Открыть сервисСервис

НКРЯ — Национальный корпус русского языка

Национальный корпус русского языка (НКРЯ) — крупнейшее электронное собрание текстов на русском языке, созданное для лингвистических исследований, обучения и разработки языковых технологий. Корпус представляет собой размеченный массив текстов, в котором каждое слово снабжено грамматическими, лексическими и иными пометами, что позволяет проводить поиск по множеству параметров. НКРЯ относится к классу национальных корпусов — представительных ресурсов, отражающих состояние языка в определённый исторический период.

История создания

Работа над корпусом началась в 2001 году в Институте русского языка имени В. В. Виноградова РАН при участии специалистов из других научных и образовательных учреждений. Руководителем проекта выступил лингвист В. А. Плунгян. Первая версия корпуса была открыта для публичного доступа в 2004 году. С тех пор ресурс непрерывно пополняется и технически совершенствуется.

С 2005 года корпус доступен через веб-интерфейс, что сделало его массовым инструментом для исследователей, преподавателей и студентов. Развитие НКРЯ поддерживается за счёт грантов и программ государственной поддержки науки.

Структура и состав

Корпус разделён на несколько подкорпусов, каждый из которых решает собственные задачи.

Основной корпус

Основной корпус включает прозаические и публицистические тексты, сбалансированные по жанрам, авторам и временным периодам. Хронологический охват — от середины XVIII века до современности. Значительная часть текстов относится к XIX–XXI векам.

Специализированные подкорпуса

  • Обучающий корпус — тексты школьных учебников и сочинений, размеченные с учётом ошибок учащихся.
  • Диалектный корпус — записи диалектной речи, отражающие региональные особенности.
  • Поэтический корпус — стихотворные тексты с разметкой метра и рифмы.
  • Корпус устной речи — расшифровки спонтанных разговоров и публичных выступлений.
  • Параллельные корпусы — собрания переводов, позволяющие сопоставлять русский язык с английским, немецким, французским и другими.
  • Исторические корпусы — тексты старорусского и церковнославянского периодов.

Разметка

Ключевая особенность НКРЯ — многоуровневая разметка. Каждому слову присваивается набор тегов:

Тип разметкиСодержание
Морфологическаячасть речи, падеж, число, род, время
Лексическаялемма (начальная форма)
Синтаксическаясвязи между словами в предложении
Семантическаязначения и роли
Метатекстоваяавтор, дата, жанр, источник

Морфологическая разметка выполнена автоматически с последующей ручной проверкой, что обеспечивает высокую точность. Синтаксическая разметка охватывает не все тексты, но её доля постепенно растёт.

Функции поиска

Пользователь может искать слово по точной форме, лемме или набору грамматических признаков. Доступны запросы с учётом расстояния между словами, поиск по нескольким параметрам одновременно, а также фильтрация по автору, году, жанру. Результаты выдаются в виде конкорданса — списка употреблений с контекстом. Это позволяет изучать сочетаемость, частотность и изменение значений слов во времени.

Значение и применение

НКРЯ используется в нескольких областях:

  • Научные исследования — изучение грамматики, семантики, исторических изменений языка.
  • Лексикография — составление и уточнение словарей, включая частотные и сочетаемостные.
  • Образование — преподавание русского языка, в том числе как иностранного.
  • Компьютерная лингвистика — обучение моделей машинного перевода, распознавания речи, анализа текста.
  • Криминалистика и экспертиза — установление авторства и анализ текстов.

Корпус стал образцом для создания аналогичных ресурсов для других языков народов России и стран СНГ.

Ограничения

Несмотря на масштаб, НКРЯ не является исчерпывающим отражением языка. Состав текстов смещён в сторону письменной книжной речи; устная и разговорная речь представлены меньше. Разметка отдельных подкорпусов неполна. Доступ к некоторым материалам ограничен авторскими правами. Кроме того, корпус отражает преимущественно литературный язык, а не всё многообразие его вариантов.

Доступ

Корпус доступен бесплатно через официальный сайт. Регистрация не требуется для базового поиска. Существуют программные интерфейсы (API) для автоматизированной обработки данных, что удобно для исследовательских групп и разработчиков.

Источники: материалы Института русского языка имени В. В. Виноградова РАН, публикации В. А. Плунгяна, официальный портал Национального корпуса русского языка, учебные пособия по корпусной лингвистике.

Заметили ошибку или не согласны с информацией в статье? Напишите нам support@bfometr.ru