Введение в корпусную лингвистику - стр. 17
1. Язык или языки корпуса:
а) одноязычные,
б) многоязычные:
1) параллельные (один и тот же текст на разных языках),
2) смешанные (переключение языков, многоязычное общение):
● выровненные (параллельные),
● невыровненные.
2. Тип текстов:
а) письменные тексты,
б) устные (аудиозаписи и видеозаписи),
в) смешанные (мультимодальные).
3. Жанры текстов:
а) литературные,
б) диалектные,
в) разговорные,
г) публицистические,
д) исторические,
е) корпуса второго языка (ученические и т. п.).
4. Тип данных:
а) полнотекстовые,
б) фрагментированные тексты:
1) n-граммный,
2) конкордансный.
5. Типы разметки:
а) неразмеченные,
б) размеченные (аннотированные), с типами разметки:
1) метатекстовая (жанр, время создания текста и т. д.),
2) лингвистическая:
● фонетическая,
● просодическая,
● морфологическая (полная или только частеречная),
● словообразовательная,
● синтаксическая,
● семантическая
● и др.,
3) экстралингвистическая (маркировка эмоций, жестов и т. п.).
6. Объем данных:
а) представительный корпус (национальный),
б) иллюстративный,
в) мониторинговый.
7. Тип доступа:
а) свободно распространяемый,
б) академическая лицензия,
в) ограниченный доступ.
8. Страна создания и авторские права.
1. Lee D. Genres, registers, text types, domains, and styles: clarifying the concepts and navigating a path through the BNC jungle // Language Learning & Technology. Vol. 5. № 3. September 2001. Р. 37–72. Доступно по адресу: llt.msu.edu/vol5num3/pdf/lee.pdf.
2. Resnik P., Broman Olsen M., Diab M.The Bible as a Parallel Corpus: Annotating the ‘Book of 2000 Tongues’ // Computers and the Humanities. 1999. Vol. 33. № 1–2. Р. 129–153. Доступно по адресу: www.springerlink.com/content/u240g32544t26777.
3. Sinclair J. EAGLES Preliminary recommendations on Corpus Typology, EAGLES Document EAG-TCWG-CTYP/P. 1996. Доступно по адресу: www.ilc.cnr.it/EAGLES96/corpustyp/corpustyp.html.
4. Савчук С. О. Метатекстовая разметка в Национальном корпусе русского языка: базовые принципы и основные функции // Национальный корпус русского языка: 2003–2005. Результаты и перспективы. М., 2005. С. 62–88.
5. Савчук С. О., Шаров С. А. Типология текстов для представительного корпуса // Труды международной конференции «Корпусная лингвистика – 2004». СПб.: Издательство С.-Петербургского университета, 2004. С. 352–362.
1. Пользуясь предложенной классификацией, мысленно «составьте» свой корпус (выберите язык, тип текстов и т. д.). Объясните, в каких исследовательских или учебных задачах его можно было бы использовать.
2. Главный ресурс по русской корпусной лингвистике – Национальный корпус русского языка, расположенный по адресу ruscorpora.ru. Объясните, почему в адресе сайта используется множественное число английского слова corpus – corpora. Зайдите на сайт и выясните, какие виды корпусов там представлены и каков их объем в настоящий момент.
3. Пользуясь описанными выше корпусами, проверьте, как изменялась частотность лемм «советский» и «товарищ» в русских текстах XVIII–XXI веков. Какое из этих слов, по вашему мнению, сохранится в языке и в будущем?
4*. Познакомьтесь с корпусом n-грамм на сайте books.google.com/ngrams. Выбрав русский язык, экспериментально определите максимально допустимое количество слов в n-граммах.