Вы находитесь на общей стартовой странице корпусов лугового марийского языка: основного корпуса литературного лугового марийского (в настоящий момент состоит в основном из прессы) и корпуса марийских соцсетей.
Подробнее К основному корпусу К корпусу соцсетейВы находитесь на стартовой странице сайта, на котором размещены лингвистические корпуса лугового марийского языка. В настоящий момент доступны два корпуса: корпус современного литературного лугового марийского («основной корпус») и корпус марийских соцсетей. Они отличаются представленным в них материалом, но имеют в целом одинаковую разметку и поисковые возможности. Вот их сравнительные характеристики:
| Основной корпус | Корпус соцсетей | |
|---|---|---|
| Язык | луговой марийский | луговой марийский и русский |
| Размер | 5,53 миллионов словоупотреблений | 3,59 миллионов словоупотреблений (марийская часть) 15,11 миллионов словоупотреблений (русская часть) |
| Тексты | современная пресса, Википедия (до мая 2019 г.) | открытые посты и комментарии пользователей Вконтакте на луговом марийском языке (до мая 2019 г.) |
| Регистр языка | в большинстве случаев нормативный письменный литературный луговой марийский или близкий к нему | язык электронной коммуникации: ближе к разговорному, с влиянием диалектов и русского языка, часто содержит переключение кодов |
| Разметка |
|
|
| Метаданные |
|
|
Кроме представленных здесь корпусов, существуют также корпуса и другие ресурсы для марийских языков, созданные Джереми Брэдли.
Более подробную информацию о содержании марийского корпуса соцсетей и его разработке Вы можете найти в этой статье. Пожалуйста, сошлитесь на неё, если Ваше исследование будет основано на материале этого корпуса:
Timofey Arkhangelskiy. 2019. Corpora of social media in minority Uralic languages. Proceedings of the fifth Workshop on Computational Linguistics for Uralic Languages, pages 125–140, Tartu, Estonia, January 7 - January 8, 2019.
Корпусом языка называется коллекция текстов на этом языке, снабжённая дополнительной лингвистической информацией (разметкой, или аннотацией) и поисковым механизмом. Краткое введение в языковые корпуса и корпусную лингвистику можно посмотреть в интервью академика В. А. Плунгяна на ПостНауке. Ниже я привожу несколько частых вопросов о представленных здесь корпусах лугового марийского языка.
— Кому нужны корпуса?
В первую очередь, корпуса нужны лингвистам — исследователям, изучающим конкретные языки или язык в целом. Поисковая система и разметка корпусов сконструированы таким образом, чтобы в них можно было задавать лингвистические запросы вроде «найти все существительные в родительном падеже» или «найти все формы слова пырыс перед глаголами». Кроме того, корпуса могут пригодиться преподавателям языка (в корпусах, например, можно находить примеры для упражнений), а также изучающим язык и самим носителям языка.
— Можно ли использовать корпус как библиотеку?
Нет, корпус для этого не предназначен. Работа с корпусом состоит в том, что пользователь задаёт запрос — ищет какое-либо слово, фразу или конструкцию, — а корпус выдаёт в ответ все предложения, в которых встречаются искомые слова. По умолчанию предложения выдаются в перемешанном порядке. При желании у каждого предложения можно расширить контекст, т. е. показать соседние с ним предложения. Однако для каждого предложения эту операцию можно совершить ограниченное число раз. Таким образом, пользователь не может увидеть текст целиком. Это необходимо, в частности, для защиты авторских прав.
— Можно ли использовать корпус как словарь?
У каждого марийского слова в корпусе есть перевод на русский. Однако это всего лишь вспомогательная информация для тех, кто недостаточно хорошо владеет марийским языком. Переводы слов в корпусе специально укорочены, не отражают всех оттенков значения и не содержат примеров употреблений. Если Вы хотите узнать перевод слова, намного лучше будет воспользоваться для этого специализированным словарём, например, здесь.
— Что такое морфологическая разметка и как она сделана?
В представленных здесь корпусах имеется лемматизация и морфологическая разметка. Лемматизация означает, что при каждой словоформе указана её лемма, то есть начальная форма. Морфологическая разметка означает, что для каждой словоформы указаны её грамматические характеристики: часть речи, число, падеж, время и т. п. Поскольку эти корпуса слишком большие, чтобы размечать их вручную, разметка делалась автоматически при помощи специальной программы — морфологического анализатора. Анализатор, в свою очередь, использует составленный вручную грамматический словарь и формализованное описание марийского словоизменения. Анализатор вместе со словарём свободно распространяется и доступен у меня на битбакете. Использование автоматической разметки, к сожалению, означает, что, во-первых, отсутствующие в словаре слова останутся неразобранными, а во-вторых, что в некоторых случаях возникнет омонимия. Русские предложения в корпусе соцсетей были размечены автоматически с помощью анализатора mystem.
Луговой (лугово-восточный) марийский — один из нескольких марийских языков, которые составляют отдельную группу уральских языков. Число его носителей, согласно последней переписи, составляет около 365 тыс. человек. Марийские языки используют орфографию, основанную на кириллице, с несколькими дополнительными символами. В марийских языках имеется разноместное ударение и сингармонизм (в ограниченной степени). Почти все морфологические категории выражаются суффиксально и в основном агглютинативно. Именные грамматические категории включают число, падеж и посессивность. Прямое дополнение маркируется номинативом или аккузативом (дифференциальное маркирование). Порядок слов в предложении по умолчанию — SOV (подлежащее – прямое дополнение – глагол).
Если у Вас есть вопросы, Вы хотели бы предложить сотрудничество или Вы заметили ошибку в корпусене считая опечаток в блогах и соцсетях: эти тексты специально оставляются в исходном виде, пожалуйста, напишите об этом Тимофею Архангельскому. Кроме того, Вы можете использовать по своему усмотрению свободно распространяемые луговой марийский морфологический анализатор и корпусную платформу tsakorpus.