Языковые корпуса

Региональные корпуса

• Письменный корпус татарского языка (Группа Мансура Сайхунова) 537 млн.
• Татарский национальный корпус «Туган тел» (НИИ «Прикладная семиотика» АН РТ) 194 млн.
• Коми кыв корпус (FU-Lab) 88 млн.
• Корпус марийского языка (МарНИИЯЛИ) 21 млн.
• Корпус чувашского языка (Лаборатория чувашского языка) 17 млн.
• Национальный корпус якутского языка (ИГИиПМНС СО РАН) 15 млн.
• Национальный корпус удмуртского языка (УИИЯЛ УФИЦ УрО РАН) 8,5 млн.
• Национальный корпус калмыцкого языка (КалмНЦ РАН) 8 млн.
• Корпус коми-пермяцкого языка (КПИПКРО & FU-Lab) 7 млн.
• Бурятский корпус (ИМБТ СО РАН & Тимофей Архангельский) 3 млн.
• Открытый корпус карельского и вепского языков (ИЯЛИ КарНЦ РАН) 2,3 млн.
• Мансийский корпус на портале мансийского языка (ЮНИИ ИТ)
• Национальный корпус чувашского языка (ЧГИГН)
• Корпус якутского языка (СВФУ, НГУ)
• Машинный фонд башкирского языка ---
• Национальный корпус башкирского языка ---

☼ ☼ ☼

• Korp - Meadow Mari texts (Giellatekno) 57,38 млн. ?
• Алматинский корпус казахского языка (НИУ ВШЭ) 40 млн.
• Korp - Erzya texts (Giellatekno) 14,05 млн.
• Korp - Moksha texts (Giellatekno) 12,79 млн.
• Осетинский национальный корпус (НИУ ВШЭ) 12 млн.
• Адыгейский корпус (НИУ ВШЭ) 10 млн.
• Корпуса удмуртского языка (Тимофей Архангельский) 9,57 млн.
• Корпус даргинского литературного языка 6,4 млн
• Korp - Hill Mari texts (Giellatekno) 6,25 млн.
• Корпуса лугового марийского языка (Тимофей Архангельский) 5,53 млн.
• Корпуса эрзянского языка (Тимофей Архангельский) 2,3 млн.
• Корпуса коми-зырянского языка (Тимофей Архангельский) 1,76 млн.
• Корпуса мокшанского языка (Тимофей Архангельский) 1,74 млн.
• Korp - Komi-Zyrian texts (Giellatekno) 963 тыс.
• Калмыцкий корпус (НИУ ВШЭ) 800 тыс.
• Электронный корпус хакасского языка (ИЯз РАН) 700 тыс.
• Korp - Udmurt texts (Giellatekno) 271 тыс.
• Korp - Komi-Permyak texts (Giellatekno) 241 тыс.
• Нганасанский корпус INEL 1.0 (AdW & Uni Hamburg) 221 747
• Энецкий корпус INEL 1.0 (AdW & Uni Hamburg) 218 710
• Долганский корпус INEL 2.0 (AdW & Uni Hamburg) 97 625
• Эвенкийский корпус INEL 2.0 (AdW & Uni Hamburg) 93 264
• Селькупский корпус INEL 2.0 (AdW & Uni Hamburg) 81 498
• Мультимедийный бесермянский корпус (НИУ ВШЭ, МГУ) 65 тыс.
• Камасинский корпус INEL 2.0 (AdW & Uni Hamburg) 63,8 тыс.
• Корпус горномарийского языка (ИЯз РАН) 63,5 тыс.
• Ненецкий корпус INEL 1.0 (AdW & Uni Hamburg) 61 278
• Корпус северноселькупских письменных текстов (юридические тексты) (ИЯз РАН) 52 тыс.
• Камасинский корпус INEL 2.0 (AdW & Uni Hamburg) 49 тыс.
• Корпус эвенкийского языка (ИЯз РАН) 47,8 тыс.
• Мультимедийный корпус кетского языка (ИЯз РАН) 15,9 тыс.
• Мансийский (тавдинский диалект) корпус INEL 1.0 (AdW & Uni Hamburg) 11 879
• Корпус ительменского языка (ИЯз РАН)

☼ ☼ ☼

• Национальный корпус русского языка
• Corpus of Contemporary American English
• British National Corpus (BNC)
• Ústav Českého národního korpusu
• Eastern Armenian National Corpus
• Ссылки на корпуса с сайта кафедры ЮНЕСКО в Братиславе
• Къырымтатар тилининъ лингвистик корпусы

Аудиокорпуса

• Устный корпус башкирского языка
• Коми медиатека (ижемский диалект коми языка)

Проекты

• INEL Projekt von der Akademie der Wissenschaften in Hamburg in Kooperation mit der Universität Hamburg
• Корпуса. Малые языки России Лаборатории исследования и сохранения малых языков Института языкознания РАН
• Лингводок
• Проект DARGWA

Статьи

• Корпусная лингвистика : Программа фундаментальных исследований Президиума РАН ---
• COMPUTER CORPORA OF THE URALIC LANGUAGES ---
• Т. А. Архангельский. Интернет-корпуса финно-угорских языков России.
• И. Давидюк, А.А. Кибрик, Д.Д. Мордашова. Корпусные исследования языков Российской Федерации.
• М. Р. Сайхунов, Р. Р. Хусаинов, Т. И. Ибрагимов. Сложности при создании текстового корпуса объёмом более 400 млн токенов.
• Мансур Сайхунов: Татар теленең язма корпусы буш вакытыбызда үз акчабызга эшләнде.
• Timofey Arkhangelskiy. Web Corpora of Volga-Kama Uralic Languages

Списки

• Uralic Language Corpora (Göttingen State and University Library)