Лингвистический материал это что

Лингвистический материал

Усвоению подлежат следующие разделы:

—фонетика. Особенности английской артикуляции по сравнению с артикуляцией других языков. Понятие артикуляционного уклада. Понятие о нормативном литературном произношении. Система гласных и согласных звуков. Долгие и краткие гласные звуки. Словесное ударение (ударные гласные полнозначных слов и редукция гласных звуков). Одноударные и двуударные слова. Ритмика (ударные и неударные слова в потоке речи). Транскрипция ударных звуков как средство выражения ритмики. Интонация стилистически нейтральной речи (повествование, вопрос);

—грамматика. Множественное число существительных. Притяжательный падеж существительных. Артикль (основные правила употребления). Местоимения (личные, притяжательные, указательные, неопределенные). Числительные количественные, порядковые, дробные. Степени сравнения прилагательных и наречий. Оборот there is/are. Система времен английского глагола: Present, Past, Future (Simple, Continuous, Perfect, Perfect Continuous). Неправильные глаголы. Согласование времен. Пассивный залог. Модальные глаголы: can, may, must, have to, should. Аффиксация. Продуктивные суффиксы имен прилагательных, глаголов, наречий. Фразовые глаголы. Употребление инфинитива для выражения цели. Структура простого предложения. Структура безличного предложения. Отрицание. Образование вопросов. Придаточные предложения времени и условия. Прямая и косвенная речь;

-лексика и фразеология. Стилистически нейтральная наиболее употребительная лексика, относящаяся к общему языку и отражающая раннюю специализацию (базовая терминологическая лексика специальности).

Сочетаемость слов. «Неидиоматическая» (логическая) сочетаемость слов. Устойчивые выражения: наиболее распространенные разговорные формулы-клише (обращение, приветствие, благодарность, извинение и т. п.).

Основные двуязычные словари (организация материала в двуязычном словаре, структура словарной статьи). Многозначность слова. Синонимические ряды. Прямое и переносное значение слов. Слово в свободных и фразеологических сочетаниях.

Источник

Что изучает лингвистика?

Лингвистика как отдельная наука

Слово «лингвистика» можно перевести на русский язык как «языкознание». В корне латинского слова есть lingua, то есть язык. Этот термин в схожем звучании есть во многих других языках. Например, английском (Linguistics), испанском (Linguistica), французском (Linguistique) и означает то же самое.

Лингвистика это наука о языке в целом как об основном средстве коммуникации между людьми. Задача лингвиста не только выучить язык, но, главное, объяснить принципы его устройства, выявить как его особенности: произношение, грамматика, алфавит влияют на людей и общество, которые на нем говорят.

В языкознании используются несколько методов исследования :

Внутренняя структура лингвистики

Лингвистика довольно сложная наука. Она включает в себя несколько направлений. Мы приведем самую распространенную классификацию лингвистики :

Эта отрасль предполагает выявление и изучение закономерностей, которые характеризуют язык. Например, путем наблюдения или статистики лингвист выясняет, что в русском языке в слове «договор» ударение нужно ставить на третью гласную «о». На основе этой простой закономерности лингвист формулирует правило: во множественном числе нужно писать «договоры», потому что смещение ударения на последнюю гласную в слове «договора» может нарушать законы языка.

Специфика прикладной лингвистики состоит в адаптации теоретических концепций к действительности. Например, в Исландии языковая политика крайне консервативна: для того чтобы в повседневной жизни использовать новые имена, необходимо их утверждение специальной комиссией. Также в Исландии существуют специальные учреждения, которые находят ближайшие соответствия иностранным терминам в исландском языке для того, чтобы в повседневной речи жители страны использовали именно слова национального происхождения.

Этот вид лингвистики проверяет «совместимость» теоретических концепций и гипотез с социальной действительностью посредством экспериментов. Таким образом, доказывается или опровергается их «совместимость». Например, недавно российские языковеды выяснили, что слово «кофе» можно употреблять не только в мужском, но и в среднем роде. Ряд специалистов объясняют данный факт так: современному обозначению напитка предшествовало название «кофие» среднего рода. Новая норма рассматривается как отсылка к историческому прошлому.

Изучает конкретные языки, которые объединены в родственные группы: романские, славянские, германские и т.д.

Многие по‑прежнему думают, что современные лингвисты это то ли составители учебников, то ли полиглоты и переводчики. Однако на самом деле это совсем не так. Современная лингвистика расширяет границы своих интересов всё больше и больше, сливается с другими науками и проникает почти во все сферы нашей жизни — хотя бы потому, что объект её изучения находится повсюду.

Рассмотрим направления современной лингвистики:

Когнитивная лингвистика. Когнитивная лингвистика — это направление, находящееся на стыке языкознания и психологии и занимающееся изучением связи между языком и сознанием человека.

Компьютерная лингвистика. Компьютерная лингвистика занимается автоматическим анализом естественного языка. Проще говоря, «окей, гугл», и поиск по новостям Вконтакте, и словарь Т9 — это всё плоды работы компьютерной лингвистики.

Социолингвистика. Социолингвистика изучает взаимосвязь языка и социума.

Таким образом, лингвистика является важной и быстро развивающейся наукой, которая не только выявляет закономерности развития языка, но и делает наше пребывание в компьютерной среде более комфортным.

Источник

Материал лингвистического исследования

Важнейшим методологическим вопросом для науки в целом и для каждого частного исследования является проблема материала, его добывания и способов обработки. Кажется, что все очевидно: материал лингвистики – конкретные языки. Однако на вопрос, к а к и е име н н о я зык и и к а к и е фо рмы с уще с т в о в а н и я я зык а д о с т о й ны быт ь ма т е р и а л ом языковедческих штудий, ученые в разное время отвечали по-разному.

В лингвистике изначально материалом служили литературные тексты, нередко сакральные («Веды» в древнеиндийской грамматической традиции, «Коран» в средневековой арабской грамматической традиции). При этом античные и средневековые грамматики были ориентированы на письменные тексты (отсюда этимология слов «грамматика» и «литературный», которые восходят к греческому и латинскому названию буквы: γραμμα и litera) и на классические «правильные» языки, тогда как живые европейские языки долгое время считались «неправильными» (они и действительно долго оставались менее развитыми, нежели латынь) и начали изучаться и описываться только с середины XVII в.

Сравнительно-историческое языкознание, с которого традиционно начинается отсчет истории лингвистики, имело дело с письменными памятниками и мертвыми языками, что хорошо согласовывалось с целями компаративизма, но явно сужало материал языкознания. Более того, лингвистика XIX в. долгое время оставалась по материалу и преимущественно европейской, поскольку все началось с изучения индоевропейской семьи языков. Языки других семей, особенно бесписьменные, по-настоящему начали изучать лишь в XX в.

Так, характеристика китайского языка как корневого – типичная проекция знаний о европейских языках с развитой флективностью и аффиксацией на язык совершенно другого типа, в котором нет других морфем, кроме корня. Но можно ли называть корнем специфическую единицу китайского языка цзынь, которая одновременно есть и слог, и слово, и иероглиф и которая может присоединять к себе только такие же подобные единицы, образуя сложные слова,? Не случайно более принятым в современной науке является термин «изолирующий язык».

В. Гумбольдт подчеркивал необходимость изучения любых, даже самых экзотических языков, поскольку они могли располагать необычными для европейского сознания фактами и давать богатую пишу для размышлений.

Достаточно вспомнить, что философия языка Гумбольдта, с которой началось теоретическое языкознание, была результатом размышлений над различным строением человеческих языков, а толчком к ним послужило изучение «экзотического» языка кави.

Однако изучение у с т ных монологических и диалогических форм языка стало по-настоящему возможным лишь в середине ХХ века, когда появились технические возможности непосредственной (без ступени транскрипции) фиксации устной речи. С расширением материала произошло существенное расширение языка как предмета науки: им стала не только языковая система, извлеченная из текстов, но и речевая деятельность в полном объеме.

Современные ученые, особенно работающие в больших научных коллективах, располагают машинным фондом, охватывающим большой массив русских текстов. Основную часть его составляет Лексикографическая база и Генеральный словник Машинного фонда русского языка, создаваемый в Петербургском отделении ИРС РАН – в Словарном секторе. Только в Институте русского языка РАН созданы и функционируют массивы русской разговорной речи и многомиллионный корпус русской прозы, БД по последней редакции словаря Ожегова-Шведовой, корпусы ассоциативного тезауруса, русской идиоматики, корпус политических текстов, серии конкордансов к произведениям русских поэтов, конкордансы текстов Достоевского [по данным редакционной статьи Ю.Н. Караулова в № 1 за 1995 ж. «Русистика сегодня»].

Кстати, с этим связан и современный лексикографический бум.

В то же время совершенно справедливо звучит предупреждение Ю.Н.

Караулова, что лингвисты – независимо от их воли и желания – могут потерять свой привычный текстовый источник материала для описания современных языков, поскольку основная масса информации в технически развитых странах будет находиться в компьютерной форме и большая ее часть никогда не увидит бумаги.

С эмпирическим характером лингвистики, что сближает ее с науками естественного цикла, связан постоянно дискутировавшийся в языковедении (вспомним хотя бы Г.Пауля, И.А. Бодуэна де Куртенэ) вопрос о с о о т н оше н и и и н д у к ц и и и д е д у к ц и и в исследовании. Завершая параграф, посвященный материалу лингвистики, приведем слова Г. Гийома:

Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет

Источник

Лингвистика

Лингвистика

Лингви́стика (языкозна́ние, языкове́дение) — наука, изучающая языки. Это наука о естественном человеческом языке вообще и о всех языках мира как индивидуальных его представителях. В широком смысле является частью семиотики как науки о знаках.

Лингвистикой профессионально занимаются учёные-лингвисты.

Содержание

Предмет лингвистики

Лингвистика в гносеологическом аспекте

Субъект и объект лингвистики

Разделы лингвистики

Лингвистика в широком смысле слова (познание языка и передача результатов этого познания другим людям) подразделяется:

Теоретическая лингвистика

Теоретическая лингвистика исследует языковые законы и формулирует их как теории. Она бывает:

Можно говорить не только о «языках», но и о «Языке» вообще, поскольку языки мира имеют много общего. Поэтому выделяют:

Прикладная лингвистика

Прикладная лингвистика решает множество социальных задач: политических, экономических, образовательных, религиозных, инженерных, военных, медицинских, культурных.

Практическая лингвистика

Кибернетические модели языка проверяются тем, насколько похоже они имитируют человеческую речь; адекватность описаний мёртвых языков проверяется в ходе раскопок, когда археологи обнаруживают новые тексты на древних языках.

Эмпирическая лингвистика

Эмпирическая лингвистика добывает языковые данные тремя путями:

Описание может быть ориентировано на письменную и на устную речь; оно может либо ограничиваться только «правильным» языком (см.: языковая норма), либо учитывать также разнообразные отступления от него (см.: просторечие); может описывать либо лишь систему закономерностей, действующих во всех разновидностях языка, либо включать в себя также правила выбора между вариантами в зависимости от внеязыковых факторов.

Одноязычная и сравнительная лингвистика

Сравнительно-историческое языкознание занимается изучением истории языков и выявлением их генеалогических связей (см.: генетическая классификация языков). Этот раздел лингвистики может описывать хронологический срез языка в определённую историческую эпоху, при жизни одного поколения (синхроническая лингвистика изучает язык как систему, ставит перед собой задачи установить принципы, лежащие в основе любой систем, взятой в данный момент), иногда также называется «синхронной»), или изучать сам процесс изменения языка при его передаче от поколения к поколению (историческая лингвистика, иногда также называемая «диахронной» или «диахронической»).

Внешняя и внутренняя лингвистика

Лингвистика языка и лингвистика речи

Статическая и динамическая лингвистика

Общая лингвистика

В составе лингвистики выделяют разделы в соответствии с разными сторонами её предмета.

Соответствующие дисциплины отличаются друг от друга ориентацией на изучение единиц разных уровней языка:

Лингвистика и смежные области знания

На стыке лингвистики со смежными областями знания возник ряд пограничных дисциплин. К таким дисциплинам относятся следующие:

Лингвистическая экзотика

Многие лингвистические вопросы вызывают обострённый интерес со стороны не-лингвистов. Примеры таких тем приведены в статье Лингвистическая экзотика.

Лингвистическая терминология

Язык, изучаемый лингвистом, — это язык-объект; а язык, на котором формулируется теория (описание языка, напр., грамматика или словарь в соответствующих значениях) — это метаязык. Метаязык лингвистики имеет свою специфику: в него входят лингвистические термины, имена языков и языковых группировок, системы специального письма (транскрипции и транслитерации) и др. На метаязыке создаются метатексты (то есть тексты о языке); это грамматики, словари, лингвистические атласы, карты географического распространения языков, учебники языков, разговорники и т. п.

История лингвистики

В древности наука о языке («грамматика») изучала лишь родной язык ученого, но не чужие языки; только престижные языки духовной культуры, а живой разговорный язык народа (и уж тем более неграмотных бесписьменных народностей) не изучался. До XIX века наука о языке была предписывающей (нормативной), стремясь не описать живой язык, на котором говорят, а дать правила, по которым «следует» говорить (и писать).

Источник

Языковой материал в лингвистическом исследовании

Любое лингвистическое исследование в той или иной мере опирается на анализ языкового материала, языковых данных. Чем больше материал, тем выше достоверность выводов, тем шире сфера дейсвия наблюден­ных закономерностей. В традиционном языкознании сбору материала всегда придавалось особое значение. Более того, во многих областях лингвистики сбор новых языковых фактов может считаться основной задачей лингвистического описания — ср. исследование неописанных и плохо описанных языков, выявление фонетических и морфологических различий в диалектах, изучение функционирования жаргонов, определе­ние изменений в функционировании языка и множество других задач, которые невозможно даже перечислить.

Имеются и другие проблемы. При традиционной технологии сбора и обработки языковых данных обновление собранного материала предста­вляет собой отнюдь не тривиальную задачу. Текущая обработка картотеки, поиск нужных единиц и пр. — все эти абсолютно необходимые операции отнимают значительное время. Кроме того, традиционная технология делает практически невозможным доступ к языковым данным на рас­стоянии. Некоторые типы данных — корпусы текстов — существовали

21) Целый ряд методов полевого исследования языка обсуждается в [Кибрик 1972].

в весьма ограниченном по объему виде (например, в виде хрестоматий, сборников текстов).

Новые информационные технологии и технические средства (ком­пьютерные системы, системы связи, системы мультимедиа) значительно облегчили сбор языковых данных. Так, поскольку компьютерные тех­нологии широко используются в печатном деле и в средствах массовой информации, то существенно упростился процесс получения материала: большинство крупных газет имеют электронные версии, функциониру­ющие в информационных сетях, в частности, в Интернете. Имеются довольно продуктивные устройства сканирования текста (сканеры) и эф­фективные программы расшифровки графической информации («кар­тинки» текста) в собственно текстовый формат (текст как совокупность графем). Налицо колоссальный технологический рывок вперед. Многие издательства используют для составления словарей специально подго­товленные корпусы текстов — ср., например, Бирмингемский корпус английского языка и соответствующую базу данных, созданные как ис­точники для подготовки англоязычных словарей издательства «Коллинз» (см., например, [Collins COBUILD English language dictionary 1987]).

Этот технологический рывок создал, однако, другие — не менее серьезные — проблемы, существенно осложняющие использование язы­кового материала как для чисто научных, так и научно-практических целей (например, для составления словарей). Дело в том, что чрезмерный объем изучаемых данных может и затруднить описание исследуемого феномена. Такой эффект возникает в двух случаях: во-первых, когда информации слишком много22), и, во-вторых, когда выбранный язы­ковой материал искажает реальную картину функционирования языка относительно описываемого феномена. При наложении первой и вто­рой ситуации — и материал слишком велик и он не отражает реальный узус — результаты исследования практически не поддаются никакой разумной оценке. Заметим, что перечисленные проблемные ситуации не исключение, а рутинная практика современной лингвистики. В этом смысле остроумная метафора У. Фрэнсиса, сравнившего процесс форми­рования корпуса с попыткой вычерпывания ведром океана, не кажется значительным преувеличением [Фрэнсис 1983, с. 337].

Встает задача разработки общих принципов построения лингвисти­ческих корпусов данных с использованием современных компьютерных технологий. Рассмотрим здесь две важнейших темы корпусной лингви­стики, связанные с конструированием корпусов текстов:

22 )Например, изучение функционирования выражения по крайней мере в художествен­ных произведениях Ф. М.Достоевского требует анализа более чем 500 употреблений этого грамматического фразеологизма. Между тем представление о реальной картине употребле­ния появляется после просмотра первых 70-80 контекстов. Остальной материал не дает практически ничего нового. См. по этому поводу [Баранов 1996].

· формулировка общих требований к корпусу данных с точки зрения пользователя;

· обсуждение опыта создания корпусов данных для различных иссле­довательских проектов.

Ниже речь пойдет о корпусах текстов, однако многие обсуждаемые здесь проблемы вполне переносимы и на корпусы данных других типов.

Исходные понятия корпусной лингвистики

В имеющейся литературе по корпусной лингвистике часто использу­ются понятия, которые никак не определяются, но составляют исходный категориальный аппарат этой дисциплины. Рассмотрим их в самом пер­вом приближении, не претендуя на точные, исчерпывающие дефиниции (см. также [Баранов 1998 а]).

Проблемная область. Под проблемной областью понимается область реализаций языковой системы, содержащая феномены, подлежащие лин­гвистическому описанию. Проблемная область для конкретного корпуса данных может быть сколь угодно велика или мала — все определяется выбранным объектом анализа. Существенно иметь в виду, что в идеале проблемная область имеет два измерения — языковое и речевое. Рече­вое представлено речевыми высказываниями (реализациями), а языковое измерение проявляется в существовании потенциальной возможности по­явления других употреблений, дополняющих массив имеющихся реализа­ций. Как правило, в корпусной лингвистике языковой аспект фактически игнорируется, поскольку изначально фиксируется область привлекаемых данных — реализаций языковой системы. Это совершенно естественно, поскольку вряд ли возможно зафиксировать, собрать «потенцию», «воз­можность». Однако для регулярно изменяемых корпусов данных языковой аспект проблемной области сразу «вылезает» при разработке принципов модификации корпуса. Кроме того, для лингвистического исследования (кроме специально оговариваемых случаев) в центре внимания стоит именно языковое измерение, поскольку его следует реконструировать в результате анализа.

С чисто практической точки зрения проблемная область чаще всего предстает перед разработчиком корпуса как множество данных, обработка которых затруднена из-за того, что языковых реализаций слишком много.

Корпус данных. Корпус данных представляет собой сформированную по определенным правилам выборку данных из проблемной области. Тем самым корпус данных представляет собой результат отображения из про­блемной области. В отличие от проблемной области, корпус данных имеет только одно измерение — речевое, поскольку сам по себе он не обла­дает потенцией производства своих составляющих. Последнее, однако, не означает, что корпус данных не может использоваться для реконструк­ции языка как системы. Наоборот — это одна из главных задач лингви­стического исследования корпуса. Перед нами одно из глобальных про­тиворечий, свойственное любому продукту языковой системы — от звука до текста. Лингвисту приходится по отдельным результатам деятельности языка делать выводы о функционировании языка как целого, как системы.

Единица хранения корпуса данных. Поскольку корпус данных — это некоторая выборка из проблемной области, сформированная по опре­деленным принципам, то единица хранения непосредственно зависит от того, по каким основаниям осуществляется выборка. Единица хра­нения — это некоторая совокупность естественноязыковых выражений проблемной области, которой сопоставляется одно описание на не­котором метаязыке, определяемом процедурой формирования корпуса. У. Фрэнсис, обсуждая размеры «базовых единиц» корпуса, отмечает, что это могут быть отдельные слова, короткие фразы, предложения, слово­сочетания (синтагмы). Если корпус предполагается для синтаксического анализа, то он должен включать целые тексты или их достаточно большие фрагменты [Фрэнсис 1983, с. 344 и далее].

На основании описания единицы хранения можно судить о том, какая часть проблемной области представлена в корпусе. Например, еди­ница хранения корпуса рекламных слоганов, созданного в Отделе экспе­риментальной лексикографии Института русского языка РАН, включает следующие характеристики:

• слоган: Для мужчин, которые любят женщин, которые любят мужчин

• предмет: туалетная вода Azzaro pour Homme

• область: косметика и парфюмерия

• вид слогана: перевод с французского

• оригинал: Pour les hommes qui aiment les femmes qui aiment les hommes

• источник: Стае, Космополитен

Выражение естественного языка Для мужчин, которые любят женщин, которые любят мужчин и сопоставленные ему характеристики вместе образуют единицу хранения, которая может вводиться в базу данных или включаться в обычный файл текстового формата.

Единица хранения корпуса названий газетных статей должна бы­ла бы включать само название и совокупность дескрипций, содержащих информацию о том, из какой газеты название получено, в какой рубрике находится статья, когда вышла газета и другую необходимую инфор­мацию. Совокупность описаний единиц хранения образует некоторое множество, по которому можно судить о представительности выборки — какие газеты представлены, как формировалась выборка по временному параметру (все газеты какого-то периода vs. газеты через определен­ные промежутки времени vs. все газеты выбранных временных отрезков и т.д.); статьи каких рубрик представлены и пр.

Корпус текстов. Корпус текстов — это вид корпуса данных, единица­ми которого являются тексты или их достаточно значительные фрагмен­ты, включающие, например, какие-то полные фрагменты макроструктуры текстов данной проблемной области.

Несколько соображений о типах корпусов данных.

Исследовательские корпусы. Исследовательскими называются такие корпусы, которые предназначены преимущественно для изучения раз­личных аспектов функционирования языковой системы. Они строятся не post factum — после проведения какого-либо исследования, а до его проведения. Этот тип корпусов данных, как правило, ориентирован на широкий класс лингвистических задач. Неспецифицированность за­дачи требует при построении исследовательских корпусов использовать пропорциональное сужение, являющееся наиболее простым способом обеспечения репрезентативности (см. ниже).

Иллюстративные корпусы. Иллюстративные корпусы создаются после проведения научного исследования: их цель не столько выявить новые факты, сколько подтвердить и обосновать уже полученные результаты. Такие корпусы не являются слепком, правильным (с точки зрения стати­стики) отображением проблемной области. Они включают лишь то, что достаточно для иллюстрации описываемого феномена. Типичный пример иллюстративного корпуса представлен в «Путеводителе по дискурсив­ным словам русского языка» [Баранов, Плунгян, Рахилина 1993], где семантический анализ частиц и выделенные значения сопровождаются значительным текстовым материалом, позволяющим читателю проверить предложенные семантические интерпретации.

Специфика эксплуатации динамического корпуса состоит в том, что пользователь при проведении исследования может выделить из об­щего генерального корпуса рабочий корпус, включающий лишь часть текстов генерального корпуса. Как динамический корпус строился Бир­мингемский корпус английского языка. Пример динамического корпуса по современной российской публицистике рассматривается ниже.

Корпусы параллельных текстов. Для научных и практических це­лей (в частности, для преподавания иностранных языков) формируются

23) Термин «мониторный» прямо связан с идеей лингвистического мониторинга — см. §4 главы 5.

корпусы параллельных текстов. По своей структуре это подмножество текстов на языке-источнике и одно или несколько подмножеств текстов, которые являются переводами текстов языка-источника на языки-цели. Например, английский текст «Alice in Wonderland» и его переводы на не­мецкий, французский и русский языки могут формировать такой корпус или быть частью большего корпуса параллельных текстов.

Способ представления и хранения корпуса данных. Наибольший инте­рес представляют те способы, которые опираются на современные ком­пьютерные технологии хранения и обработки данных. Для дальнейшего изложения важно делать различие между двумя основными способами представления — неструктурированным текстовым форматом хранения (запись графем текста в ASCI-кодах) и структурированным форматом хра­нения (текст со специальной разметкой); к последнему можно отнести также представление данных в форматах баз данных различного типа.

Порог отображения. Поскольку корпус данных является сужением проблемной области, то совершенно очевидно, что при «пропорциональ­ном» сужении, являющемся, по-видимому, простейшим случаем реализа­ции принципа репрезентативности (см. ниже), некоторые части проблем­ной области оказываются вне корпуса данных. Возьмем грубый пример. Пусть в проблемной области содержится 20 контекстов, а в корпусе дан­ных должна быть четвертая часть — 5 контекстов. Контексты являются примерами реализации различных синтаксических феноменов: в десяти контекстах представлены простые предложения, а в восьми — сложные. В двух последних контекстах содержатся примеры парцелляции. В корпу­се данных один контекст соответствует четырем контекстам проблемной области. Это означает, что контексты парцелляции при пропорциональ­ном сужении в четыре раза не попадают в корпус данных. Соотношение между корпусом данных и проблемной областью при пропорциональ­ном сужении будем называть порогом отображения. Чем выше порог, тем больше вероятность, что какие-то феномены проблемной области, обладающие сравнительно низкой частотой, не попадут в корпус данных.

Параметризация проблемной области. Сужение проблемной области к исследовательскому корпусу основывается на выделении некоторых ха­рактеристик текстов проблемной области, которые релевантны для пред­полагаемого исследования. Совокупность этих характеристик (их возмож­ные комбинации) образует многомерную матрицу, служащую основой для отбора текстов в корпус. Часто для оценки релевантных параметров про­блемной области привлекается экспертная оценка. У. Фрэнсис, описывая историю создания Брауновского корпуса, отмечает, что на этапе плани­рования работ было собрано совещание известных экспертов в области конструирования корпусов (в нем принимали участие Р. Куирк, Ф. Гоув, Дж. Кэррол), которое и сформулировало основные принципы параме­тризации проблемной сферы и структуру корпуса [Фрэнсис 1983, с. 344 и далее].

Обратимся теперь к тем требованиям, которые обычно предъявляют пользователи к корпусу текстов (в дальнейшем именно корпус текстов будет основным предметом обсуждения), имея в виду, разумеется, идеаль­ную ситуацию.

Требования к корпусу текстов с точки зрения пользователя

Корпус данных, будучи отражением проблемной области, должен совмещать, с точки зрения пользователя, самые противоречивые требо­вания. Поскольку последовательное соблюдение любого из требований приводит к разрушению корпуса как такового, необходимо соблюдение баланса между ними. То, как создатель корпуса старается совместить различные требования, формирует стратегию построения корпуса.

Репрезентативность. Важнейшее свойство корпуса текстов — его репрезентативность по отношению к проблемной области. Под репрезен­тативностью понимается способность корпуса текстов отражать все свой­ства проблемной области, релевантные для данного типа лингвистичес­кого исследования, в определенной пропорции, определяемой частотой явления в проблемной области. Другими словами, частота явления в кор­пусе должна быть близка частоте в проблемной области. Это требование ориентирует «сборщика» корпуса текстов на специализацию разрабатыва­емого продукта по уровневой тематике: фонетические, морфологические, синтаксические, лексические, текстовые и пр. корпуса.

Например, текстовые корпуса должны содержать в соответствующей пропорции тексты с базовыми, наиболее типичными макроструктура­ми, имеющимися в данной проблемной области. С другой стороны, лексические корпуса должны включать выбранные исследователем поля лексических единиц.

Стремление к репрезентативности налагает определенные ограниче­ния на единицы хранения корпуса: если для морфологии это могут быть максимум словосочетания и отдельные предложения (для языков с раз­витой морфологией), то для собственно текстовых корпусов единицами хранения должны быть целые тексты и фрагменты их макроструктур.

Репрезентативность, конечно, не исчерпывается перечисленными параметрами. Так, в каждом конкретном случае может оказаться необхо­димым учесть стилистическую, временную, авторскую и другие составля­ющие текстового массива проблемной области.

Требование репрезентативности в самом простом варианте отража­ется в пропорциональном сужении проблемной области. В этом случае можно говорить о «пропорциональной стратегии» организации корпуса текстов. Требование адекватного отображения статистики может быть нарушено, если цель исследования заключается не столько в оценке ча­стотности того или иного явления, сколько в изучении множества уже выделенных языковых структур. Для таких задач более разумно и эконо­мично использовать иллюстративные корпусы текстов.

Полнота. Репрезентативность корпуса указывает на то, что единицы проблемной области отражаются пропорционально в корпусе данных, но при определенном пороге некоторые релевантные явления пропадут, исчезнут из корпуса. Полнота требует учета релевантных явлений, даже если это не соответствует идее пропорционального сужения. Требова­ние полноты совершенно необходимо в тех случаях, когда лингвист-конструктор корпуса приблизительно знает, что ему искать. В такой си­туации исследовательский корпус может приобрести те или иные черты иллюстративного корпуса.

Экономичность. Корпус текстов должен экономить усилия иссле­дователя при изучении проблемной области. В частности, он должен быть не просто строгим подмножеством текстов проблемной области, но, по возможности, существенно отличаться от нее по объему. В общем случае чем более «экономичен» корпус, тем выше порог отображения. В то же время для исследовательских корпусов экономия не может прово­диться в ущерб репрезентативности: статистические пропорции должны быть адекватно отображены, если это не оговорено специально.

Структуризация материала. Определение единиц хранения корпуса не должно быть непосильной задачей для пользователя. Желательно сопоставить корпусу опись данных, в которой единицы хранения харак­теризуются по тем параметрам, которые могут оказаться важными для пользователя.

В ряде случаев на состав единиц хранения налагаются существен­ные ограничения. Если единицей хранения оказывается фрагмент тек­ста (предложение или группа связанных между собой предложений), то важно, чтобы он был самодостаточным. Последнее означает, что он не должен содержать неоднозначности любых типов, в частности, ме­стоимений, для которых невозможно восстановить антецедент и пр. В тех случаях, когда единицы хранения включают случаи языковой игры, связанной с неоднозначностью, рамки контекста должны быть таковы, чтобы пользователь мог легко определить, что речь идет о языковой игре, а не об ошибке в вычленении единицы хранения. Разумеется, это не очень существенно для таких корпусов, которые ориентирова­ны, например, на морфологическую или фонетическую инвентаризацию

Компьютерная поддержка. Желательна поддержка корпуса текстов комплексом программ по обработке данных, обеспечивающих функции составления конкордансов, статистической инвентаризации, автоматиче­ской словарной обработки (составление полных и частичных словников по различным основаниям — по частоте, по алфавиту и пр.), лемматиза-ции. Как минимум, корпус должен быть «прозрачен» для компьютерной обработки (отсутствие переносов, лишних пробелов и пр. 24)

24) Ср. формальные требования к представлению текстов в Машинном фонде русского языка в [Андрюшенко 1987].

25) Распространяется организацией Zentram ffir Umfragen, Methoden und Analysen — ZUMA (г. Мангейм, Германия).

26) Подробный сравнительный анализ некоторых программных пакетов обработки кор­пусов см. в [Miiller 1993].

Особого программного обеспечения требуют корпусы параллельных текста. Программа MULTICONCORD позволяет строить конкордансы и устанавливать соответствия между фрагментами оригинального текста и его переводами на другие языки [GroB, MiBler, Wolff 1996]. В настоя­щее время MULTICONCORD работает с корпусом из шести языков — английский, немецкий, французский, греческий, итальянский и датский (текст на источниковом языке и пять текстов на целевых языках). Для разньк текстов целевые языки и языки-источники варьируются. Корпус паралвльных текстов полностью интегрирован в программу. Он включа­ет разнообразные литературные тексты — романы, драмы, короткие рассказы, а также публицистику, информационные тексты, анекдоты. Программа дает возможность производить поиск по разным языкам, разньщ словам, словоформам и словосочетаниям. Ср. фрагмент поиска на английский глагол look в оригинальном тексте «Alice in Wonderland» и его лексические эквиваленты в переводе на немецкий язык:

Результаты поиска могут сортироваться по объему, алфавиту, по про­изведениям, авторам и т.д. Предполагается использовать MULTICON­CORD на занятиях по изучению иностранных языков, литературы и в сфе­ре конграстивной лингвистики.

Основная проблема в построении корпусов параллельных текстов и разработке пакетов программ для их обработки заключается в установле­нии соответствий между оригинальными текстами и переводами. Понят­но, что тривиальное соответствие по словам или предложениям здесь не­возможно. Теоретически обоснованным было бы использование техноло­гий систем машинного перевода с языком-посредником или универсаль­ным языком, однако в настоящее время такой подход вряд ли возможен. Насколько можно судить, создатели программы MULTICONCORD в про­стых случаях устанавливали лексические соответствия, а в случае свобод­ного перевода индексировали целые фрагменты предложений или текстов.

Источник