Русская Википедия: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[1]:
- 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[2].
Состав корпуса
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), 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[3].
Объём корпуса
Шаблон:Внешние медиафайлы Объём основного корпуса на июнь 2022 года составлял 375 млн словоупотреблений, а общий объём корпусов превышает 1,5 млрд словоупотреблений[4].
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[5] и семантической[6] 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. Доступ ко всему корпусу (копирование и передача его базы данных) запрещён лицензионным соглашением. Для получения доступа к 1/6 размеченной части подкорпуса необходимо зарегистрироваться и принять лицензионное соглашение[7]. Проблему с ограничением доступа призван решить проект «Открытый корпус», также создающий корпус русского языка, но под свободной лицензией[8].
См. также
Примечания
Литература
Ссылки
- ↑ Шаблон:Cite web
- ↑ Шаблон:Cite web
- ↑ Зализняк А. А., Янин В. Л., Гиппиус А. А. Новгородские грамоты на бересте (из раскопок 2001—2014 гг.) Шаблон:Wayback. Том XII. — М.: Языки славянской культуры, 2015. — 288 с.
- ↑ Шаблон:Cite web
- ↑ Шаблон:Cite web
- ↑ Шаблон:Cite web
- ↑ Шаблон:Cite web
- ↑ Шаблон:Cite web
