Национальный корпус русского языка (НКРЯ) пополнился 11,3 миллиарда словоупотреблений из социальной сети «ВКонтакте», увеличив общий объём корпуса до 13,5 миллиарда. Это историческое обновление проекта позволит лингвистам проводить более глубокие исследования современного русского языка, используя данные неформальных текстов.
История и масштаб НКРЯ
НКРЯ — это крупный проект, который существует уже 20 лет и объединяет 50 коллекций текстов различных жанров и временных периодов. В его создании участвуют ведущие лингвисты и разработчики из таких научных организаций, как Институт русского языка имени В. В. Виноградова РАН и Институт проблем передачи информации РАН. С момента основания НКРЯ поддерживается компанией «Яндекс», что позволяет ему постоянно обновляться и расширяться.Подробности о новом пополнении
В обновлении НКРЯ включены тексты из «ВКонтакте» за период с 2007 года до начала 2022 года. Эти данные отражают особенности устно-письменной речи: пользователи часто используют разговорные конструкции, новые слова, неформальные выражения и мемы, которые редко встречаются в традиционных письменных источниках. Это позволяет исследователям отслеживать новые языковые тенденции, включая популярность слов вроде «годнота» и искажённых форм, таких как «афффтар» и «дефффчонки».Корпус дает возможность не просто искать отдельные слова, но и анализировать их употребление по годам и жанрам, создавая полную картину языковых изменений и разнообразия. Также доступен API для разработчиков и исследовательских групп, что упрощает интеграцию этих данных в различные проекты и исследования.
Что это значит для исследователей
Для исследователей и лингвистов увеличение корпуса до 13,5 миллиарда словоупотреблений означает доступ к одному из крупнейших ресурсов для изучения живого языка. Это расширение позволит выявить, как новые слова входят в обиход, как язык реагирует на культурные явления и какие выражения становятся популярными в тот или иной период. Кроме того, это поможет в анализе и понимании сленга и локальной лексики из социальных сетей.Следующее обновление НКРЯ планируется в 2024 году, когда ожидается добавление новых данных и текстов для ещё более полного охвата современного русского языка.