Дорогие коллеги!
Мы рады представить вам новый, открытый сегмент Генерального интернет-корпуса русского языка — корпус Живого Журнала с автоматически снятой неоднозначностью, размеченный в соответствии с новым форматом морфоразметки ГИКРЯ.
Здесь доступен демонстрационный вариант в 50.000 токенов:
Для скачивания доступны 2 миллиона словоформ (пожалуйста, обратитесь за ними по адресу geekrya@gmail.com), в дальнейшем мы собираемся увеличить этот объем за счет остальных сегментов ГИКРЯ (ВКонтакте, Блоги Mail.Ru, новостной корпус, Журнальный Зал).
Мы приглашаем разработчиков и исследователей использовать данный подкорпус для обучения собственных парсеров и улучшения существующих систем.
- Материал: 2 миллиона словоформ из Живого Журнала (публикации пользователей и комментарии)
- Разметка: Abbyy Compreno
- Формат: MSD-GICR, обновленная версия известного позиционного тагсета, дополненная ранее нереализованными граммемами.
Пример разметки:
Словоформа [лемма] морфотег комментарий
Если [если] C #союз
хочешь [хотеть] V-ip2s-a-p-ym #глагол, личная форма, наст.вр., 2-е лицо, ед.ч., активный залог, несов., перех.
тусить [тусить] V-n—-a-p-nm #глагол, инфин., активный залог, несов., неперех.
—
туси [тусить] V-m-2s-a-p-nm #глагол, пов.накл., 2-е лицо, ед.ч., активный залог, несов., неперех.
.
Если [если] C #союз
хочешь [хотеть] V-ip2s-a-p-ym #глагол, личная форма, наст.вр., 2-е лицо, ед.ч., активный залог, несов., перех.
бухнуть [бухнуть] V-n—-a-e-ym #глагол, инфин., активный залог, соверш., перех.
—
бухни [бухнуть] V-m-2s-a-e-ym #глагол, пов.накл., 2-е лицо, ед.ч., активный залог, соверш., перех.
Новый тагсет MSD-GICR: