Цели создания БОКРа

С точки зрения корпусной лингвистики русским язык является одним из немногих мировых языков, не имеющих представительного корпуса, отражающего современное состояние и использование языка. Вместе с тем необходимость в создании такого корпуса ясно осознается в лингвистическом сообществе в России и за ее пределами.

В связи с тем, что изобилие текстов представлено в электронной форме и находится в свободном доступе в Интернете, самым большим корпусом можно считать сам Интернет, а средствами доступа к этому корпусу являются поисковые машины, например, Яндекс для русского языка. С другой стороны, тексты, выложенные на Интернет, хаотичны, и их набор в значительной степени предопределен социологически специфичной частью носителей русского языка. Лингвистически интересный запрос часто сложно или невозможно сформулировать с помощью языка запросов поисковой машины. Например, если нас интересует критика чего бывает в русском языке, мы не можем задать вопрос на поиск всех существительных в родительном падеже, следующих за словом критика, которая, помимо всего прочего, омонимична слову критик. Наконец, по результатам поиска нельзя оценить представительность выборки: какие тексты не были выложены на Интернет, какой процент полученная выборка занимает в общем объеме поискового материала, что не было найдено данной поисковой машиной и т.д.

Целью данной работы является создание представительного корпуса русского языка, подобного Британскому Национальному Корпусу (БНК). Корпус объемом примерно в 100 млн слов должен обеспечить пропорциональное покрытие всех основных речевых жанров, что позволит получать статистически достоверную об использовании слов и грамматических конструкций в современном русском языке.

Создан 27/12/02 С.А.Шаровым, s.sharoffleeds.ac.uk