AI engineer

Опис проєкту:

Шукаємо фахівця для виконання проєкту з конвертації двомовного словника добруджанської говірки кримськотатарської мови з документа Word у формат Name-Value Hierarchy (NVH), придатний для імпорту в лексикографічну систему Lexonomy.

Завдання:

• Розробити скрипт (наприклад, на Python), який:
  • Парсить напівструктурований текстовий документ Word, використовуючи візуальні ознаки форматування (колір, шрифт, дужки, символи).
  • Розпізнає та структурує заголовні слова, вимову, переклади, приклади, скорочення, ідіоми, прислів'я, етимології тощо.
  • Розкриває скорочення (наприклад, tr_pos: is. → isim., ro_pos: s. → substantiv).
  • Генерує текстовий файл у форматі .nvh (UTF-8) з ієрархією за відступами.
• За потреби — інтегрувати в роботу LLM (наприклад, OpenAI GPT-4 або Anthropic Claude 3) через API для точного розпізнавання контексту та структури статей.

Очікуваний результат:

• Повний .nvh-файл зі структурованими словниковими статтями.
• (Бажано) Скрипт або інструкція, що дозволить відтворити конвертацію.

Вимоги:

• Досвід роботи з обробкою тексту (наприклад, python-docx, re, BeautifulSoup, pandas).
• Досвід парсингу напівструктурованих документів Word або PDF.
• Розуміння принципів форматів словників, ієрархічних структур типу NVH або YAML.
• Бажано: досвід роботи з LLM через API.
• Вітається досвід у лінгвістиці, лексикографії, опрацюванні багатомовних корпусів.

Терміни:

• Бажаний термін виконання: 2 тижні.
• Максимально допустимий термін: 1 місяць.
• Передбачається 1 раунд правок після перевірки результату.

Оплата:

• Вкажіть вашу комерційну пропозицію.
• Вартість API-запитів до LLM покривається в межах бюджету 800 євро — прохання надати приблизну оцінку або деталізацію.

Зв’язок:

• Запланувати зустріч:Google Calendar
• Телеграм для повідомлень:https://t.me/qirim_young