text from Treebank-2
        developed by the University of Pennsylvania <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a
          href="http://nlp.cs.nyu.edu/meyers/NomBank.html">NomBank</a> <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2008T23">(LDC2008T23)</a>
        (English): argument structure for instances of common nouns in
        Treebank-2 and <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC99T42">Treebank-3



          (LDC99T42)</a> texts developed by New York University <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a
          href="http://www.cis.upenn.edu/%7Echinese/ctb.html">Chinese
          Treebank 6.0</a> <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2007T36"><span
            style="mso-comment-continuation:3"><span
              style="mso-comment-continuation:4">(LDC2007T36)</span></span></a>(Chinese):



        780,000 words (over 1.28 million characters) of annotated
        Chinese newswire, magazine and administrative texts and
        transcripts from various broadcast news programs developed by
        the University of Pennsylvania and the University of Colorado <o:p></o:p></p>
      <small> </small>
      <p class="MsoNormal"><a
          href="http://verbs.colorado.edu/chinese/cpb/">Chinese
          Proposition Bank 2.0</a> <a
href="http://www.ldc.upenn.edu/Catalog/catalogEntry.jsp?catalogId=LDC2008T07">(LDC2008T07)</a>
        (Chinese): predicate-argument annotation on 500,000 words from
        Chinese Treebank 6.0 developed by the University of Pennsylvania
        and the University of Colorado <o:p></o:p></p>
      <small> </small></blockquote>
    <o:p></o:p>
    <p class="MsoNormal" align="center">*<o:p></o:p></p>
    <p class="MsoNormal"><a name="malach"></a>(4) <a
href="http://www.ldc.upenn.edu/Catalog/CatalogEntry.jsp?catalogId=LDC2012S05">USC-SFI



        MALACH Interviews and Transcripts English</a> was developed by
      The University of Southern California's Shoah Foundation Institute
      (USC-SFI), the University of Maryland, IBM and Johns Hopkins
      University as part of the <a href="http://malach.umiacs.umd.edu/">MALACH



        (Multilingual Access to Large Spoken ArCHives) Project</a>. It
      contains approximately 375 hours of interviews from 784
      interviewees along with transcripts and other documentation.<o:p></o:p></p>
    <p class="MsoNormal">Inspired by his experience making Schindler's
      List, Steven Spielberg established the Survivors of the Shoah
      Visual History Foundation in 1994 to gather video testimonies from
      survivors and other witnesses of the Holocaust. While most of
      those who gave testimony were Jewish survivors, the Foundation
      also interviewed homosexual survivors, Jehovah's Witness
      survivors, liberators and liberation witnesses, political
      prisoners, rescuers and aid providers, Roma and Sinti (Gypsy)
      survivors, survivors of eugenics policies, and war crimes trials
      participants.  In 2006, the Foundation became part of the Dana and
      David Dornsife College of Letters, Arts and Sciences at the
      University of Southern California in Los Angeles and was renamed
      as the USC Shoah Foundation Institute for Visual History and
      Education. <o:p></o:p></p>
    <p class="MsoNormal">The goal of the MALACH project was to develop
      methods for improved access to large multinational spoken
      archives; the focus was advancing the state of the art of
      automatic speech recognition (ASR) and information retrieval. The
      characteristics of the USC-SFI collection -- unconstrained,
      natural speech filled with disfluencies, heavy accents,
      age-related co-articulations, un-cued speaker and language
      switching and emotional speech -- were considered well-suited for
      that task. The work centered on five languages: English, Czech,
      Russian, Polish and Slovak. USC-SFI MALACH Interviews and
      Transcripts English was developed for the English speech
      recognition experiments. <o:p></o:p></p>
    <p class="MsoNormal">The speech data in this release was collected
      beginning in 1994 under a wide variety of conditions ranging from
      quiet to noisy (e.g., airplane over-flights, wind noise,
      background conversations and highway noise). Approximately 25,000
      of all USC-SFI collected interviews are in English and average
      approximately 2.5 hours each. The 784 interviews included in this
      release are each a 30 minute section of the corresponding larger
      interview. The interviews include accented speech over a wide
      range (e.g., Hungarian, Italian, Yiddish, German and Polish). <o:p></o:p></p>
    <p class="MsoNormal">This release includes transcripts of the first
      15 minutes of each interview. The transcripts were created using <a
        href="http://trans.sourceforge.net/en/presentation.php">Transcriber</a>
      1.5.1 and later modified.<o:p></o:p></p>
    <o:p></o:p>
    <p class="MsoNormal"><o:p> </o:p><small><o:p> </o:p><br>
      </small></p>
    <hr size="2" width="100%">
    <hr size="2" width="100%">
    <hr size="2" width="100%">
    <div class="moz-text-html" lang="x-western">
      <pre class="moz-signature" cols="72">


</pre>
    </div>
    <pre class="moz-signature" cols="72">-- 
--

Ilya Ahtaridis
Membership Coordinator
--------------------------------------------------------------------
Linguistic Data Consortium                  Phone: 1 (215) 573-1275
University of Pennsylvania                    Fax: 1 (215) 573-2175
3600 Market St., Suite 810                        <a class="moz-txt-link-abbreviated" href="mailto:ldc@ldc.upenn.edu">ldc@ldc.upenn.edu</a>
Philadelphia, PA 19104 USA                 <a class="moz-txt-link-freetext" href="http://www.ldc.upenn.edu">http://www.ldc.upenn.edu</a>


</pre>
  </body>
</html>