Corpus

Corpus — это многозначный термин, происходящий от латинского слова corpus («тело», «целое»), используемый в различных областях знаний для обозначения целостной совокупности объектов, объединённых общим признаком, или основной части какого-либо объекта. Наиболее часто термин применяется в лингвистике (корпус текстов), анатомии (тело органа), музыке (корпус инструмента) и юриспруденции (свод законов).

Лингвистика и филология

В лингвистике корпус (или лингвистический корпус) — это структурированное собрание текстов на определённом языке (или группе языков), представленное в электронном виде и снабжённое лингвистической разметкой. Корпуса служат основой для эмпирических исследований языка, анализа словоупотребления, грамматических конструкций и исторических изменений.

Типы корпусов

Лингвистические корпуса классифицируются по нескольким параметрам:

• По объёму и репрезентативности: сбалансированные (включают тексты разных жанров и периодов в пропорциях, отражающих реальное функционирование языка) и мониторные (постоянно пополняемые, предназначенные для отслеживания изменений).
• По языку: одноязычные (например, Национальный корпус русского языка) и параллельные (содержат тексты на двух и более языках с выровненным переводом, используются в переводоведении).
• По типу текстов: письменные, устные (транскрипции речи), мультимодальные (включающие аудио- и видеозаписи).
• По разметке: морфологически размеченные (с указанием частей речи и грамматических форм), синтаксически размеченные (деревья зависимостей), семантически размеченные (с тегами значений).

Примеры крупных корпусов

• Национальный корпус русского языка (НКРЯ) — крупнейший представительный корпус русского языка, созданный в Институте русского языка им. В. В. Виноградова РАН. Содержит более 600 млн словоупотреблений, включает тексты от XVIII века до современности, а также диалектные и поэтические подкорпусы.
• British National Corpus (BNC) — корпус британского английского языка объёмом 100 млн слов, созданный в 1990-х годах. Является эталонным для лингвистических исследований.
• Corpus of Contemporary American English (COCA) — мониторный корпус американского английского, насчитывающий более 1 млрд слов, ежегодно пополняется новыми текстами.

Применение в лингвистике

Корпусная лингвистика используется для:

• составления словарей (лексикография) — выявление реальных значений слов и их частотности;
• изучения грамматики — анализ конструкций, которые не встречаются в интуитивных примерах;
• анализа дискурса — исследование закономерностей употребления языка в разных социальных контекстах;
• автоматической обработки текстов (NLP) — обучение моделей машинного перевода, распознавания речи и генерации текста.

Анатомия и медицина

В анатомии corpus (лат. «тело») обозначает основную, центральную часть органа или структуры, в отличие от его головки, шейки или хвоста. Термин широко используется в латинской номенклатуре анатомических структур.

Примеры анатомических структур

• Corpus callosum (мозолистое тело) — крупный пучок нервных волокон, соединяющий правое и левое полушария головного мозга. Обеспечивает межполушарное взаимодействие и координацию.
• Corpus uteri (тело матки) — средняя часть матки, расположенная между шейкой и дном. В ней происходит имплантация оплодотворённой яйцеклетки и развитие плода.
• Corpus linguae (тело языка) — передние две трети языка, подвижная часть, участвующая в артикуляции и вкусовом восприятии.
• Corpus spongiosum (губчатое тело) — структура полового члена, окружающая мочеиспускательный канал, участвующая в эрекции.

В клинической практике термин «corpus» используется для обозначения патологических образований, например, corpus alienum (инородное тело) или corpus luteum (жёлтое тело) — временная эндокринная железа в яичнике, образующаяся после овуляции.

Музыка

В музыкальном инструментоведении корпус — это резонаторная часть музыкального инструмента, которая усиливает и окрашивает звук, создаваемый источником колебаний (струной, мембраной, язычком). Корпус является ключевым элементом, определяющим тембр и громкость инструмента.

Типы корпусов

• Струнные инструменты: у скрипок, альтов, виолончелей и гитар корпус имеет характерную форму с изгибами (эфы), обеспечивающую акустический резонанс. Дека (верхняя часть корпуса) изготавливается из специальных пород дерева (ель, клён).
• Ударные инструменты: у барабанов корпус (обечайка) выполняется из дерева, металла или пластика. Его толщина, диаметр и материал влияют на атаку и сустейн звука.
• Духовые инструменты: у флейт, кларнетов и саксофонов корпус представляет собой трубку с отверстиями, форма и длина которой определяют высоту звука. Материал корпуса (дерево, металл, пластик) влияет на тембр.

В фортепиано корпус — это массивный деревянный ящик, в котором натянуты струны и закреплена дека. Его конструкция и материал (обычно массив ели или резонансной сосны) критически важны для качества звука.

Юриспруденция

В правовой сфере термин corpus используется в латинских юридических выражениях:

• Corpus delicti (состав преступления) — совокупность объективных и субъективных признаков, характеризующих общественно опасное деяние как конкретное преступление. Включает объект, объективную сторону, субъект и субъективную сторону.
• Corpus juris (свод законов) — систематизированное собрание правовых норм, например, Corpus Juris Civilis (Свод гражданского права) — кодификация римского права, осуществлённая в VI веке при императоре Юстиниане I. Этот свод лёг в основу романо-германской правовой системы.
• Habeas corpus (букв. «ты имеешь тело») — судебный приказ, требующий доставки задержанного лица в суд для проверки законности заключения. Принцип, восходящий к английскому Habeas Corpus Act 1679 года, является фундаментальной гарантией против произвольного ареста.

Компьютерные науки и информатика

В информатике корпус (текстовый корпус) — это структурированная коллекция текстовых данных, используемая для обучения и тестирования алгоритмов машинного обучения, особенно в области обработки естественного языка (NLP). Корпуса могут быть размечены для задач классификации текстов, распознавания именованных сущностей, анализа тональности и машинного перевода.

Крупные корпуса, такие как Common Crawl (содержит миллиарды веб-страниц) или Wikipedia Corpus, служат основой для обучения языковых моделей (например, GPT, BERT). Качество и репрезентативность корпуса напрямую влияют на точность и устойчивость моделей.

Прочие значения

• В биологии: corpus может обозначать тело организма (например, corpus adiposum — жировое тело у насекомых) или специализированную структуру (например, corpus pineale — шишковидное тело).
• В издательском деле: корпус текста — основной массив текста книги, без заголовков, сносок и иллюстраций.
• В архитектуре: корпус здания — основная часть сооружения, в отличие от пристроек, башен или куполов.

Источники

1. Национальный корпус русского языка. Официальный сайт.
2. McEnery, T., & Hardie, A. (2012). Corpus Linguistics: Method, Theory and Practice. Cambridge University Press.
3. Синельников Р. Д., Синельников Я. Р. (1996). Атлас анатомии человека. Том 1–4.
4. Corpus Juris Civilis. Издание под редакцией Т. Моммзена.
5. Habeas Corpus Act 1679. Текст закона.
6. Бенвенист Э. (1974). Общая лингвистика. Прогресс.