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.

В Синтаксическом корпусе появилась возможность отбора подкорпуса по основным параметрам, таким как автор, название текста, дата его создания и год рождения автора, а также по жанрам и типам текстов и по дате разметки.

Следите за нашими новостями на сайте и в социальных сетях, в марте мы продолжим совершенствовать работу Синтаксического корпуса!

Современные технологии заметно упростили процесс создания и совершенствования работы Корпуса. Однако без человека все еще не обойтись. Например, сейчас нам нужна помощь в подготовке обучающего датасета для автоматической разметки тональности текстов в корпусе «Социальные сети».

Если вы хотите помогать делать Корпус лучше, вступайте в группу Друзья НейроКРЯ. Вы будете первыми узнавать о готовящихся проектах и сможете принимать в них участие.

Обратите внимание, что задания в группе предназначены для взрослой аудитории. Тексты для них собраны автоматически и не проверены вручную.

В корпусе «Русская классика» внедрена автоматическая разметка при помощи нейросетевых механизмов. Теперь в нем доступны те же поисковые и статистические инструменты, что в Основном, Газетном и других «передовых» корпусах: частотность, н-граммы, статистика по метапризнакам, скетчи в портрете слова, поиск по синтаксическим отношениям, сравнение подкорпусов по частотным словникам и многое другое. Кроме того, корпус «Русская классика» — единственный из корпусов НКРЯ, где репрезентативно представлены и стих, и письменная проза, и можно отбирать эти типы текста отдельно. Благодаря всему этому мы можем сравнить, о чем писали русские классики. Например, можно говорить о «‎человекоцентричности»‎ русской классической литературы (см. иллюстрацию), а также заметить, что о душе поэты (В. А. Жуковский, Е. А. Баратынский, М. Ю. Лермонтов), писали значительно чаще, чем прозаики (А. Н. Радищев, Н. В. Гоголь, И. С. Тургенев).

В марте была существенно улучшена работа Синтаксического корпуса. В СинТагРусе появились новые типы информации и поисковые поля. Начиная со Слова 2, можно задать кореферентную и темпоральную связь. В поле Дополнительные признаки теперь есть возможность искать эллидированные слова, т. е. такие слова, которые опущены (подвергнуты эллипсису) в предложении, но присутствуют в его синтаксической структуре.

Поиск по микросинтаксической разметке позволяет идентифицировать устойчивые выражения разных типов. Например, отобрав конструкции все равно 1, все равно 2 и все равно 3 пользователь может увидеть особенности значения этого многозначного оборота (‘по-любому’, ‘безразлично’ и ‘эквивалентно’, соответственно) и особенности его употребления (например, все равно 2 и 3 выступают в функции сказуемого, а все равно 1 — нет).

В выдаче теперь доступна сортировка по дате создания, дате рождения автора, дате разметки и случайная сортировка. По умолчанию результаты сортируются по дате разметки текстов.

В меню синтаксических отношений, лексических функций и морфологических признаков появились подсказки. По клику на кнопку (?) в соседнем окне откроется соответствующее описание в Руководстве пользователя.