Bank of English

Bank of English — это крупнейший в мире корпус современного английского языка, представляющий собой структурированное собрание текстов (письменных и устных), предназначенное для лингвистических исследований, лексикографии и изучения языка. Корпус создан и поддерживается издательством HarperCollins в сотрудничестве с Университетом Бирмингема (Великобритания). Bank of English служит эмпирической базой для составления словарей Collins COBUILD и других справочных изданий.

История создания

Проект Bank of English был запущен в начале 1990-х годов как развитие инициативы COBUILD (Collins Birmingham University International Language Database), начатой в 1980 году. Первоначально корпус создавался для нужд лексикографов, работающих над словарём Collins COBUILD English Language Dictionary (первое издание вышло в 1987 году). Основной целью было собрать репрезентативную выборку реального употребления английского языка в различных контекстах — от газет и романов до телефонных разговоров и радиопередач.

К 1991 году объём корпуса составлял около 20 миллионов слов. К середине 1990-х годов он вырос до 200 миллионов слов, а к началу 2000-х — до 450 миллионов. На пике развития, в 2005 году, Bank of English содержал около 650 миллионов словоупотреблений, что делало его одним из крупнейших корпусов английского языка в мире (наряду с Британским национальным корпусом и Корпусом современного американского английского языка).

Структура и состав

Bank of English представляет собой сбалансированный корпус, включающий тексты различных жанров, стилей и регистров. Состав корпуса делится на две основные категории:

Письменные тексты

• Книги: художественная литература (романы, рассказы, поэзия), научно-популярная литература, учебники, справочники.
• Периодика: газеты (The Times, The Guardian, The Sun, The Daily Mail и др.), журналы (The Economist, New Scientist, Cosmopolitan и др.).
• Электронные тексты: веб-страницы, блоги, форумы, электронные письма.
• Официальные документы: отчёты, законы, инструкции, рекламные материалы.

Устные тексты

• Транскрипции разговоров: записи повседневного общения (семейные беседы, разговоры с друзьями, коллегами).
• Радио- и телепередачи: новости, ток-шоу, интервью, спортивные комментарии.
• Публичные выступления: лекции, речи, презентации.
• Телефонные разговоры: записи деловых и личных звонков (с согласия участников).

Корпус охватывает преимущественно британский вариант английского языка, но включает также значительный объём текстов на американском, австралийском, канадском и других региональных вариантах. Тексты датируются периодом с 1960-х годов по настоящее время, с постоянным пополнением новыми материалами.

Технические характеристики

Bank of English использует систему лингвистической разметки (аннотации), включающую:

• Морфологическую разметку: часть речи, грамматические категории (число, падеж, время, залог).
• Лемматизацию: приведение словоформ к начальной форме (лемме).
• Синтаксическую разметку: структура предложений, синтаксические связи.
• Семантическую разметку: тематические категории, оценочная лексика.

Для поиска и анализа данных используется программное обеспечение, разработанное в Университете Бирмингема. Оно позволяет:

• Выполнять поиск по точным словоформам и леммам.
• Строить конкордансы (списки контекстов употребления слова).
• Анализировать коллокации (типичные сочетания слов).
• Выявлять частотные паттерны и грамматические конструкции.
• Сравнивать употребление слов в разных жанрах и регистрах.

Применение

Лексикография

Bank of English является основным источником данных для словарей серии Collins COBUILD. Лексикографы используют корпус для:

• Определения значений слов на основе реального употребления.
• Выявления новых слов и значений (неологизмов).
• Расстановки значений по частоте употребления.
• Подбора примеров из реальных текстов.
• Анализа грамматических особенностей слов.

Лингвистические исследования

Корпус используется для изучения:

• Грамматики английского языка (реальные конструкции, отклонения от нормы).
• Лексической семантики (полисемия, синонимия, антонимия).
• Дискурсивных маркеров и прагматики.
• Социолингвистических вариаций (возрастные, гендерные, региональные различия).
• Исторических изменений в языке (диахронический анализ).

Образование и преподавание

На основе данных Bank of English разрабатываются учебные материалы, в том числе:

• Словари для изучающих английский язык (COBUILD Advanced Learner’s Dictionary).
• Грамматические справочники (Collins COBUILD English Grammar).
• Учебные пособия по лексике и грамматике.
• Программы для автоматического анализа текстов.

Коммерческое использование

Корпус применяется в разработке систем автоматической обработки текста, машинного перевода, распознавания речи и анализа тональности. Данные Bank of English используются компаниями, занимающимися разработкой языковых моделей и интеллектуальных ассистентов.

Критика и ограничения

Несмотря на масштаб, Bank of English имеет ряд ограничений:

• Неравномерность охвата: устная речь составляет лишь около 10% корпуса, что может искажать представление о реальном соотношении письменной и устной речи.
• Региональный дисбаланс: преобладание британского варианта английского языка может ограничивать репрезентативность для других регионов.
• Проблемы с конфиденциальностью: использование записей телефонных разговоров и личных бесед вызывает этические вопросы, хотя все записи производятся с согласия участников.
• Устаревание данных: корпус постоянно пополняется, но старые тексты могут не отражать современные языковые тенденции.
• Доступность: полный доступ к корпусу ограничен и предоставляется в основном академическим учреждениям и издательству HarperCollins.

Сравнение с другими корпусами

Bank of English отличается от других крупных корпусов английского языка:

• Британский национальный корпус (BNC): содержит 100 миллионов слов, сбалансирован по жанрам, но не обновляется с 1990-х годов.
• Корпус современного американского английского (COCA): содержит более 1 миллиарда слов, регулярно обновляется, ориентирован на американский вариант.
• Корпус глобального английского (GloWbE): содержит 1,9 миллиарда слов из 20 стран, но не включает устную речь.
• Корпус исторического английского (HC): охватывает тексты с 1000 года до наших дней, но имеет меньший объём.

Bank of English выделяется акцентом на устную речь и регулярным пополнением, что делает его ценным для изучения живого языка.

Современное состояние

По состоянию на 2020-е годы Bank of English продолжает развиваться. Издательство HarperCollins и Университет Бирмингема регулярно добавляют новые тексты, включая материалы из социальных сетей, блогов и форумов. Объём корпуса превышает 650 миллионов слов, и он остаётся одним из ключевых инструментов для лексикографических исследований в области английского языка. В 2023 году корпус был интегрирован с платформой Collins Dictionary Online, что позволило пользователям получать доступ к данным в режиме реального времени.

Источники

• Collins COBUILD English Language Dictionary (1987, 1995, 2006, 2018)
• Sinclair, J. (1991). Corpus, Concordance, Collocation. Oxford University Press.
• Hunston, S. (2002). Corpora in Applied Linguistics. Cambridge University Press.
• McEnery, T., & Hardie, A. (2012). Corpus Linguistics: Method, Theory and Practice. Cambridge University Press.
• Официальный сайт Collins Dictionary — раздел COBUILD
• Университет Бирмингема — исследовательский проект COBUILD