Verso una Retro-Digitalizzazione Riutilizzabile dei Dizionari Storici: un Flusso di Lavoro Trasferibile per il Parsing e la Codifica

This thesis examines how historical dictionaries can be converted into structured lexical resources through a transparent and reusable workflow. It situates this problem within digital lexicography, considers the role of standards such as TEI and TEI Lex-0, and reviews previous rule-based and machine-learning approaches to dictionary retro-digitization. The main case study is J. R. Clark Hall’s A Concise Anglo-Saxon Dictionary, whose entries are analyzed through a context-free grammar implemented in Lark. The resulting parse trees are processed by a Python transformer that maps the identified structures to a controlled TEI representation. The thesis describes the design of the grammar, the encoding policy developed for difficult and recurrent cases, the transformation process, and the evaluation of the output. Reusability is tested through a transfer study on Henry Sweet’s The Student’s Dictionary of Anglo-Saxon. This comparison identifies which elements of the workflow can be reused without substantial change and which must be adapted to a new source, especially the encoding policy, the dictionary-specific grammar and the mapping of parsed structures to TEI Lex-0. The thesis therefore proposes a transferable and controllable method for dictionary retro-digitization, combining automation with explicit scholarly control and providing a basis for the further conversion, comparison, and enrichment of historical lexical resources.

Questa tesi esamina come i dizionari storici possano essere convertiti in risorse lessicali strutturate mediante un flusso di lavoro trasparente e riutilizzabile. Il problema è collocato nel contesto della lessicografia digitale, considerando il ruolo di standard quali TEI e TEI Lex-0 e i precedenti approcci alla retro-digitalizzazione basati su regole e apprendimento automatico. Il principale caso di studio è A Concise Anglo-Saxon Dictionary di J. R. Clark Hall, le cui voci sono analizzate mediante una grammatica libera dal contesto implementata in Lark. Gli alberi sintattici risultanti sono elaborati da un trasformatore Python, che associa le strutture identificate a una rappresentazione TEI controllata. La tesi descrive la progettazione della grammatica, la politica di codifica per i casi difficili e ricorrenti, la trasformazione e la valutazione dell’output. La riusabilità è verificata attraverso uno studio di trasferimento su The Student’s Dictionary of Anglo-Saxon di Henry Sweet. Il confronto individua cosa possa essere riutilizzato senza modifiche sostanziali e cosa debba essere adattato alla nuova fonte, in particolare la politica di codifica, la grammatica del dizionario e la mappatura in TEI Lex-0. La tesi propone quindi un metodo trasferibile e controllabile per la retro-digitalizzazione dei dizionari, combinando automazione e controllo scientifico e fornendo una base per la conversione, il confronto e l’arricchimento di risorse lessicali storiche.