Морфологический стандарт Национального корпуса русского языка
Представление в корпусе информации о морфологических формах и значениях (часть речи, род, падеж, вид…) является самостоятельной научной проблемой. Решения, принятые в корпусе, в основном опираются на морфологическую модель, представленную в «Грамматическом словаре русского языка» А. А. Зализняка (М., 1977; 4-е изд., М., 2003).
Однако специфика корпуса как универсального средства исследования языка диктует некоторые особые решения; именно этой спецификой продиктованы все отступления от модели Грамматического словаря, содержащиеся в нашем стандарте.
Структура морфологической информации
Морфологическая информация, приписываемая произвольному слову в тексте, состоит из четырех «полей», или групп помет:
- Лексема, которой принадлежит словоформа (указывается «словарная запись» данной лексемы и ее принадлежность к той или иной части речи).
- Множество грамматических признаков данной лексемы, или словоклассифицирующие характеристики (например, род для существительного, переходность для глагола).
- Множество грамматических признаков данной словоформы, или словоизменительные характеристики (например, падеж для существительного, число для глагола).
- Информация о нестандартности грамматической формы, орфографических искажениях и т. п.
Морфологический разбор (или множество морфологических разборов), приписанный каждой словоформе в составе поисковой выдачи, высвечивается в отдельном окне при щелчке на словоформе курсором мыши.
В основу метаязыка грамматических помет, ввиду предполагаемой широкой международной аудитории пользователей Корпуса, положена система сокращенных помет («тегов») на основе латинского алфавита. В то же время предусмотрена возможность использования при поиске традиционных названий категорий на русском языке (в форме «грамматические признаки»).
Ниже приводим инвентарь всех используемых в корпусе грамматических помет. Для пояснения в скобках даются примеры.
Части речи
| S | существительное (яблоня, лошадь, корпус, вечность) |
|---|
| A | прилагательное (коричневый, таинственный, морской) |
|---|
| NUM | числительное (четыре, десять, много) |
|---|
| ANUM | числительное-прилагательное (один, седьмой, восьмидесятый) |
|---|
| V | глагол (пользоваться, обрабатывать) |
|---|
| ADV | наречие (сгоряча, очень) |
|---|
| PRAEDIC | предикатив (жаль, хорошо, пора) |
|---|
| PARENTH | вводное слово (кстати, по-моему) |
|---|
| SPRO | местоимение-существительное (она, что) |
|---|
| APRO | местоимение-прилагательное (который, твой) |
|---|
| ADVPRO | местоименное наречие (где, вот) |
|---|
| PRAEDICPRO | местоимение-предикатив (некого, нечего) |
|---|
| PR | предлог (под, напротив) |
|---|
| CONJ | союз (и, чтобы) |
|---|
| PART | частица (бы, же, пусть) |
|---|
| INTJ | междометие (увы, батюшки) |
|---|
Значения грамматических категорий
Род
| m | мужской род (работник, стол) |
|---|
| f | женский род (работница, табуретка) |
|---|
| m-f | «общий род» (задира, пьяница) |
|---|
| n | средний род (животное, озеро) |
|---|
Одушевленность
| anim | одушевленность (человек, ангел, утопленник) |
|---|
| inan | неодушевленность (рука, облако, культура) |
|---|
Число
| sg | единственное число (яблоко, гордость) |
|---|
| pl | множественное число (яблоки, ножницы, детишки) |
|---|
Падеж
| nom | именительный падеж (голова, сын, степь, сани, который) |
|---|
| gen | родительный падеж (головы, сына, степи, саней, которого) |
|---|
| dat | дательный падеж (голове, сыну, степи, саням, которому) |
|---|
| dat2 | дистрибутивный дательный ([по] многу, нескольку, стольку) |
|---|
| acc | винительный падеж (голову, сына, степь, сани, который/которого) |
|---|
| ins | творительный падеж (головой, сыном, степью, санями, которым) |
|---|
| loc | предложный падеж ([о] голове, сыне, степи, санях, котором) |
|---|
| gen2 | второй родительный падеж (чашка чаю) |
|---|
| acc2 | второй винительный падеж (постричься в монахи; по два человека) |
|---|
| loc2 | второй предложный падеж (в лесу, на оси́) |
|---|
| voc | звательная форма (Господи, Серёж, ребят) |
|---|
| adnum | счётная форма (два часа́, три шара́) |
|---|
Краткая/полная форма
| brev | краткая форма (высок, нежна, прочны, рад) |
|---|
| plen | полная форма (высокий, нежная, прочные, морской) |
|---|
Степень сравнения
| comp | сравнительная степень (глубже) |
|---|
| comp2 | форма «по+сравнительная степень» (поглубже) |
|---|
| supr | превосходная степень (глубочайший) |
|---|
Вид
| pf | совершенный вид (пошёл, встречу) |
|---|
| ipf | несовершенный вид (ходил, встречаю) |
|---|
Переходность
| intr | непереходность (ходить, вариться) |
|---|
| tran | переходность (вести, варить) |
|---|
Залог
| act | действительный залог (разрушил, разрушивший) |
|---|
| pass | страдательный залог (только у причастий: разрушаемый, разрушенный) |
|---|
| med | медиальный, или средний залог (глагольные формы на -ся: разрушился и т.п.) |
|---|
Форма (репрезентация) глагола
| inf | инфинитив (украшать) |
|---|
| partcp | причастие (украшенный) |
|---|
| ger | деепричастие (украшая) |
|---|
Наклонение
| indic | изъявительное наклонение (украшаю, украшал, украшу) |
|---|
| imper | повелительное наклонение (украшай) |
|---|
| imper2 | форма повелительного наклонения 1 л. мн. ч. на -те (идемте) |
|---|
Время
| praet | прошедшее время (украшали, украшавший, украсив) |
|---|
| praes | настоящее время (украшаем, украшающий, украшая) |
|---|
| fut | будущее время (украсим) |
|---|
Лицо
| 1p | первое лицо (украшаю) |
|---|
| 2p | второе лицо (украшаешь) |
|---|
| 3p | третье лицо (украшает) |
|---|
Прочие признаки
| persn | личное имя (Иван, Дарья, Леопольд, Эстер, Гомер, Маугли) |
|---|
| patrn | отчество (Иванович, Павловна) |
|---|
| famn | фамилия (Николаев, Волконская, Гумбольдт) |
|---|
| zoon | кличка животного (Шарик, Дочка) |
|---|
| 0 | несклоняемое (шоссе, Седых) |
|---|
Часть указанных помет (а именно, второй винительный падеж, дистрибутивный дательный падеж, звательная форма, счётная форма, форма по+сравнительная степень, общий род, зооним) присутствуют только в корпусе со снятой грамматической омонимией.
Множественные разборы
В отдельных случаях в морфологической разметке допускается указание у одной и той же словоформы нескольких разборов, а именно:
- Для прилагательных, совпадающих с причастиями (открытый), в неоднозначных случаях в качестве исходной дается как лексема-прилагательное (ОТКРЫТЫЙ), так и глагол (ОТКРЫТЬ).
- Ставится множественная помета в случаях, когда однозначный выбор лексемы или грамматического значения в данном контексте невозможен (не видел родного отца — gen/acc; манекену — anim/inan; спазмами — исходная форма СПАЗМ/СПАЗМА и т. п.)
Информация о нестандартности и особенностях записи
В корпусе со снятой грамматической омонимией предусмотрен ряд помет, указывающих на нестандартность и/или особенности записи входящей в Корпус словоформы. Отсутствие таких особенностей обозначается пометой normal.
- anom («Аномальная форма») — различного рода морфологические аномалии, возможные у устаревших или просторечных нелитературных форм (три дни при нормативном три дня, ляжь при нормативном ляг)
- distort («Искаженная форма») — орфографическое и/или фонетическое искажение слова, часто передающее различные особенности произношения (дэвушка, това’ищи, про-хо-ди, низнаю).
- ciph («Цифровая запись») — запись числительного, числительного-прилагательного или прилагательного (полностью или частично) при помощи цифр (73, LXXIII, 73-й, 22-летний). Для этих словоформ в поле «Лексема» также употребляется цифровая запись; число и падеж указываются только в тех случаях, когда выписано окончание (типа 14-му).
- INIT («Инициал») — запись вида «заглавная буква с точкой» (М., Р.). В поле «Лексема» инициал не раскрывается; грамматические признаки не указываются.
- abbr («Сокращение») — сокращенная запись (тов., гг., ч.). В поле «Лексема» сокращение (кроме инициалов) раскрывается, указывается грамматическая форма, соответствующая контексту. Специально отметим, что акронимы вроде ООН, вуз и усеченные слова вроде зав, зам, записываемые без точки и не раскрываемые при чтении, не получают пометы abbr и трактуются как обычные слова (склоняемые или несклоняемые).
Кроме того, в корпусе с неснятой грамматической омонимией используется особая помета (bastard) для несловарной формы (не входящей в словарь автоматического анализатора, а порожденной по аналогии, например, форма вроде Махабхарата получает несколько гипотетических разборов, в том числе от псевдолексем махабхаронок, махабхарать и т. п.); по мере пополнения словаря анализатора число таких форм будет уменьшаться. С целью снижения «шума» при поиске по корпусу с неснятой грамматической омонимией иногда бывает целесообразно исключить поиск по подобным формам; для ряда задач, напротив, можно ограничить поиск именно ими.
Корпусный словарь неоднословных лексических единиц
В морфологической разметке Корпуса свой разбор имеет каждое орфографическое слово (отделяемое пробелом). Однако в состав Корпуса входит также словарь неоднословных лексических единиц (оборотов) — таких, как предложный оборот во имя, наречный оборот без запинки, вводный оборот таким образом и т. п. Они сгруппированы по синтаксическим (частеречным) функциям. В словаре указана частотность каждой лексической единицы, а также имеется возможность перейти к контекстам Корпуса с данным оборотом.
Перейти на страницу словаря неоднословных единиц.
