Історія створення лінгвістичних корпусів

Лінгвісти зібрали перші корпуси комп'ютеризованих текстів в 1960 -і роки. Перший комп'ютеризований корпус - Браунівський корпус ( The Brown Corpus ) - включає 500 текстів з американських книг , газет , журналів , вперше опублікованих у США в 1961 році. Кожен текст в Браунівському корпусі має довжину 2000 слів (мається на увазі слововживань - tokens ) , і все зібрання включає 1 млн. слів ( 500 текстів по 2000 слів у кожному). Автори корпусу У. Френсис ( W. Francis ) і Г. Кучера ( H. Kucera ) супроводили його великою кількістю матеріалів первинної статистичної обробки : частотним і алфавітно- частотним словником, різноманітними статистичними розподілами .

Мета створення Браунівського корпусу - забезпечити системне вивчення окремих жанрів письмової англійської мови і порівняння жанрів. Його поява викликала загальний інтерес і жваві дискусії. У першу чергу , вони торкнулися принципів відбору текстів і складу потенційно розв'язуваних на такому корпусі завдань. З одного боку , він будувався на основі статистичних процедур; з іншого боку , статистика застосовувалася у поєднанні з вольовими рішеннями авторів корпусу , що базуються на професійній інтуїції. Для досягнення максимальної об'єктивності цього складного процесу вимагалося побудова максимально формалізованих , прозорих для перевірки та контролю процедур [31].

Пізніше європейські дослідники склали корпус текстів , вперше опублікованих у Великобританії в 1961 році , слідуючи тим же принципам : 15 жанрів ( регістрів ) , 500 текстів по 2000 слів ( слововживань ) . Він включав 1 млн. слів британського варіанту англійської мови , і його назвали корпусом Ланкастер - Осло - Берген ( The Lancaster - Oslo - Bergen Corpus , за назвами британського і двох норвезьких університетів , або коротко LOB ) . Збалансовані корпуси типу Браунівського дуже важливі для дослідників , чиї інтереси лежать в галузі лінгвістики і які хочуть використовувати корпус в цілях лінгвістичного опису та аналізу.

Отже , два самих ранніх великих корпусу - це корпуси письмовій промови американського і британського варіантів англійської мови. Обидва корпуси залишаються корисними і зараз , на них грунтуються численні дослідження англійської мови.

За десятиліття, що минули з моменту створення цих корпусів , комп'ютери стали дешевше і набагато могутніше , крім того , недорогі й надійні сканери зробили необов'язковим набір текстів на комп'ютері за допомогою клавіатури. Ці винаходи полегшили процес створення корпусів , і останні з них містять вже мільярди слів ( слововживань ) .

До 1990 року вже було зафіксовано більше 600 комп'ютерних корпусів. По роках складання вони були розподілені приблизно наступним чином [ 44 ] :

        -1965 10 1966-1970 20

1971-1975 30 1976-1980 80

1981-1985 160 1986-1990 320

Очевидно , що в наступні роки кількість і різноманіття створюваних корпусів йшли по наростаючій.

Серед сучасних корпусів англійської мови (як британського , так і американського варіанту ) найбільш відомі Британський національний корпус ( British National Corpus - BNC) , Міжнародний корпус англійської мови ( International Corpus of English - ICE) , лінгвістичний Банк англійської мови ( Bank of English ) , корпус сучасного американського англійського ( Corpus of Contemporary American English - COCA ) та ін В даний час корпуси створені для багатьох мов світу (див. Додаток 1 ) .

У першій половині 1990 -х років корпусні лінгвістика остаточно сформувалася як окремий напрямок науки про мову. « Корпусні лінгвістика досягла зрілості» - так Я. Свартвік озаглавив в 1992 році передмову до матеріалів першого Нобелівського симпозіуму з корпусних лінгвістиці [60]. Корпусні лінгвістика тісно взаємодіє з комп'ютерною лінгвістикою , використовуючи її досягнення і, в свою чергу , збагачуючи її .