Национальный корпус русского языка

Национальный корпус русского языка
Изображение логотипа
URL ruscorpora.ru
Коммерческий нет
Тип сайта образовательный/научный проект
Регистрация есть: необходима для получения доступа к текстам; лицензионное соглашение
Язык (-и) русский/английский
Расположение сервера Россия
Владелец Институт русского языка имени В. В. Виноградова РАН
Начало работы 2004
Текущий статус работает и развивается
Страна
Логотип Викисклада Медиафайлы на Викискладе

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

Корпус открыт 29 апреля 2004 года[1]. 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[2]:

Состав корпуса

С. О. Савчук (ИРЯ РАН), доклад «Инструментарий национального корпуса русского языка в диахронических исследованиях», «Корпусная линвистика ‒ 2019», 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), 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[4].

Объём корпуса

Внешние видеофайлы
Зобнин А. Как устроен национальный корпус русского языка // ФКН ВШЭ, 2015, YouTube

Объём основного корпуса на декабрь 2023 года составлял 375 млн словоупотреблений, а общий объём корпусов превышает больше 2 млрд словоупотреблений[5].

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[6] и семантической[7] 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[8]. Проблему с ограничением доступа призван решить проект «Открытый корпус», также создающий корпус русского языка, но под свободной лицензией[9].

См. также

Примечания

  1. ↑ Новости НКРЯ. Национальный корпус русского языка. Дата обращения: 9 сентября 2024.
  2. ↑ Участники проекта. Национальный корпус русского языка. Дата обращения: 7 марта 2018. Архивировано 8 марта 2018 года.
  3. ↑ О проекте. Параллельные корпуса письменных текстов. Национальный корпус русского языка. Дата обращения: 7 марта 2018. Архивировано 8 марта 2018 года.
  4. ↑ Зализняк А. А., Янин В. Л., Гиппиус А. А. Новгородские грамоты на бересте (из раскопок 2001—2014 гг.) Архивная копия от 27 марта 2019 на Wayback Machine. Том XII. — М.: Языки славянской культуры, 2015. — 288 с.
  5. ↑ Национальный корпус русского языка. ruscorpora.ru. Дата обращения: 7 марта 2018. Архивировано 7 октября 2011 года.
  6. ↑ Морфология. Национальный корпус русского языка. Дата обращения: 7 марта 2018. Архивировано 19 февраля 2018 года.
  7. ↑ Семантика. Национальный корпус русского языка. Дата обращения: 7 марта 2018. Архивировано 19 февраля 2018 года.
  8. ↑ Использование корпуса. Лицензионное соглашение. Национальный корпус русского языка. Дата обращения: 7 марта 2018. Архивировано 8 марта 2018 года.
  9. ↑ OpenCorpora: открытый корпус русского языка. opencorpora.org. Дата обращения: 26 января 2022. Архивировано 26 января 2022 года.

Литература

  • Национальный корпус русского языка: 2003—2005. Сборник статей / Отв. ред. В. А. Плунгян. — М.: Индрик, 2005. — 502 с. — ISBN ISBN 5-85759-358-1.
  • Национальный корпус русского языка: 2006—2008. Новые результаты и перспективы / Отв. ред. В. А. Плунгян. — СПб.: Нестор-История, 2009. — 502 с. — ISBN ISBN 978-5-98187-327-0.
  • Плунгян В. А. Зачем мы делаем Национальный корпус русского языка? // Отечественные записки. — 2005. — № 2(23).

Ссылки