Corpus adnotat de la Helsinki al limbii ruse

Corpusul adnotat Helsinki de texte rusești ( HANKO ) este un corpus de texte online rusești . Crearea corpusului a fost realizată în 2001-2012, a fost conceput ca parte integrantă a proiectului „Sintaxa funcțională a limbii ruse”. Interfața corpus vă permite să combinați căutarea prin combinație de litere, parametrii morfologici și sintactici .

Compilatoare

Proiectul de creare a Corpusului Adnotat de Texte Ruse de la Helsinki (HANKO) a fost realizat între 2001 și 2012. la Departamentul de limbi și literaturi slave și baltice a Universității din Helsinki, sub conducerea profesorului Arto Mustajoki .

Coordonator de proiect - cercetător principal, dr. Mihail Vyacheslavovich Kopotev .

Proiectare tehnica - dr. Alexei Leontiev.

Următoarele organizații au participat la programul de creație HANKO:

• Universitatea Helsinki
• Universitatea de Stat din Petrozavodsk

Componența corpului

Tipuri de marcare HANKO

• Markup morfologic . O descriere morfologică completă a fiecărei forme de text cu capacitatea de a indica cazuri controversate care au o interpretare ambiguă.
• Markup sintaxă . Sunt evidențiate două tipuri de unități: o propoziție simplă (propoziție) și o propoziție complexă. Marcajul sintactic este realizat în cadrul teoriei sintactice a membrilor propoziției.
• Meta marcare. HANKO, fiind un corpus destul de uniform în ceea ce privește parametrii textuali externi, conține meta -informații minime : numărul revistei, autorul textului, tipul textului.

Volumul corpului

Un corpus de aproximativ 100 de mii de utilizări de cuvinte extras din revista Itogi . Revista prezintă o gamă largă de genuri jurnalistice moderne, o varietate tematică de articole, un nivel ridicat de cunoaștere a resurselor stilistice ale limbii ruse ale autorilor săi.

Acces

În prezent, gratuit și gratuit este căutarea pe site. Rezultatele adnotărilor morfologice și sintactice sunt disponibile pentru căutare. Carcasa este disponibilă pentru utilizare comercială în format MTE . Site-ul web al corpus este susținut și finanțat de Universitatea din Helsinki .

Vezi și

• Fondul de mașini al limbii ruse
• Liste de cuvinte cu frecvență din limba rusă
• dicţionar de frecvenţă
• Corpus național rus

Literatură

• Kopotev, M. V., A. Mustajoki Principiile creării Helsinki Adnotate Corpus of Russian Textes (HANKO) pe Internet // Informații științifice și tehnice. Ser. 2: Sisteme și procese informaționale. Nr. 6: Corpus Linguistics in Russia, 2003, p. 33-37.
• Mustajoki A., Kopotev M. V., Gurin G. B., Salomatina M. S. Principiile marcajului sintactic al corpusului adnotat Helsinki de texte rusești HANKO // Actele conferinței internaționale „MegaLing`2005. Lingvistică aplicată în căutarea unor noi căi” – Sankt Petersburg, 2005
• Reznikova T. I., Kopotev M. V. Corpuri adnotate lingvistic ale limbii ruse (revizuire a resurselor publice) // Corpus național al limbii ruse: 2003−2005. M.: Indrik, 2005, 31−61.

Link -uri

• Site-ul oficial