Напомним, что две недели назад мы обновили обучающий корпус и дополнили его самыми современными инструментами.

Новостей было так много, что они не поместились в анонсы предыдущего релиза, поэтому сегодня мы продолжаем рассказывать про обновления.

Представляем вашему вниманию обновленную страницу "НКРЯ в школе". Здесь вы найдете полезную информацию об использовании НКРЯ на уроках русского языка и литературы и для самостоятельной работы в школе и дома.

Мы добавили раздел с методическими материалами, а также дополнили коллекцию упражнений, включив в нее олимпиадные задачки.

В Портрете слова в Обучающем корпусе появился виджет “Морфемный разбор”. В Основном корпусе НКРЯ морфемные разборы строятся на основе специально разработанного для корпуса словаря морфемного анализа. Такие разборы предназначены для исследователей и могут не совпадать с принятыми в школе.

В Обучающем корпусе реализована специальная версия виджета. Здесь морфемный состав слова определяется в соответствии с практикой морфемного анализа в средней школе и опирается на "Морфемно-орфографический словарь" А.Н. Тихонова (2002), содержащий около 100 тыс. лексем. Для слов, не входящих в словник словаря, морфемный состав не определяется. Подробнее о словообразовательной разметке в НКРЯ см. статью.

С декабря 2023 г. пользователям Корпуса доступны два способа регистрации и авторизации — непосредственно на сайте и с помощью Яндекс ID. Небольшая часть пользователей ранее регистрировалась в Корпусе через сторонний сервис ORCID.org. В связи с вступившими в силу изменениями в законодательстве Российской Федерации этот способ авторизации больше не доступен. Мы приносим свои извинения за доставленные неудобства пользователям, зарегистрировавшимся через ORCID.org. Пожалуйста, пройдите повторную регистрацию для доступа к расширенному функционалу НКРЯ.

Пополнены коллекции устной речи в Акцентологическом и Устном корпусах. Добавлены записи текстов устной научной и политической речи, теле- и радиопублицистики, устных монологов-воспоминаний, повседневной диалогической речи. Объем Устного корпуса составляет 14 млн словоупотреблений, общий объем Акцентологического корпуса, вместе с наивной поэзией - 134,8 млн словоупотреблений.

Параллельный корпус пополнился на 3 млн слов. Новые тексты появились в английской, испанской, немецкой, португальской, французской и чешской языковых парах. В частности, англо-русский корпус пополнился коллекцией расшифровок публичных лекций TED Talks, а португальско-русский вырос почти вдвое и теперь включает еще и тексты, созданные в португалоязычной Африке.

В корпусе Социальные сети автоматически размечены жанры для всего массива текстов. Пользователь может выбрать один или несколько жанров из списка. Выделено несколько новых жанров, например, подпись к фото.

С сегодняшнего дня задать подкорпус в корпусе Региональных СМИ можно, указав интервалы с точностью до дня. Например, можно исследовать употребление слова милиция.

Кроме того, в Региональном корпусе был усовершенствован вид выдачи График. Единицей измерения по умолчанию теперь является месяц. Переключаться между днями, месяцами и годами на графиках можно в выдаче, обзоре возможностей, сравнении запросов и портрете слова.

В творчестве Федора Ивановича Тютчева, 220-летие со дня рождения которого отмечается сегодня, особую роль играет космическая образность ― «душа хотела б быть звездой…», «над вами светила молчат в вышине…» Семантический поиск в поэтическом корпусе по тегу t:astr показывает упоминания космических объектов (в том числе Земли) в поэзии Тютчева в хронологическом порядке

В предстоящее воскресенье, 10 декабря, с 10:00 до 18:00 по московскому времени на наших серверах будут проводиться технические работы.

Из-за этого возможны кратковременные перебои в работе сайта https://ruscorpora.ru, которые продлятся не более 1 часа.

В преддверии Нового года мы хотим сделать подарок пользователям и пригласить вас в Музей Корпуса, реконструирующий интерфейс НКРЯ образца 2003 года!

Национальный корпус русского языка тогда включал 20 млн слов. Был доступен простой поиск (поиск форм) и расширенный (лексико-грамматический) поиск примеров по корпусу. В создании Национального корпуса русского языка принимала участие большая группа лингвистов из Москвы, Санкт-Петербурга и других научных центров России.

Одним из вдохновителей и создателей корпуса был Илья Сегалович (1964 — 2013), сооснователь и директор по технологиям Яндекса. Илья сам разработал первоначальный простой интерфейс Корпуса, при помощи которого теперь можно искать уже по современному составу Основного корпуса НКРЯ.

Мы решили воспользоваться новыми возможностями НКРЯ, чтобы предложить вам интригующую новогоднюю загадку.

Подсказка: такой график можно получить с помощью функционала «Сравнение запросов», а как настраивать изображение, можно узнать из статьи «Графики» в руководстве пользователя.

Панхронический корпус теперь учитывает недавние пополнения входящих в него корпусов — Древнерусского и Корпуса берестяных грамот. В него входят и все надписи из нового корпуса «Восточнославянская эпиграфика». Улучшена лемматизация старорусских текстов в составе Панхронического корпуса (около 3000 новых лексем). Исправлены и дополнены новыми данными таблица соответствия лемм и грамматических признаков разных эпох. Теперь эти соответствия учитывают части речи (например, у современного глагола, но не существительного, напасть указана древняя форма напасти). Кроме того, в составе Панхронического корпуса можно задавать подкорпус по жанровой категории текста – литературный текст, церковный, бытовой, деловой или учебный (у одного текста может быть несколько категорий). Это важно для изучения эволюции лексики и грамматических параметров, которые сильно зависят от жанра.

Региональный корпус пополнен до 35,5 млн словоупотреблений. В него включены тексты 5 новых газет и большая коллекция СМИ Воронежской области, подготовленная сотрудниками Воронежского государственного университета. В текстах пополнения снята грамматическая омонимия и внесена синтаксическая разметка. Ключевые слова к текстам сгенерированы с помощью языковой модели НейроКРЯ.

В Поэтическом корпусе теперь более ста тысяч текстов – стихотворений, поэм и их фрагментов; объем корпуса вырос на полмиллиона слов и приблизился к 14 млн. В корпус добавлены произведения десяти поэтов. Это три тома стихотворных сочинений Самуила Маршака (включая переводы), собрания стихов Булата Окуджавы, Инны Лиснянской, Юрия Кублановского, Тимура Кибирова и других.

Синтаксический корпус теперь доступен в новом интерфейсе!

Пользователям доступны поиск точных форм и лексико-грамматический поиск по корпусу. В форме лексико-грамматического поиска появилось составное поле «Синтаксическое отношение», в котором пользователь может задать, с каким словом связано текущее слово, выбрать его роль (зависит/управляет) и тип связи. В составном поле «Лексическая функция» пользователь может задать, с каким словом и какой лексической функцией связано текущее слово, выбрать роль в связи (аргумент/значение) и служебное слово. Например, задав в качестве первого слова в лексико-грамматическом поиске лемму вести, а во втором слове выбрав лексическую функцию OPER1 в роли аргумента, вы увидите, что можно вести (прием, переговоры, кампанию, дневник).

В корпусе доступны два вида выдачи - конкорданс и KWIC. По клику на значок «Показать структуру» или «Показать структуру с разделенными оборотами» пользователь может ознакомиться с синтаксической структурой предложения в виде дерева зависимостей.

Морфологическая и синтаксическая разметка Синтаксического корпуса несколько отличается от основного морфологического и синтаксического стандарта НКРЯ. Подробнее ознакомиться с типами разметки можно в Портрете корпуса и разделе Виды разметки.

Синтаксический корпус также был пополнен на 28 тыс. словоупотреблений.

Все результаты интеллектуальной деятельности, используемые в Корпусе, доступны только для некоммерческого использования в научно-исследовательских и учебных целях. Однако некоторые пользователи, скачивая результаты выдачи, пытаются собрать весь Корпус, а не использовать его как источник примеров языковых явлений.

Мы хотим ограничить возможность неправомерного использования Корпуса, поэтому изменили некоторые правила. Теперь неавторизованные пользователи могут скачать не более 1000 примеров. 

Если вы хотите выгружать больше примеров, вам нужно авторизоваться в Корпусе. Для авторизованных пользователей лимит остался прежним.

Также напоминаем, что есть возможность получить офлайновую версию Основного и Синтаксического корпусов, а также мультиязычный и диахронические датасеты. Подробнее о том, как это сделать, читайте в статье Скачиваемые корпуса.

Приглашаем на семинар «НейроКРЯ: как и зачем НКРЯ интегрирует ML-инструменты»

9 января в 17:00 (время московское) Дмитрий Морозов, технический директор Национального корпуса русского языка, расскажет, как инструменты машинного обучения помогают размечать тексты и слова и расширять поисковые возможности Корпуса.

Семинар организован Лабораторией естественного языка ВШЭ-Яндекс.

Сохраняйте ссылку для подключения к семинару.

По традиции в последний рабочий день уходящего года команда НКРЯ подводит итоги и вспоминает о том, что нового появилось в Корпусе.

В 2023 году нового у нас было много: новый сервис «Портрет слова», новые модели автоматической разметки НейроКРЯ, новый интерфейс, полностью заменивший старый, новые корпуса и новые инструменты для анализа и визуализации.

Мы надеемся, что на этой картинке каждый найдет для себя инструменты, которые сделают вашу работу с Корпусом ещё более продуктивной и приятной. Пусть Новый год принесёт вам множество интересных находок и открытий!

С наилучшими пожеланиями в Новом Году,
команда Национального корпуса русского языка

Приглашаем на Виноградовские чтения!

25 января в Институте русского языка им. В. В. Виноградова РАН пройдут 55-е Виноградовские чтения.

Академик РАН, заместитель директора ИРЯ Владимир Плунгян и менеджер Национального корпуса русского языка, старший научный сотрудник Отдела экспериментальной лексикографии ИРЯ Анастасия Козеренко расскажут, как меняется Корпус.

Мероприятия начнутся 25 января в 14.00 по московскому времени. На сайте Института можно ознакомиться с подробной программой. Принять участие в Чтениях можно очно или дистанционно. Ссылка для подключения будет разослана дополнительно.

Мерзкий мороз – это тавтология?

Портрет слова – полезный инструмент для тех, кто хочет получить разнообразную информацию о слове. Например, виджет Однокоренные слова позволяет найти интересные связи между словами.

В праславянском языке корни слов, соответствующих современным ‎мороз‎ и мёрзнуть‎, были связаны чередованием гласных (так же, как и, допустим, ‎воротить и вертеть). Слово мерзкий исторически образовано от того же корня, что и мёрзнуть. Связь значений ‘холод’ и ‘отрицательные эмоции’ – не редкость в языках мира, например, слово стыд связано со словами стынуть, стужа, простуда.

Если посмотреть на родственные слова в других языках, то можно увидеть, что болгары называют мороз мраз, чехи – mráz, а поляки – mróz.

Напоминаем, что уже завтра, 25 января, в Институте русского языка им. В.В. Виноградова состоятся 55-е Виноградовские чтения.

Мероприятие начнется в 14.00 по московскому времени. Подключайтесь по ссылке, чтобы узнать об изменениях, произошедших в Корпусе в 2023 году, а также планах развития, которые сделают работу с Корпусом еще более продуктивной и приятной.

В форме лексико-грамматического поиска в Основном и Региональном корпусах появилась возможность задавать синтаксические параметры слова.

Пользователь может указать синтаксические свойства слова, а также выбрать роль и направление связи между любыми двумя словами в поле «Синтаксическое отношение». Поле «Синтаксическое отношение» доступно в лексико-грамматическом поиске начиная со второго слова. Чтобы его увидеть, нажмите «добавить условие». Новый функционал, например, позволит определить, студенты каких учебных заведений чаще всего упоминаются в Основном корпусе.

Важно понимать, что синтаксическая разметка представлена в Национальном корпусе русского языка в двух различных форматах — в формате CинТагРус, используемом в Синтаксическом корпусе, и в формате Универсальных зависимостей, используемом в Основном, Региональном и Обучающем корпусах. При переходе между корпусами с разными форматами синтаксической разметки синтаксические связи в составе поискового запроса не сохраняются.

Подробнее ознакомиться с синтаксической разметкой в Корпусе можно в разделе «Синтаксическая разметка».

Как использовать Национальный корпус русского языка в преподавательской практике

7 февраля Екатерина Рахилина, руководитель Школы лингвистики НИУ ВШЭ, доктор филологических наук, профессор, расскажет, как Национальный корпус русского языка может использоваться на уроках русского языка и литературы. Участники семинара узнают, как на основе материалов Корпуса составлять задания любого уровня сложности, проводить исследования с учащимися и готовить школьников к исследовательским конкурсам.

К участию в семинаре приглашаются учителя русского языка и литературы образовательных организаций общего и дополнительного образования Московской области. Семинар пройдет очно 7 февраля с 12:30 до 18:00 в Гимназии Примакова.

Желающим принять участие необходимо зарегистрироваться до 23.00 4 февраля. Участие бесплатное, однако количество мест ограничено!