МҰРА МЕН ЗЕРТТЕУ

Абайдың поэтикалық корпусы

Қазақтың поэтикалық тілін дерекке сүйеніп зерттеуге арналған ашық кеңістік.

Абайдың поэтикалық корпусы — ақын шығармаларын іздеуге, сөз қолданысын салыстыруға және өлең құрылымын зерттеуге арналған мамандандырылған мәтіндер жинағы. Мұнда сөз жеке бірлік ретінде де, тармақ пен шығарма контексінде де қарастырылады.

Қазір не қолжетімді?

  • Нақты сөзформа, сөздің басы және бір контекст ішіндегі тіркес бойынша іздеу.
  • Сол және оң контексті бар конкорданс, шығарма бойынша сүзу және контексті сұрыптау.
  • Сөз карточкасы, қолданыс жиілігі, шығармаға таралуы және нөмірленген контекстермен оқылым.
  • Жинақтың жиілік сөздігі, өз мәтініңізді талдау және CSV түрінде сақтау.

Жинақтың ағымдағы шегі

Қазір 63 шығарма, 9 118 сөзқолданыс және 4 669 сөзформа қолжетімді.

Мәтіндер қосылған PostgreSQL жинағынан алынады. Морфологиялық белгіленімде бірнеше балама талдау болуы мүмкін. Бұл жинақта түпнұсқаның тармақ және шумақ бөлінісі сақталмаған; контекст нөмірі тармақ нөмірін білдірмейді.

Ғылыми белгіленім қалай беріледі?

Сөзформа — мәтінде кездесетін нақты жазылым. Лемма — сөздің сөздіктегі негізгі тұлғасы. Қазір іздеу сөзформамен жұмыс істейді; леммалар автоматты түрде болжанбайды.

Морфологиялық белгіленім сөз табын және грамматикалық сипаттарды, лексикалық белгіленім мағына мен сөздік байланыстарды қамтиды. Серверден бірнеше талдау келгенде, олардың барлығы кестеде көрсетіледі. Контекстік омонимияны шешу жеке тексеруді қажет етеді.

Поэтикалық белгіленім тармақ, шумақ, ұйқас, бунақ, буын және өлшем туралы мәліметтерді қамтиды. Түпнұсқа жолдары сақталған жинақта тармақ нөмірі мәтіннен есептеледі; шумақ тек бос жолдармен бөлінген жағдайда көрсетіледі. Дауысты әріптерден алынған буын саны жуық мән ретінде белгіленеді. Ұйқас пен өлшем тек тексерілген дерек болғанда берілуі тиіс.

Жиілікті дұрыс түсіндіру

Абсолютті жиілік — сөзформаның жинақта кездесу саны. Мәтінге таралуы — ол кездесетін шығармалардың саны. Пайыздық үлес барлық сөзқолданысқа, ал миллион сөзге шаққандағы жиілік сол жинақтың көлеміне сүйенеді. Леммалар бойынша жиілік пен сөзформалар жиілігін араластыруға болмайды.

Келесі кезеңдер

Жинақты академиялық дереккөздермен салыстыру, лемма және морфология бойынша іздеу, дайын жиілік сөздігін қосу және тексерілген поэтикалық белгіленім — жобаның келесі қадамдары.

Жасанды интеллект кейін дереккөзге сілтейтін зерттеу көмекшісі ретінде қосыла алады. Оның ұсынысы корпус дерегі мен адам тексерген белгіленімнен айқын ажыратылуы қажет.

Зерттеуді бастау