Matn korpusi
Тилшуносликда корпус (кўпликда cорпора) ёки матн корпуси катта ва тизимланган матнлар тўпламидан (ҳозирги кунда одатда электрон сақланади ва қайта ишланади) иборат тил манбайидир. Корпус тилшунослигида улар муайян тил доирасида статистик таҳлилларни амалга ошириш ва гипотезани текшириш, тилдаги ҳодисаларни кузатиш ёки назарий лингвистик қоидаларни текшириш учун фойдаланилади.
Умумий тасаввур
Корпусда бир тилдаги (бир тилли корпус ёки монолингвистик корпус) ёки бир нечта тилдаги (кўп тилли корпус ёки мултилингвистик корпус) матнли маълумотлар бўлиши мумкин.
Корпусларни лингвистик тадқиқотлар учун янада фойдали қилиш учун, улар кўпинча аннотация деб номланадиган жараёндан ўтказилади. Корпусга изоҳ беришнинг мисоли сўз туркумларини ёрлиқлаш (теглаш) ёки ПОС-ёрлиқлашдир, унда ҳар бир сўзнинг туркуми ва шу туркумга тегишли категориялари (феъл, от, сифатлар ва бошқалар) ҳақидаги маълумотлар теглар (ёрлиқлар) кўринишида корпусга қўшилади. Яна бир мисол, ҳар бир сўзнинг лемма (ўзак) шаклини кўрсатиш. Агар корпуснинг тили уни ишлатадиган тадқиқотчилар ишлайдиган тил бўлмаса, изоҳни икки тилли қилиш учун чизиқлараро нашрлаш қўлланади.
Баъзи корпуслар таҳлилнинг кейинги тизимланган (структураланган) даражаларига эга. Хусусан, бир қатор кичик корпуслар ҳам тўлиқ таҳлил жараёнини амалга ошириши мумкин. Бундай корпуслар одатда Треэбанкс ёки Парсед Cорпора деб аталадаи. Агар корпус тўлиқ тизимланган ва тўлиқ аннотацияланган бўлса, катта эҳтимол билан бу корпус кичик ҳажмга эга — 1-3 миллион атрофидаги сўздан иборат. Чунки корпусни тўлақонли таҳлил қилиб чиқиш, ҳамма аннотацияларни амалга ошириш жудаям қийин жараён ҳисобланади. Морфология, семантика ва прагматиканинг таҳлилларини ҳам ўз ичига олган корпус янада ривожланган ва сўнгги босқичга етиб келган корпус ҳисобланади.
Иловалар
Корпора корпус тилшунослигининг асосий билим ва маълумот омборидир. Корпус қуйидаги муҳим соҳаларда ҳам қўлланади:
- Тил технологияси, табиий тилни қайта ишлаш, компютер тилшунослиги
- Турли корпусларни қайта ишлаш ва таҳлил қилиш жараёни, шунингдек, компютер тилшунослиги, нутқни аниқлаш ва машина таржимасида ҳам кўплаб мавзуларни ўз ичига олади, бу ерда кўпинча нутқ ёрлиғи (нутқий теглаш) ва бошқа мақсадлар учун яширин Марков моделларини яратишда фойдаланилади. Корпус ва улардан олинган частоталар рўйхати тилни ўқитиш учун фойдалидир. Корпус чет тилида ёзиш ишларида ёрдам беришнинг бир тури сифатида қаралиши мумкин, чунки фойдаланувчининг она тилиси бўлмаган тилларнинг корпуслари асл матнлар орқали олинган контекстуал грамматик билимлар манбайидир. Улардан мақсадли фойдаланиб жумлаларни тузиш, матнларни шакллантиришда самарали фойдаланиш мумкин.[1]
- Машина таржимаси
- Ёнма-ён таққослаш учун махсус форматланган кўп тилли корпуслар тизимланган параллел корпус дейилади. Икки тилдаги матнларни ўз ичига олган параллел корпуснинг икки асосий тури мавжуд. Таржима корпуси - бир тилдаги матнлар бошқа тилга таржима қилинган матнлар корпуси. Таққосланадиган корпус - матнлар жанри ва таркибига кўра бир хил, аммо улар бир-бирларининг таржималари эмас.[2] Параллел матнлардан фойдаланиш учун матн сегментларини (иборалар, ёки жумлаларни) идентификациялаш ва матн турлари ва жанрларини ўзари мослаштириш, мувофиқлаштириш энг биринчи шартлардан ҳисобланади. Икки тил ўртасида Икки тил ўртасида таржима қилиш ишларини амалга ошириш учун машина таржимаси алгоритмлари кўпинча биринчи тил корпусининг элементли таржимаси бўлган биринчи тил корпуси ва иккинчи тил корпусидан ташкил топган параллел қисмлар ёрдамида амалга оширилади.[3]
- Филология
- Матн корпуси тарихий ҳужжатларни (тарихий матнларни) ўрганишда, масалан, қадимий ёзувларни очишда ёки котиблик фанида ҳам қўлланади. Баъзи археологик корпуслар қисқа муддат давомида яшаши мумкин, улар ўз вақтида суратга олишни таъминлайди. 15-30 йиллик Амарна ҳарфлари матнлари (мил . Авв . 1350), энг қисқа корпуслардан бири бўлиши мумкин. Қадимги шаҳарнинг корпуси (масалан, Туркиянинг „ Кüлтепе матнлари“), уларнинг топилган жой санаси бўйича сараланадиган бир нечта корпус орқали пайдо бўлиши мумкин.
Баъзи таниқли матн корпуслари
Шунингдек кўришингиз мумкин
- Конкорданс
- Корпус тилшунослиги
- Лингвистик маълумотлар консорсиуми
- Табиий тилни қайта ишлаш
- Табиий тиллар учун воситалар тўплами
- Матнни параллел равишда тизимлаш
- Қидирув тизимлари: улар „веб-корпус“ га киришади.
- Нутқ корпуси
- Таржима хотираси
- Дарахцимон тизим
- Зипф қонуни
Манбалар
- ↑ Ёон, Ҳ., & Ҳирвела, А. (2004). ЭСЛ Студент Аттитудес тоwард Cорпус Усе ин Л2 Wритинг (Wайбаcк Мачине сайтида 2016-04-02 санасида архивланган). Жоурнал оф Сеcонд Лангуаге Wритинг, 13(4), 257-283. Ретриэвед 21-март 2012-йил.
- ↑ Wоłк, К.; Марасек, К.. "А Сентенcе Меанинг Басед Алигнмент Метҳод фор Параллел Техт Cорпора Препаратион". Адванcес ин Интеллигент Сйстемс анд Cомпутинг (Спрингер) 275: 107–114. ИСБН 978-3-319-05950-1. ИССН 2194-5357.
- ↑ Wоłк, К.; Марасек, К. (2015). "Тунед анд ГПУ-аccелератед Параллел Дата Мининг фром Cомпарабле Cорпора". Леcтуре Нотес ин Артифиcиал Интеллигенcе (Спрингер): 32–40. ИСБН 978-3-319-24032-9.
Ҳаволалар
- АCЛ СИГЛЕХ манба ҳаволалари: Матн корпуслари (Wайбаcк Мачине сайтида 2013-08-13 санасида архивланган)
- Лингвистик корпусларни ривонлантириш: амалий ишлар учун қўлланма
- Бепул намуналар (бепул эмас), веб-корпус (ҳар бири 45-425 миллион сўз): Америка (CОCА, CОҲА, ТИМЕ), Британия (БНC), испан, португал
- Чарлз университетининг санъат факултетида ўқитиладиган тилларнинг синхрон параллел корпусларини яратишга қаратилган Интеркорп
- Скетч Энгине: бепул кириш имконияти ва фойдаланиш имкони бўлган очиқ корпус
- ТС Cорпус — академик тадқиқотлар олиб бориш учун мўлжалланган Турк Корпус.
- Туркия миллий корпуси — замонавий турк тилининг умумий корпуси (Wайбаcк Мачине сайтида 2015-04-02 санасида архивланган)
- Гонконг Баптистлар Университети Кутубхонаси (Wайбаcк Мачине сайтида 2018-12-15 санасида архивланган) томонидан тақдим этилган АҚШ, Гонконг, Тайван ва Хитойнинг нутқлари билан оммага таништириладиган сиёсий нутқлар корпуси. (Wайбаcк Мачине сайтида 2018-12-15 санасида архивланган)
- Россия миллий корпуси (Wайбаcк Мачине сайтида 2019-04-14 санасида архивланган)