Корпус рекламных слоганов

Корпус языка Ф. М. Достоевского

Русские проекты

Izi02edu

Пример разметки в корпусе Шайкевича

Выставлен на сайте Маш. фонда.

Материал взят из публицистики 2-й половины 1990-х гг.

Около 7,5 млн словоупотреблений в 29,5 тысячах текстовых фрагментов.

Русские проекты

The Computer Fund of Russian Language (CFRL) is a research and development department within the V.V.Vinogradov Institute for Russian Language of the Russian Academy of Sciences. It was started in 1985.

Русские проекты

Уппсальский корпус (создан в Швеции в 1987 г.)

Русские проекты

Достижения КЛ

Основан в 1994 г., 20 млн словоупотреблений для пользователей Интернета, 100 млн словоупотреблений в целом.

Достижения КЛ

Достижения КЛ

Достижения КЛ

Семантическая разметка (приводит к созданию тезаурусов и семантических сетей)

Синтаксическая разметка

Лемматизация и морфоанализ

Сегментация текстов (токенизация)

Этапы формирования корпуса

Программное обеспечение

Легкость ввода, редактирования и вывода данных в нужном формате

Прозрачность и логичность разметки

Разноуровневая разметка (желательно со снятой омонимией)

Полнота

Репрезентативность

Требования к корпусу

Общие признаки корпусов

Решается опытным путем.

Статические – динамические

Исследовательские – иллюстративные

Параллельные (полиязыковые) – моноязыковые

Брауновский корпус американского английского (создан в 1962-1963 гг.) – около 1 млн словоупотреблений.

http://www.hd.uib.no/icame/bcm.html

Британский национальный корпус (создан в 1990 г., published in 1994) – около 1 млн словоупотреблений.

http://www.natcorp.ox.ac.uk

Чешский национальный корпус Карлова университета (Прага).

http://ucnk.ff.cuni.cz/

Проект «Персей» (Perseus) Изначально размеченный массив античных текстов, а теперь – расширенное хранилище

(Renaissance Materials etc. … …)

Англоязычные тексты – около 10 млн словоупотреблений.

Латынь – около 1 млн словоупотреблений.

И прочее. Для тех, кому надо. См.:

http://www.perseus.tufts.edu

Единица хранения – текст.

Основа русского корпуса Тюбингенского университета (ФРГ)

http://www.sfb441.uni-tuebingen.de/b1/en/korpora.html

Машинный (компьютерный) фонд Института русского языка РАН.

(www.cfrl.ru)

Корпус газетных текстов, созданный под рук. Анат. Яновича Шайкевича (Машинный фонд Института русского языка РАН).

[%iso88591; ]> CFRL Parole encoding Computer Fund of Russian Language

http:// On-line 99-01-27 &parole.tax; 99-01-27 Russian

Жизнь в России все же не темна. Есть 1 сентября — праздник, который всегда с тобой…]

Кроме газетного корпуса, за время существования МФ создано несколько менее объемных собраний:

Дата добавления: 2015-07-02