Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
A Magyar Nemzeti Szövegtár
Váradi Tamás MTA Nyelvtudományi Intézet Korpusznyelvészeti Osztály
2
Magyar Nemzeti Szövegtár
Rövid jellemzés Kiknek készült? Nemzetközi előzmények Összetétele Mitől „nemzeti”? Hogyan készült? Hogy néz ki belülről? Hogyan használható? Intelligens keresés Hogyan tovább?
3
Rövid jellemzés Az írott nyelvhasználat hiteles tükre
150 millió szavas reprezentatív minta Válogatott szövegek, egységesen kódolva nyelvhasználatunk keresztmetszete válogatás nem ‘érdem’ alapján Intelligens korpusz nyelvtanilag elemzett és egyértelműsített lekérdezés nyelvtani jellemző szerint is
4
Kiknek készült? Nyelvészeknek, szótárszerkesztőknek
pontos, számszerűsíthető kép napjaink írott magyar nyelvhasználatáról Számítógépes nyelvészeknek értékes forrás számítógépes alkalmazások számára Társadalomtudósoknak, a magyar kultúra kutatóinak a nyelvhasználatban kódolt finom „üzenetek”
5
Nemzetközi előzmények
60-as évek: BROWN, LOB korpusz 1 millió szavas gondos összeállítás 80-as évek: COBUILD szótár 20 m 450 m szó Bank of English 90-es évek: British National Corpus 100m szó, 10 m szó beszélt nyelvből 90-évektől: nemzeti korpuszok Cseh, szlovén, német, francia, USA, ausztrál stb.
6
Az MNSZ összetétele Nyelvi változat m. szó Forrás Sajtó 75
online kiadás Szépirodalom 15 Digitális Irod. Akadémia Tudományos próza 20 Magyar Elektronikus Könyvtár Hivatali nyelv Minisztérium, önkormányzat Személyes közlés Index.hu Törzsasztal Összesen: 150
7
Mitől „nemzeti”? Mérete szerint Tartalma szerint
egyedülálló vállalkozás Tartalma szerint nem csak az „írástudó elit” nyelvezete nem csak budapesti nyelvhasználat határon túli nyelvhasználat is Kárpát-medencei Magyar Korpusz előkészületben az MNSZ alapján
8
Hogyan készült? 1998 – 2000 között OTKA támogatás
Elektronikus források Előfeldolgozás Nyelvtani elemzés Egyértelműsítés Összefűzés, indexálás Lekérdező szoftver
9
Hogy néz ki belülről? Annotált korpusz - részlet belülről
<!-- HVG ./0116/ htm --> <div type="article" column="unspec"> <opener> <dateline> <w lemma="HVG" msd="N.NOM" ctag="NS3NN">HVG</w> <w lemma="2001/16" msd="DIG" ctag="Q">2001/16</w> <c lemma="." msd="SPUNCT" ctag="SPUNCT">.</c> <w lemma="szám" msd="N.NOM" ctag="NS3NN">szám</w> <date iso8601=" "> <w lemma="2001._április_21." msd="DATUM" ctag="DATUM">2001._április_21.</w> </date> </dateline> </opener> <head rend="IT" type="unspec"> <s> <w lemma="egészségügyi" msd="A.NOM" ctag="AS_A">Egészségügyi</w> <w lemma="szigorítás" msd="N.PL.NOM" ctag="NP3NN">szigorítások</w> </s> </head> <head> <w lemma="sok" msd="Num.NOM" ctag="Q">Sok</w> <w lemma="zseb" msd="N.ELA" ctag="NS3NE">zsebből</w> <w lemma="vérzik" msd="V.e3" ctag="VS3RI">vérzik</w> </s> <head rend="BO" type="display">
10
Hogyan használható? - Keresés
11
Hogyan használható? - Találatok
12
Intelligens keresés Keresés szófaj és nyelvtani alak alapján
pl. „az”: előfordulás névelő és mutatószó egyaránt 15542 esetben mutatószó Két szó együttes előfordulása állandósult szókapcsolatok igei vonzatok
13
Hogyan tovább? állapotfelvétel a 90-es évek második feléről
a nyelvhasználat dokumentálása újabb és újabb állapotfelvétel élő nyelvtörténet minden eddiginél pontosabb adatokkal
14
Köszönöm a figyelmet!
Hasonló előadás
