Читать онлайн «Корпусная лингвистика»
Автор В. П. Захаров
Санкт-Петербургский государственный университет
Филологический факультет
Кафедра математической лингвистики
В. П. Захаров
Корпусная лингвистика
Учебно-методическое пособие
Санкт-Петербург
2005
ББК 81. 1
З-38
Рецензенты:
докт. филол. наук Л. Н. Беляева (Рос. гос. пед. ун-т им. А. И. Герцена)
канд. фил. наук С. А. Коваль (С. -Петерб. гос. ун-т)
Печатается по постановлению
Редакционно-издательского совета
С. -Петербургского государственного университета
Захаров В. П.
З-38 Корпусная лингвистика: Учебно-метод. пособие. – СПб. , 2005. – 48 с.
Предлагаемое пособие содержит описание предмета и основного содержания корпусной лингвистики – нового направления в лингвистике. Оно включает также программу учебной дисциплины «Корпусная лингвистика», которая изучается студентами отделения структурной и прикладной лингвистики Санкт-Петербургского государственного университета. Пособие базируется на исследовательской и преподавательской деятельности автора.
Для студентов и аспирантов, специализирующихся в области прикладной лингвистики и автоматизированных систем обработки текста.
ББК 81. 1
( В. П. Захаров, 2005
( Санкт-Петербургский государственный университет, 2005
1. Основные понятия
1. 1. Введение: корпусы и корпусная лингвистика
Корпусная лингвистика – раздел компьютерной лингвистики, занимающийся разработкой общих принципов построения и использования лингвистических корпусов (корпусов текстов) с использованием компьютерных технологий. Под названием лингвистический, или языковой, корпус текстов понимается большой, представленный в электронном виде, унифицированный, структурированный, размеченный, филологически компетентный массив языковых данных, предназначенный для решения конкретных лингвистических задач. В понятие «корпус текстов» входит также система управления текстовыми и лингвистическими данными, которую в последнее время чаще всего называют корпусным менеджером (или корпус-менеджером) (англ. corpus manager). Это специализированная поисковая система, включающая программные средства для поиска данных в корпусе, получения статистической информации и предоставления результатов пользователю в удобной форме.
Целесообразность создания и смысл использования корпусов определяется следующими предпосылками:
1) достаточно большой (репрезентативный) объем корпуса гарантирует типичность данных и обеспечивает полноту представления всего спектра языковых явлений;
2) данные разного типа находятся в корпусе в своей естественной контекстной форме, что создает возможность их всестороннего и объективного изучения;
3) однажды созданный и подготовленный массив данных может использоваться многократно, многими исследователями и в различных целях.
Можно сказать, что все современные лингвистические исследования и работы по составлению словарей и грамматик так или иначе ориентированы на использование представительных корпусов текстов. Развитие современных интеллектуальных программных систем, предназначенных для обработки текстов на естественном языке, также требует большой экспериментальной лингвистической базы.
Филологический факультет
Кафедра математической лингвистики
В. П. Захаров
Корпусная лингвистика
Учебно-методическое пособие
Санкт-Петербург
2005
ББК 81. 1
З-38
Рецензенты:
докт. филол. наук Л. Н. Беляева (Рос. гос. пед. ун-т им. А. И. Герцена)
канд. фил. наук С. А. Коваль (С. -Петерб. гос. ун-т)
Печатается по постановлению
Редакционно-издательского совета
С. -Петербургского государственного университета
Захаров В. П.
З-38 Корпусная лингвистика: Учебно-метод. пособие. – СПб. , 2005. – 48 с.
Предлагаемое пособие содержит описание предмета и основного содержания корпусной лингвистики – нового направления в лингвистике. Оно включает также программу учебной дисциплины «Корпусная лингвистика», которая изучается студентами отделения структурной и прикладной лингвистики Санкт-Петербургского государственного университета. Пособие базируется на исследовательской и преподавательской деятельности автора.
Для студентов и аспирантов, специализирующихся в области прикладной лингвистики и автоматизированных систем обработки текста.
ББК 81. 1
( В. П. Захаров, 2005
( Санкт-Петербургский государственный университет, 2005
1. Основные понятия
1. 1. Введение: корпусы и корпусная лингвистика
Корпусная лингвистика – раздел компьютерной лингвистики, занимающийся разработкой общих принципов построения и использования лингвистических корпусов (корпусов текстов) с использованием компьютерных технологий. Под названием лингвистический, или языковой, корпус текстов понимается большой, представленный в электронном виде, унифицированный, структурированный, размеченный, филологически компетентный массив языковых данных, предназначенный для решения конкретных лингвистических задач. В понятие «корпус текстов» входит также система управления текстовыми и лингвистическими данными, которую в последнее время чаще всего называют корпусным менеджером (или корпус-менеджером) (англ. corpus manager). Это специализированная поисковая система, включающая программные средства для поиска данных в корпусе, получения статистической информации и предоставления результатов пользователю в удобной форме.
Целесообразность создания и смысл использования корпусов определяется следующими предпосылками:
1) достаточно большой (репрезентативный) объем корпуса гарантирует типичность данных и обеспечивает полноту представления всего спектра языковых явлений;
2) данные разного типа находятся в корпусе в своей естественной контекстной форме, что создает возможность их всестороннего и объективного изучения;
3) однажды созданный и подготовленный массив данных может использоваться многократно, многими исследователями и в различных целях.
Можно сказать, что все современные лингвистические исследования и работы по составлению словарей и грамматик так или иначе ориентированы на использование представительных корпусов текстов. Развитие современных интеллектуальных программных систем, предназначенных для обработки текстов на естественном языке, также требует большой экспериментальной лингвистической базы.
