Национальный корпус русского языка

Материал из Wikibrand
Национальный корпус русского языка

Национа́льный ко́рпус ру́сского языка́ (НКРЯ) — доступный для поиска электронный Онлайн-корпус русскоязычных Текстов.

Корпус открыт 29 апреля 2004 года. Также доступен для поиска исторический корпус церковнославянских, древнерусских (XI—XIV века) и среднерусских (XV — начало XVIII века) текстов.

Составители

Работы по созданию корпуса были начаты в 2001 году группой филологов из Москвы, Санкт-Петербурга, Воронежа и других городов. В программе по созданию Национального корпуса русского языка участвуют специалисты следующих организаций: Институт русского языка имени В. В. Виноградова РАН (ИРЯ РАН). Институт языкознания РАН (ИЯз РАН). Институт проблем передачи информации имени А. А. Харкевича РАН (ИППИ РАН). Институт лингвистических исследований РАН (ИЛИ РАН) в Санкт-Петербурге (совместно с Санкт-Петербургским государственным университетом (СПбГУ)). Воронежский государственный университет.

Состав корпуса

», СПбГУ]]

В корпус входят как письменные тексты (художественные, мемуары, публицистика, научная, религиозная литература, повседневная печатная продукция), так и записи устных текстов (публичной речи и частных бесед). В корпус также входят подкорпусы поэтических и Диалектных текстов, корпусы параллельных текстов (корпусы, параллельные с русским, доступны для следующих языков: английский, армянский, белорусский, болгарский, бурятский, испанский, итальянский, китайский, латышский, немецкий, польский, украинский, французский, шведский, эстонский и многоязычный), отдельный газетный корпус (материалы СМИ начала XXI века), церковнославянский корпус (богослужебные тексты, современные (XIX—XX век) и более ранних периодов), исторический (в том числе древнерусский, старорусский, берестяных грамот, церковнославянский), синтаксический, акцентологический, мультимедийный и обучающий подкорпусы. С 2010 года в составе исторического подкорпуса Национального корпуса русского языка доступен текстовый корпус берестяных грамот с полной морфологической разметкой. Тексты берестяных грамот в составе корпуса интерактивно связаны с их представлением на сайте gramoty.ru — http://gramoty.ru/birchbark/.

Объём корпуса

Объём основного корпуса на декабрь 2023 года составлял 375 млн словоупотреблений, а общий объём корпусов превышает больше 2 млрд словоупотреблений.

Тексты снабжены метаразметкой (по дате создания, автору, жанру и тому подобному); словоформы в текстах снабжены автоматической морфологической и семантической разметкой; параллельные тексты выровнены; тексты поэтического корпуса снабжены также особой метрической разметкой. 1,5 % текстов снабжены морфологической и семантической разметкой со снятой вручную омонимией («дезамбигуированный подкорпус»).

Корпус Число текстов Число предложений Число словоупотреблений % словоупотреблений
Дезамбигуированная часть корпуса 2 тыс. 500 тыс. 6 млн 1,6 %
Основной корпус 84 тыс. 19,1 млн 209 млн 57,3 %
Весь корпус 342 тыс. 32 млн 364 млн 100 %

Доступ

В настоящее время свободным и бесплатным является только поиск по корпусу. Сайт корпуса и поиск по нему поддерживаются компанией «Яндекс», сотрудники которой принимали участие также в разработке программного обеспечения корпуса. Для получения доступа к 1/6 размеченной части подкорпуса необходимо зарегистрироваться и принять лицензионное соглашение Доступ ко всему корпусу (копирование и передача его базы данных) запрещён лицензионным соглашением.. Проблему с ограничением доступа призван решить проект «Открытый корпус», также создающий корпус русского языка, но под свободной лицензией.

См. также

Машинный фонд русского языка Частотный словарь Генеральный интернет-корпус русского языка

Примечания

Литература

Ссылки

Источник — https://wikibrand.ru/index.php?title=Национальный_корпус_русского_языка&oldid=66429