CC BY
60
190
Филология
Вестник Нижегородского университета им. Н.И. Лобачевского, 2011, № 6 (2), с. 190-192
УДК 811.161
ОБ ОСНОВНЫХ ЗАДАЧАХ СОЗДАНИЯ ПАРАЛЛЕЛЬНОГО РУССКО-БЕЛОРУССКОГО КОРПУСА УЧЕБНЫХ ТЕКСТОВ
© 2011 г. А.В. Зубов
Минский государственный лингвистический университет
Поступила в редакцию 03.03.2011
Рассматривается структура и назначение параллельного тегированного русско-белорусского корпуса учебных текстов.
Ключевые слова: информация, параллельный корпус, тегирование, учебный текст.
Корпусом параллельных текстов обычно называют множество текстов на одном каком-либо языке и их переводов на один или несколько других языков. В разных странах мира создано уже достаточно большое число таких параллельных корпусов текстов [1; 2; 3].
В Минском государственном лингвистическом университете (МнГЛУ) уже в течение многих лет создаются небольшие по объему параллельные корпусы текстов: русско-
белорусский, англо-белорусский и немецко-белорусский [4]. Такие тексты могут быть использованы для решения целого ряда лингвистических задач в разных сферах:
а) в лексикографии и лексикологии - для составления различных словарей, определения значений слов, установления ассоциативных связей слов в тексте, выявления терминов и терминологических словосочетаний и т.д.;
б) в грамматике - для определения частоты использования грамматических морфем и классов слов в текстах различного типа, для выявления наиболее употребляемых типов словосочетаний и предложений;
в) в лингвистике текста - для дифференциации типов текста, создания конкордансов, выявления связи между предложениями в абзацах и между абзацами и т.д.;
г) при автоматическом переводе текстов -для поиска контекстов слов, имеющих несколько переводных эквивалентов, для поиска переводных эквивалентов терминологических и фразеологических словосочетаний в параллельных текстах и т.д.
Извлечь автоматически необходимую информацию из параллельных корпусов текстов можно лишь в том случае, если исходный и переведённый текст были заранее размечены (те-
гированы, аннотированы). Поэтому в параллельных корпусах текстов, созданных в МнГЛУ, был применен стандарт тегирования CES (Corpus Encoding Standard), успешно реализованный при разработке европейских проектов MULTEX 135 и EAGLES (Expert Advisory Group on Language Engineering Standard) в сотрудничестве с американским партнёром Vassar Cillege и французским партнёром CNRS (CENTRE National de la Recherche Scientifique). При его использовании в оформлении информации к словоупотреблениям текста были внесены некоторые незначительные изменения.
Этот стандарт удобен также тем, что он специально создан для автоматического решения задач прикладной лингвистики, машинного перевода, лексикографии и т.п.
В соответствии с этим стандартом каждое словоупотребление белорусских и иноязычных текстов получало набор определенных единых лексико-морфологических признаков. Так, для существительного указывались коды класса слова, одушевлённость, число, падеж, личность, сокращение ли это или имя собственное. Для глагола - коды класса слова, вид, время, залог, переходность, спряжение, лицо, число, род. Аналогично имели свои коды и слова других классов слов. В отличие от тегов CES, в создаваемом параллельном корпусе каждое словоупотребление имело определенные структурные признаки. Для слов всех классов указывалось число слогов в словоупотреблении и место ударного слога в нём. Это важная информация для изучения поэтических текстов. Именно с опорой на такие признаки (теги) и строятся компьютерные программы для извлечения различной информации из текстов параллельного корпуса [5].
В последние годы большое внимание стало уделяться корпусам учебных текстов [6; 7; 8]. Такой параллельный корпус учебных текстов создаётся сейчас в МнГЛУ. Его создание связано с тем, что в Республике Беларусь два государственных языка - белорусский и русский. И, естественно, есть школы, где обучение проводится или только на белорусском или только на русском языках. В некоторых вузах есть дисциплины, которые читаются и на белорусском и на русском языках. Такая языковая ситуация создает в процессе обучения целый ряд проблем, как в процессе преподавания этих языков, так и при подготовке для школ учебников и учебных пособий.
Нами был предварительно проведен анализ большого числа параллельных белорусских и русских учебников для школ по самым различным дисциплинам (физика, география, математика, трудовое обучение, история Беларуси и др.). В результате выяснилось, что в учебниках зафиксированы следующие виды информации:
1. Теоретические темы.
2. Детализация отдельных тем по уточняющим аспектам: «Главное», «Новые понятия и термины», «Вспомните» и т.п.
3. Детализация отдельных тем для проведения дискуссий: «А вы знаете, что ...», «Обсудим? Поспорим? Доберемся до истины» и т.п.
4. Главные выводы.
5. Материал для повторения.
6. Вопросы и задания по темам.
7. Упражнения.
8. Контрольные задания.
9. Практические работы.
10. Исторические сведения.
11. Основные события и даты.
12. Словари терминов.
Такой корпус будет создаваться с использованием уже упомянутого выше стандарта тегирования CES, который уже был использован нами при разработке англо-белорусского, немецко-белорусского и белорусско-русского (не учебного) подкорпусов текстов.
Создаваемый параллельный тегированный русско-белорусский корпус учебных текстов позволит в целях совершенствования учебного процесса в школах:
1. отбирать примеры употребления слов, словосочетаний и предложений в текстах изучаемого языка;
2. демонстрировать на конкретных примерах способы разрешения двуязычной неоднозначности;
3. составлять автоматически учебные словари по различным предметным областям;
4. создавать русско-белорусские терминологические словари для школ по различным предметным областям;
5. находить и классифицировать ошибки обучаемых.
Для проведения научных исследований по педагогике и в сопоставительном языкознании такой корпус текстов позволит:
1. автоматически выделять группы слов определенного словоизменения или словообразования;
2. находить и выделять слова с определенными грамматическими характеристиками;
3. выделять структурные модели словосочетаний и предложений исходного и переводного языков;
4. проводить сопоставительный анализ двух языков на синтаксическом уровне.
Список литературы
1. Добровольский Д.О., Кретов А.А., Шаров С.А. Корпус параллельных текстов // Научная и техническая информация, сер. 2. Информационные процессы и системы, 2005. № 6. С. 121-127.
2. Сичинава Д.В., Шведова М.А. Параллельные корпусы в составе Национального корпуса русского языка: технологии и решаемые задачи // Компьютерная лингвистика: научное направление и учебная дисциплина. Сб. научных статей. Выпуск 1. Гомель: ГГУ, 2010. С. 30-34.
3. Зубов А.В. Лингвометодические возможности русско-белорусского параллельного корпуса текстов // Русский язык. Исторические судьбы и современность. IV Международный конгресс исследователей русского языка. Труды и материалы. М.: МГУ, 2010. С. 516-517.
4. Зубов А.В. Структура и назначение па-
раллельных иноязычно-белорусских корпусов текстов // Беларуская мова у культурнай i моунай прасторы Славп. Матэрыялы Мiжнароднай навуковай канферэнцьй. г. Мшск. 24-25 л^тапада 2009 г. Мшск: Права i
эканомша, 2009. С. 313-316.
5. Зубов А.В., Филимонова Т.А. Компьютерные программы для извлечения лингвистической информации из параллельных текстов // Материалы ежегодной научной конференции преподавателей и аспирантов университета. 27-28 апреля 2010 г. В пяти частях. Часть пятая. Минск: МГЛУ, 2010. С. 30-32.
6. Камшилова О.Н. Исследовательский потенциал корпуса английских текстов Петербургских школьников: анализ интерязыка // Изв. Рос. гос. пед. ун-та им. А.И. Герцена. 2009. № 7. С. 114-123.
7. Соснина Е.П. О разработке и использовании российского учебного корпуса переводов [Электронный дискурс] - Режим доступа:
http ://ling. ulstu. ru/linguistics/chair/ lecturers/ sosnina/development/.
192
А.В. Зубов
8. Cobb T. Analyzing late interlanguage with leam- ies // Canadian Modem Lang. Review. 2003. № 59 (3).
er corpora: Quebec replications of three European stud- P. 393-423.
PRINCIPAL TASKS IN THE DEVELOPMENT OF THE PARALLEL RUSSIAN-BYELORUSSIAN CORPUS OF EDUCATIONAL TEXTS
A. V. Zubov
The structure and the purpose of the parallel tagged Russian-Byelorussian corpus of educational texts is considered.
Keywords: information, parallel corpus, tagging, educational text.
