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!

Сегодня отмечается 300-летие Российской академии наук и День российской науки.

Поздравляем всех сотрудников ИРЯ, ИППИ и других институтов РАН, независимых исследователей, студентов, аспирантов и волонтёров – всех, кто ежедневно вносит свой вклад в развитие НКРЯ и просто использует корпус в своей работе.

Желаем вам, чтобы работа давалась легко и приносила много интересных результатов и ярких открытий!

В портрете Основного и Регионального корпусов появилась диахроническая статистика. Новый функционал позволяет представить распределение объема и состава текстов корпуса по времени создания. В Региональном корпусе дополнительно можно увидеть распределение объема текстов корпуса во времени по странам и регионам.

Чтобы увидеть графики диахронической статистики, нужно нажать на кнопку (i) в шапке корпуса, выбрать раздел Статистика и перейти во вкладку Распределение по времени.

Вы можете выбрать уровень детализации, задать диапазон дат и сглаживание. Эти параметры являются общими для всех графиков на странице, при изменении их значений будут перестраиваться все графики и таблицы.

Корпус «Русская классика» пополнен более чем на 1 млн словоформ. В него добавлены полные собрания сочинений А. Н. Радищева и И. А. Крылова, а также некоторые произведения уже представленных в нем авторов, пропущенные в предыдущем релизе корпуса. В корпусе можно строить графики, сравнивать запросы и отбирать подкорпус по жанру. Поисковую выдачу теперь можно сортировать по дате создания и по автору и жанру.

На сайте НКРЯ появился раздел с видеоинструкциями по работе с корпусом. Несколько роликов посвящены поиску коллокаций в корпусе.

Коллокациями называют сочетания слов, которые встречаются в языке чаще, чем случайно. Благодаря поиску коллокаций в корпусе можно узнать, что влюбленных юношей больше, чем девушек, а влюбляются безумно чаще, чем безнадежно.

Смотрите наши видеоролики, чтобы узнать больше о поиске коллокаций и найти другие интересные закономерности.

Недавно в Основном и Региональном корпусе появилась возможность задавать синтаксические параметры слова. Поиск по синтаксическим отношениям был бы невозможен без специальной разметки.

У тех, кто не знаком с терминологией корпусной лингвистики, возникает вопрос — что такое разметка и для чего она нужна?

Разметка — это процесс приписывания текстам и их компонентам специальной информации; результат такого процесса тоже можно назвать ‎разметкой. Например, у слова может быть указано, что это форма дательного падежа или что у него есть суффикс оньк‎; у словосочетания — что это группа из подлежащего и сказуемого; у текста — что это интервью или роман.

Разметка позволяет уточнять детали поиска по корпусу и сравнивать тексты по различным параметрам. Чем богаче и разнообразнее разметка корпуса, тем большую научную и учебную ценность он представляет. Например, благодаря синтаксической разметке можно узнать, что чаще всего делают с предложением.

Если вас заинтересовало, как устроена разметка в НКРЯ, на нашем сайте можно узнать больше о ее основных типах.

29 февраля бывает раз в 4 года. А работа над Национальным корпусом русского языка ведется каждый день! Сегодня мы хотим напомнить вам о нашем сервисе «Портрет слова».

«‎Портрет слова»‎ в НКРЯ помогает пользователям узнать разную информацию о слове, сделав всего один запрос. С его помощью можно выяснить:

- как слово взаимодействует с другими словами
- как часто слово встречается в текстах в выбранном корпусе
- какие есть однокоренные и похожие слова
- когда слово впервые встречается в текстах корпуса

Например, самое раннее употребление слова февраль в корпусе относится ко второй половине XI в., и чаще всего этот месяц бывает вьюжным.

В разных корпусах получаются разные портреты слова. Смотрите видеоинструкцию, составляйте портреты и узнавайте другие увлекательные факты о словах русского языка.

В феврале мы существенно усовершенствовали Газетный корпус.

Корпус пополнен более чем на 49,6 млн словоформ. В него добавлены периодические издания 1990-х годов («Независимая газета», в том числе еженедельные приложения, «Московский комсомолец», «Санкт-Петербургские ведомости»).

Во всех текстах корпуса автоматически снята грамматическая омонимия и добавлена разметка синтаксических связей (напомним, что поле запроса появляется начиная со второго слова после нажатия ссылки «добавить условие»). Это делает доступными в Газетном корпусе центральных СМИ те новейшие функции, которые уже есть в меньших по объему Основном корпусе и Корпусе региональных СМИ: поиск по синтаксическим отношениям и свойствам, поиск коллокаций, частотный словарь, частотность выдачи.

Газетный корпус НКРЯ — теперь самый объемный в мире онлайн-корпус русского языка с возможностью поиска по синтаксическим связям!

В форме подкорпуса появилась возможность отбирать тексты по тематике и типу. Для разметки этих полей использована модель RuRoBERTa, дообученная на данных Регионального корпуса. Поля в форме подкорпуса и информации о тексте, значения которых сгенерированы НейроКРЯ, помечены специальным значком. При автоматической разметке возможны ошибки. Во всплывающем окне информации о тексте есть кнопка «Сообщить об ошибке». Сообщайте нам о всех неточностях и ошибках в определении тематики и типов.