Прошла конференция «Корпусная линвистика ‒ 2019» в Санкт-Петербурге

9 июля 2019 года
С 24 по 28 июня 2019 года в Санкт-Петербурге прошла международная конференция «Корпусная линвистика ‒ 2019». В ходе конференции обсуждали теоретические и прикладные вопросы корпусной лингвистики.

Участники конференции «Корпусная лингвистика ‒ 2019»

Организаторами конференции стали кафедра математической лингвистики Санкт-Петербургского государственного университета (СПбГУ) совместно с Институтом лингвистических исследований (ИЛИ РАН) и кафедрой образовательных технологий в филологии Российского государственного педагогического университета им. А. И. Герцена (РГПУ).

Панорама закрытого дворика Филологического факультета СПбГУ. Место отдыха для студентов, сотрудников и гостей университета

Первый день, 24 июня

Школы-семинары конференции открыл А. А. Крижановский. Он провёл мастер-класс «Создание словарных статей в электронном комплексном словаре „Русский Викисловарь“». Было создано несколько новых словарных статей. Слайды презентации доступны онлайн.

Практическое занятие по работе в Русском Викисловаре для участников конференции «Корпусная лингвистика ‒ 2019», Санкт-Петербург

Ольга Александровна Митрофанова (СПбГУ) вместе со своими учениками рассказала о популярных и востребованных в математической лингвистике дистрибутивно-семантических моделях, её доклад назывался «Дистрибутивно-семантические модели в лингвистическом процессоре для русского языка».

Ольга Александровна Митрофанова (СПбГУ) рассказывает о дистрибутивно-семантических моделях

О. А. Митрофанова с коллегами и учениками разработали DSM-калькулятор, которым и воспользовались участники семинара в учебных целях. По этой же ссылке можно увидеть и потестировать семантический калькулятор и ESA-калькулятор.

Анна Крюкова, ученица О. А. Митрофановой и сотрудница PROMT, выступает с докладом о реализации метода ESA для русского языка

Третий день, 26 июня

Сразу два доклада были связаны с корпусом Ru-RSTreebank. Это русскоязычный дискурсивный корпус, тексты в нём размечены в рамках Теории риторической структуры, разработанной в 1980-е годы Уильмом Манном и Сандрой Томпсон.

Мария Вадимовна Кобозева отвечает на вопросы слушателей, председатель секции — Алексей Михайлович Лаврентьев

Соколова Елена Григорьевна проанализировала свойства двух риторических отношений «контраст» и «сравнение» на данных корпуса Ru-RSTreebank (см. видео).

Елезарова Юлиана Николаевна (СПбГУ) представила доклад «Грамматикализация речевого конверба „дип“ в татарском языке (на корпусных данных)». Исследование проведено на основе Татарского национального корпуса «Туган тел» (см. видео).

Проект CoCoCo представил Михаил Копотев (Хельсинкский университет). Это забавное название CoCoCo складывается из начала слов «Collocations, Colligations, and Corpora» (см. видео).

Видеоматериалы к некоторым докладам третьего дня:

• Риторические отношения «контраст» и «сравнение» (Ru-RSTreebank), Соколова Елена
• Грамматикализация речевого конверба «дип» в татарском языке, Елезарова Юлиана
• О проекте CoCoCo рассказывает Михаил Копотев

Влатко Броз (хорв. Vlatko Broz; Университет Сан-Паулу) рассказал о корпусе одного термина «Brexit».

Vlatko Broz представил доклад «A corpus-based critical discourse analysis of Brexit in the English language press»

Словенского языка коснулся Иван Канич (словен. Ivan Kanič). Для обработки текстов и извлечения словосочетаний была использован система Sketch Engine. Иван Канич рассказал о разрабатываемом корпусе научных текстов по информатике и библиотечному делу — Korpus bibliotekarstva.

Иван Канич (словен. Ivan Kanič) разрабатывает корпус на словенском языке Korpus bibliotekarstva

Наталья Борисовна Крижановская (ИПМИ КарНЦ РАН) представила доклад об извлечении морфологических правил для вепсских слов из Английского Викисловаря и пополнении словаря корпуса ВепКар. См. слайды и текст доклада.

Софья Юльевна Семёнова (ИНИОН РАН) рассказала о семантическом словаре РУСЛАН, первые версии которого разрабатывались в начале 2000 годов под руководством Нины Николаевны Леонтьевой. В новой версии РУСЛАНа используется корпусной подход для выбора наиболее частотных значений слов для описания их в словаре. Словник РУСЛАНа включает около 12 тысяч единиц. У проекта РУСЛАН есть небольшой сайт, где размещена библиография публикаций про словарь и представлены некоторые демонстрационные материалы (в том числе, примеры статей): sites.google.com/site/ruslandict (Архивная копия от 22 октября 2020 на Wayback Machine).

Ирина Владимировна Азарова (СПбГУ) рассказала о вычислительной онтологии русских предлогов.

Виктория Бобичева (англ. Victoria Bobicev) из Технического университета Молдовы рассказала о способах решения задачи определения авторства в научных публикациях на русском и украинском языках. Использовалась программа Weka.

Виктория Бобичева представила решение задачи определения авторства текста в научных публикациях

Четвёртый день, 27 июня

О. А. Митрофанова рассказала об исследовании структуры романа «Мастер и Маргарита» М. А. Булгакова с помощью методов тематического моделирования.

Использовалась компьютерная программа scikit-learn, в которой реализована модель LDA. Для визуализации результатов тематического моделирования использовалась библиотека pyLDAvis. После извлечения текста из библиотеки Мошкова получено порядка 120 тысяч словоупотреблений. В тематической модели было выделено 30 тем, по 30 первых слов в выдаче.

Исследование подтвердило выводы литературоведов, в частности есть чёткое противопоставление двух тем романа (роман-Е в романе-М) в построенной тематической модели. Найденные различия между фрагментами текста указывают (1) на создание романа за большой промежуток времени, (2) на стилистическую неоднородность: роман-Е близок к историческому повествованию, роман-М по стилю близок к сатирическим произведениям.

О. А. Митрофанова рассказала об исследовании структуры романа «Мастер и Маргарита» М. А. Булгакова с помощью методов тематического моделирования. На слайде дана тема № 4: Варенуха, Римский, финдиректор… и ещё 27 слов темы

Татьяна Юрьевна Шерстинова рассказала о создаваемой биографической базе данных русских писателей. Для наполнения базы были использованы разные ресурсы, в том числе:

• список из 3500 русских прозаических произведений на сайте Живой Журнал,
• Почти забытые — малопопулярные сейчас, известные тогда — писатели XIX—XX века,
• Нива — периодические журналы онлайн.

База данных включает не только сведения о писателях, но и тексты произведений. По-видимому, в Интернете эта интереснейшая база пока не представлена.

Т. Ю. Шерстинова. Наиболее исследуемые русские писатели. Доклад «Биографическая база данных русских писателей (к созданию корпуса русского рассказа XX века)»

Сергей Александрович Крылов прочитал доклад Ольги Евгеньевны Фроловой «Корпус как инструмент исследования художественного текста». Исследовался текст повести Котлован Андрея Платонова (см. видео).

Перерыв между докладами. На заднем плане — неизвестная картина… На стенде — фотографии сотрудников университета, ушедших на войну и работавших в тылу, в блокаде (или «в блокаду»)

Виктор Павлович Захаров и Татьяна Юрьевна Шерстинова рассказали о жизни, творчестве и многогранном таланте Григория Яковлевича Мартыненко (см. видео).

Увлекательнейший доклад Г. Я. Мартыненко о стилизованных синтаксических триадах на примере повести Артёма Весёлого «Реки огненные» представила Татьяна Юрьевна (см. видео).

Видеоматериалы к некоторым докладам третьего дня:

Внешние видеофайлы
	Доклад О. Е. Фроловой «Корпус как инструмент исследования художественного текста» читает С. А. Крылов.
	Доклад П. В. Паничевой «Анализ семантической связности в корпусах текстов для задач лингвистики и смежных областей».

В. П. Захаров. Доклад памяти Григория Яковлевича Мартыненко Т. Ю. Шерстинова. Рассказ о жизни и творчестве Григория Яковлевича Мартыненко Доклад Г. Я. Мартыненко «Стилизованные синтаксические триады в русском рассказе первой трети ХХ века» представила Т. Ю. Шерстинова

Пятый день, 28 июня

• 
  Во дворе Филологического факультета СПбГУ лето!
• 
  Виктор Аркадьевич Баранов (ИжГТУ), доклад «Поиск и демонстрация данных в историческом корпусе „Манускрипт“»
• 
  Кинозал СПбГУ

Илья Сергеевич Николаев (СПбГУ) рассказал о корпусном исследовании топонимов в ижорских народных песнях

Андрей Анатольевич Крижановский (ИПМИ КарНЦ РАН) рассказал о разнообразии диалектов карельского языка и об Открытом корпусе вепсского и карельского языков, разрабатываемом в Петрозаводске в Карельском научном центре РАН. См. слайды и текст доклада «Представление диалектов в Открытом корпусе вепсского и карельского языков (ВепКар)».

Светлана Олеговна Савчук (ИРЯ РАН) рассказала о том, как можно проводить диахронические исследования с помощью Национального корпуса русского языка.

Николай Дмитриевич Москин (ПетрГУ) рассказал о корпусе СМАЛТ, содержащем тексты в графике XIX века.

Светлана Сергеевна Земичева (ТГУ) рассказала о тематической разметке и анализе на её основе в Томском диалектном корпусе (Демо-версия корпуса). Интересная особенность паспорта текста: наличие поля «образование», см. например текст. Есть ли аудиозаписи этих текстов? Может ли корпус когда-нибудь стать мультимедийным (звуковым)? Очень интересная идея в этом корпусе — это привязка темы к разметке (см. пример).

Елена Андреевна Рогозина (СПбГУ) рассказала о системе СКАТ: Санкт-Петербургский корпус агиографических текстов (13 житий — старая версия сайта) и новая версия сайта (23 жития). Работа с цитатами и анализ цитат показаны на примере двух текстов, связанных друг с другом: житие преподобного Дионисия Глушицкого (учитель) и житие преподобного Григория Пельшемского (ученик). Текст размечается с помощью XML-разметки. Используется программное обеспечение TXM, представленное в следующем докладе.

Алексей Михайлович Лаврентьев (НЦНИ, Франции), один из разработчиков платформы TXM, показал — как работать с этой системой, как за несколько минут можно получить разнообразную числовую и визуальную информацию о тексте, если текст был предварительно размечен. С помощью платформы TXM был выполнен анализ словоформ, предварительно проведена лемматизация текста. TXM написан на языке Java, из TXM можно вызывать скрипты на языке R. В системе TXM используется язык запросов CQP.

Виктор Аркадьевич Баранов (ИжГТУ), рассказал о возможностях исторического корпуса «Манускрипт», www.manuscripts.ru.

Видеоматериалы к некоторым докладам пятого дня:

• И. С. Николаев. Корпусное исследование топонимов в ижорских народных песнях
• С.О. Савчук. Инструментарий национального корпуса русского языка в диахронических исследованиях
• Н. Д. Москин. К проблеме создания размеченных корпусов текстов в графике XIX века
• С. С. Земичева. Новые темы диалектного дискурса (на материале Томского диалектного корпуса)
• Е. А. Рогозина. Представление и анализ библейских, святоотеческих и литургических цитат в корпусе СКАТ
• А. М. Лаврентьев. Использование платформы TXM для анализа цитат в корпусе СКАТ
• В. А. Баранов. Поиск и демонстрация данных в историческом корпусе «Манускрипт» (фрагмент записи)

Участники конференции во дворике Филологического факультета СПбГУ

См. также

• Фото и видео на Викискладе: Corpus linguistics 2019.

Материалы

•  «Международная научная конференция «Корпусная лингвистика - 2019»». СПбГУ, 2 декабря 2019 года. (архив)

Ссылки

• Видеозаписи докладов // YouTube

Комментарии

Викиновости и Wikimedia Foundation не несут ответственности за любые материалы и точки зрения, находящиеся на странице и в разделе комментариев.

Мнения

Пожалуйста, прочтите правила общения и оформления реплик на портале Викиновости

Если вы хотите сообщить о проблеме в статье (например, фактическая ошибка и т. д.), пожалуйста, используйте обычную страницу обсуждения.

Комментарии на этой странице могут не соответствовать политике нейтральной точки зрения, однако, пожалуйста, придерживайтесь темы и попытайтесь избежать брани, оскорбительных или подстрекательных комментариев. Попробуйте написать такие комментарии, которые заставят задуматься, будут проницательными или спорными. Цивилизованная дискуссия и вежливый спор делают страницу комментариев дружелюбным местом. Пожалуйста, подумайте об этом.

Несколько советов по оформлению реплик:

• Новые темы начинайте, пожалуйста, снизу.
• Используйте символ звёздочки «*» в начале строки для начала новой темы. Далее пишите свой текст.
• Для ответа в начале строки укажите на одну звёздочку больше, чем в предыдущей реплике.
• Пожалуйста, подписывайте все свои сообщения, используя четыре тильды (~~~~). При предварительном просмотре и сохранении они будут автоматически заменены на ваше имя и дату.

Обращаем ваше внимание, что комментарии не предназначены для размещения ссылок на внешние ресурсы не по теме статьи, которые могут быть удалены или скрыты любым участником. Тем не менее, на странице комментариев вы можете сообщить о статьях в СМИ, которые ссылаются на эту заметку, а также о её обсуждении на сторонних ресурсах.

Добавить комментарий

• Спасибо организаторам конференции за прекрасную организацию!
• На следующей конференции было бы интересно пройти мастер-класс и попрактиковаться в работе с платформой TXM, о которой в своих докладах говорили Елена Андреевна Рогозина и Алексей Михайлович Лаврентьев. --Andrew Krizhanovsky (обсуждение) 07:07, 8 июля 2019 (UTC)