- •6. Особые типы корпусов
- •3. Эмпирический подход в сравнении с хомскианской лингвистикой
- •4. Связь корпусной лингвистики с компьютерной и математической лингвистикой
- •5. Типология корпусов
- •Классификация корпусов
- •Устные – письменные
- •Одноязычные — многоязычные
- •Выровненные и не выровненные параллельные корпусы
- •Статические – динамические
- •6. Особые типы корпусов
- •6.1. Параллельные корпусы
- •6.2. Корпусы устной речи
Статические – динамические
Первые корпусы были статичными снимками языка. Наиболее значимый современный
корпус (BNC) тоже статичен. Но начали появляться и динамические мониторинговые корпуса,
которые пополняются постоянно. Пример — Cobuild Project. Такие корпусы ещё называются
«открытые». Их проблема в том, что они часто не совсем адекватно представляют язык,
поскольку не подчиняются чётким критериям отбора, тексты не сбалансированы.
Критерий «динамичность» подразделяет корпусы на динамические и статические. Первоначально корпусы текстов создавались как статические образования, отражающие определенное временнóе состояние языковой системы. Статические корпусы содержат тексты какого-то небольшого временнóго промежутка [17]. Типичными представителями этого вида корпусов являются авторские корпусы – коллекции текстов писателей.
Однако значительная часть чисто лингвистических и не только лингвистических задач требует выявления функционирования языковых феноменов на временнóй шкале – например, изменения значения слов, частоты использования тех или иных синтаксических конструкций и т.д. Для отражения процессуального аспекта проблемной области была разработана новая технология построения и эксплуатации динамического корпуса текстов [2]. Динамические корпусы называют также мониторными или мониторинговыми. Цель мониторных корпусов – «складировать» постоянно растущее количество текстов в памяти компьютера. В течение заранее фиксированного промежутка времени происходит обновление и/или дополнение множества текстов корпуса. Неограниченные (постоянно развивающиеся) мониторные корпусы играют огромную роль в строении словаря, поскольку позволяют лексикографам следить за новыми словами, проникающими в язык, или за уже существующими словами, меняющими свое значение, а также за балансом их употребления в соответствии со стилем. В динамические корпусы текстов, как правило, включают письменные источники большого временнóго периода. Они предназначены для проведения различных диахронических исследований [17].
В размеченном корпусе словам или предложениям присваиваются метки (тэги) в соответствии с характером разметки: морфологические, синтаксические, семантические, просодические и др.
По назначению выделяют исследовательские и иллюстративные корпусы. Исследовательские корпусы создаются с целью изучения различных аспектов функционирования языка. Этот тип корпусов ориентирован на широкий класс лингвистических задач. Неспецифицированность задачи требует при построении исследовательских корпусов использовать пропорциональное сужение, являющееся наиболее простым способом обеспечения репрезентативности. Как правило, такие корпусы текстов содержат от нескольких десятков миллионов до сотен миллионов словоупотреблений. Иллюстративные корпусы создаются после проведения научного исследования: их цель не столько выявить новые факты, сколько подтвердить и обосновать уже полученные результаты.
По критерию «объем текстов» выделяют полнотекстовые и так называемые фрагментотекстовые корпусы. Как известно, Брауновский корпус и корпус Ланкастер-Осло-Берген должны были строго соответствовать определенным критериям, одним из которых была длина текста, равная 2000 слов (словоупотреблений). Очевидно, что текстов, строго соответствующих таким критериям, практически нет. Следовательно, эти корпусы являются фрагментотекстовыми. К полнотекстовым корпусам относятся некоторые корпусы текстов определенного автора, а также корпусы коротких текстов, например, корпус мерфизмов (так называемых «законов подлости») [5] или корпус газетных заголовков.
