диссертация (1169444), страница 12
Текст из файла (страница 12)
Выбор раздела корпуса. Помимо выбора корпуса английского языка,важно было определить его составляющую (устная/письменная речь,демографический/контекстуальный корпус).3. Отбор имен. Далее из общего числа лексем в базе данных с помощьюаннотаций отбираются нарицательные имена существительные.4. Отборабстрактнойлексики.Единицыполученногорядасуществительных сортируются на подкласс абстрактных и конкретных.Выбор корпуса Интерес к созданию базы данных языка и техническиевозможности, накопленные к концу ХХ века, сделали возможным появление рядакорпусовнациональныхязыков.Вотличиеотбольшинствакорпусов,создающихся под определенное исследование или ограничивающих объектизучения, национальный корпус призван дать наиболее возможно полноеописание современного языка и/или его диахронического развития. В настоящеевремя существует ряд корпусов, где собран материал английского языка,полностью или частично доступный для исследований.
Рассмотрим эти базыданных с учетом задач данной работы, а именно: чтобы изучить категориюабстрактных существительных в речи англичан, необходим корпус, содержащий82демографическиистилистическирепрезентативнуюустнуючасть,представляющую современный английский язык. Таким образом, корпус долженудовлетворять следующим требованиям:1. наличие устной части с большим числом входных единиц;2. отражение современного английского языка;3. отражение британского варианта (Англия) английского языка;4.
демографическая репрезентация носителей языка (сбалансированноеучастие представителей разных социальных групп – по полу, возрасту исоциальному классу);5. аннотированиеединиц,достаточноедляпоискаинформациипохарактеристикам слова и источника.Рассматривая первое требование, нужно отметить, что многие корпусывключают устную часть (например, BNC, Bank of English), а некоторыецеленаправленно занимаются сбором данных устной речи.
Среди таких проектовследует отметить первый электронный корпус спонтанной речи The London-LundCorpus (100 текстов по 5000 слов), результат объединения двух проектов – theSurvey of English Usage Университетского колледжа Лондона (UCL), Англия, иSurvey of Spoken English Лундского университета, Швеция. Сбор материалапроизводился в 1953 -1987–х годах.Необходимо также упомянуть Lancaster/IBM Spoken English Corpus,включивший записи радиопередач 1984 - 1991-х годов. При подборе материаладля этого проекта исследователи стремились добиться сбалансированного83представления, во-первых, стилистически маркированных текстов (поэзия,пропаганда, речи) и диалогов, а во-вторых, гендерной репрезентации (женщинысоставляют лишь 30% говорящих, что отражает соотношение мужчин и женщинна Би-би-си того времени).
The Bergen Corpus of London Teenage Language (COLT)– первый значимый корпус, посвященный речи англоязычных подростков.Материал корпуса, основанный на 55 часах записей, хорошо аннотирован ипредставляет сбалансированную выборку подростков по возрасту, полу исоциальнойгруппе(атакжевключаетречьвзрослых,родителейипреподавателей). Из-за того, что указанные корпусы представляют лишьотдельный срез англоязычного общества, они не соответствуют требованиямданной работы.Следующий ряд корпусов также не отвечает задачам исследования, так какон фокусируется либо на материале небританского варианта английского языка(The Longman Spoken American Corpus, The Santa Barbara Corpus of SpokenAmerican English, The Saarbrucken Corpus of Spoken English, The Wellington Corpusof Spoken New Zealand English), либо на диалектах британского языка (The SpokenCorpus of the Survey of English Dialects).Так как целью последнего было собраниематериала «чистых», несмешанных диалектов английского языка, в записи речиучаствовали люди старше 60 лет.
Другое исследование, The Intonational Variationin English Corpus, напротив, записывали подготовленные и спонтанные текстыподростков 16-ти лет, чтобы проследить различия в интонации людей одного84возраста и образования, но разного пола, а также социального и региональногопроисхождения.Одним из наиболее сбалансированных в плане жанров текстаидемографических характеристик говорящих можно считать The Cambridge andNottingham Corpus of Discourse in English (часть Cambridge International Corpus),где помимо стандартных аннотаций ввели пометку, указывающую на отношениямежду говорящими: близкие (совместное проживание), дружеские, партнерские идругие. С другой стороны, весь материал корпуса можно разделить по типувзаимодействия: предоставление информации, совместная работа, совместноеобсуждение. Однако в настоящее время данный корпус не доступен для работы иисследований.При отсутствии единого устного корпуса, обратимся к крупным проектамнациональных корпусов английского языка.
Первым корпусом современногоанглийского языка был так называемый the Brown Corpus (the Brown UniversityStandard Corpus of Present-day American English), составленный в 1960-х. Корпусизначально предназначался для исследований в области компаративистики,поэтому с течением времени «семейство» брауновского корпуса значительнорасширилось и на данный момент включает Brown (American English, 1961),Frown (American English, 1991-1992), Lancaster-Oslo-Bergen Corpus (BritishEnglish, 1961), Lancaster 1931 (British English, 1931+/-3years), FLOB (BritishEnglish, 1991-1992), Kohlapur (Indian English, 1978), Australian Corpus of English orMacquarie Corpus (Australian English, 1986), Wellington Corpus of Written New85Zealand English (New Zealand English, 1986-1990) и Lancaster Corpus of MandarinChinese (Mandarin Chinese, 1991+/-3 years).
Все вышеупомянутые корпусывключают по одному миллиону слов из 500 отрывков, что позволяет считать ихдостаточно репрезентативными для работ по сравнению вариантов английскогоязыка, а также языков разных языковых семей (например, китайского ианглийского). Более того, подобная коллекция баз данных может быть полезнойпри диахронических исследованиях английского языка. Тем не менее, дляизучения какого-либо явления в современном состоянии каждый из данныхкорпусов самостоятельно не представляет значительной ценности. Аналогичныецели, т.е. исследование вариантов английского языка в синхронии, преследуют идругие корпусы, такие как the International Corpus of English или theLongman/Lancaster Corpus, предлагающие небольшой срез языка в разныхстранах.
Ряд других баз располагает данными для диахронического исследованияанглийского языка: the Helsinki Corpus of English Texts, the Archer Corpus, theLampeter Corpus of Early Modern English Tracts, the Dictionary of Old EnglishCorpus in Electronic Form, The Early English Books Online database, the Corpus ofEarly English Correspondence, the Corpus of English Dialogues (содержащиематериал диалогов на раннем новом английском). Учитывая цели данной работы,корпусы, предназначенные для сравнительных исследований в диахронии или дляисторических исследований, не включают достаточный для исследованияматериал.86Одним из наиболее полных проектов корпусов несомненно является TheBritish National Corpus (BNC), включающий около 100 млн слов.
90% единицкорпуса – из письменных источников, отобранных по трем основным критериям:область, время и формат. Под «областью» при этом понимается предметнаяобласть текста (например, «Финансы», «Прикладные науки», «Искусство» идругие); параметр «время» отражает дату/период публикации (1960-1974, 19751993 или «дата неизвестна»), а «формат» - вид публикации (например, книга,периодика, неопубликованные манускрипты). Меньшую часть (10%) корпусасоставляет устный подкорпус, при отборе материала в который составителируководствовалисьдвумядополняющимидругдругапараметрами–«демографическим» (для отбора спонтанных разговоров) и «контекстуальным»(для отбора записей встреч и передач). С одной стороны, для наиболее полногопредставления языка необходимо учитывать формат и контекст устной речи,поэтомуполовинуустногоподкорпусаBNCсоставляютнеформальныеразговоры, деловые встречи, лекции, радио передачи и др.
Все источники можноразделить на четыре категории – образовательная/информативная (лекции,новостные и образовательные передачи – 20,56% источников), деловая(презентации товаров, встречи профсоюзов, собеседования – 21,47%), публичныеречи(речиполитиков, заседания парламента, проповеди– 21,86%) иразвлекательные (спортивные комментарии, заседания клубов, звонки на радио –23,71%).
Таким образом, можно отметить, что указанные четыре категориипредставленыпрактическиравнозначно87(12,38%источниковосталисьнеклассифицированными). Вторая половина устной части корпуса – спонтанныеразговоры, записанные 124 добровольцами в 38 городах Великобритании. Длядемографически достоверной репрезентации речи британского общества вкорпусе, в проекте участвовало одинаковое количество мужчин и женщин,практически равномерно представляющих различные возрастные группы исоциальные классы.Все входные единицы корпуса BNC аннотированы, что позволяетпроизводить поиск по частям речи, источникам и их характеристикам.Другим значимым корпусом английского языка является the Bank of English,разработанный в Бирмингемском университете в рамках проекта COBUILD(Collins Birmingham University International Language Database).
На данный моментв корпусе 524 млн слов (75% составляют письменные тексты и 25% –транскрипты речей, передач и разговоров). Основное достоинство данногокорпуса в том, что он постоянно пополняется, что позволяет оперативноотслеживать новые слова и значения, а также вышедшие (или выходящие) изупотребления. Благодаря этому, корпус особенно полезен при решениилексикографических задач.
Тем не менее, свободно можно получить доступ лишьк 10% корпуса (случайно выводимая, а, следовательно, не вывереннаядемографически доля лексики), и вывести не более 40 строчек результата, что неможет отражать действительной и полной лингвистической картины при поискене по слову, а по определенным критериям.88Следовательно, из значительного ряда корпусов английского языка,созданных к настоящему времени, задачам и требованиям данного исследованияотвечает только British National Corpus, так как располагает большой базойданных устной речи (10 млн слов), отражающей языковую ситуацию вбританском варианте английского языка (с возможностью выделить толькорегионы Англии); в корпусе соблюден демографический баланс по социальнымгруппам.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
