Потенциал корпусного менеджера для обработки лингвистических данных (на примере корпуса китайских электронных СМИ)

Abstract

В исследовании тестируются возможности программного комплекса «Генератор сбалансированного лингвистического корпуса и корпусный менеджер». В несколько этапов решаются такие задачи, как отбор лингвистического материала, формирование тестового корпуса актуальных текстов электронных СМИ на китайском языке, апробация частеречной разметки на материале языка изолирующего типа, установление уровня точности работы модуля «китайский язык». В ходе анализа было установлено, что в отличие от индоевропейских языков, которые ранее служили апробационным материалом для тестирования программного комплекса, китайский язык вносит особенности в алгоритм функционирования системы в силу типологических особенностей. Полученные в ходе запросов лингвистические и статистические данные были подвергнуты анализу, в результате которого было установлено, что погрешность определения заявленных частей речи составляет 7–8 %. В качестве перспективы исследования рассматривается оптимизация поиска данных в рамках модуля «китайский язык» и формирование ряда алгоритмов поиска частей речи в заданном лингвистическом корпусе. К л ю ч е в ы е с л о в а: цифровая экономика; прикладная лингвистика; корпусный менеджер; искусственный интеллект; лингвистический корпус; китайский язык; электронные СМИ.