Языковые корпуса
Версия от 20:39, 21 мая 2025; Ӧньӧ Лав (обсуждение | вклад)
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
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