В настоящее время активно создаются корпусы естественных языков с помощью современных
информационных технологий и методов математического моделирования. Под корпусом понимается информационно-справочная система, основанная на собрании оцифрованных текстов. Корпус включает
в себя различные письменные и устные тексты, представленные в данном языке, различные типы словарей, а также разметку – информацию о свойствах текстов. Разметка отличает корпус от электронных библиотек текстов. В корпусах используются следующие типы разметки: метатекстовая, морфологическая, синтаксическая, семантическая и др. Чем богаче и разнообразнее разметка, тем выше научная
и учебная ценность корпуса. С помощью корпусов решаются многие филологические и лингвистические задачи.

Для многих языков народов Российской Федерации, в том числе для тюркских языков, создаются национальные корпусы. Работа над формированием Национального корпуса тувинского языка ведется преподавателями, аспирантами и студентами Тувинского государственного и Сибирского федерального университетов. На сегодняшний день в Национальном корпусе тувинского языка содержатся тексты тувинской художественной литературы (прозы, поэзии, драматургии, фольклора), официально-деловых документов. В корпус также входят частотный словарь по художественным произведениям на тувинском языке, тувинско-русский электронный словарь «ТывЛин», словарь диалектных слов алтайского диалекта тувинского языка, составленные М.В. Бавуу-Сюрюн и С.М. Далаа [1, 2].

Словари – важная часть корпуса. Различают несколько типов словарей. Словари в корпусах (или корпусные словари) наделены многими функциями. Корпусный словарь содержит всю лингвистическую информацию о каждом слове. Различают следующие типы словарей: переводные, грамматические, орфографические, орфоэпические, словообразовательные.

Переводные словари содержат сопоставление слова одного языка с его переводом на другом языке. Переводные словари условно разделяют на две большие группы: общелексические словари, которые переводят общую лексику с одного языка на другой язык; научные и научно-технические словари, которые охватывают специальные термины по определенным отраслям знаний. Грамматические словари содержат сведения о морфологических и синтаксических свойствах слова. Морфология изучает части речи,
их категории и формы слов, а синтаксис – структуру словосочетаний и предложений. Орфографические словари определяют правила написания слов. Орфоэпические словари указывают правила произношения слов. Словообразовательные словари отражают словообразовательную структуру слов. В них слова приводятся с ударением и разделяются на морфемы. Под морфемой принято понимать минимальную значимую часть слова. К морфемам относятся корни (или основы) и аффиксы. Корень - морфема, несущая лексическое значение слова или основную часть этого значения. Аффикс – морфема, видоизменяющая значение слова или основную часть этого значения. К аффиксам относятся префиксы и постфиксы [3, 4]. Корпусный словарь сочетает в себе, как правило, функции переводного, грамматического, орфографического, орфоэпического и словообразовательного типов словарей.

В организационной структуре различных типов словарей много общего. Основу всякого словаря
составляют словарные статьи. Каждая словарная статья посвящена отдельному слову, его называют заголовочным (или заглавным). Словарная статья характеризует заголовочное слово с соответствующих точек зрения. Например, для англо-русских переводных словарей Л.П. Ступиным определены следующие части словарной статьи: entry word – заголовочное слово, sense – смысл, definition – определение переводного эквивалента, quotation – цитирование, reference – отсылка, status label – метка о временной или территориальной ограниченности употребления слова, regional label – метка о территориальной употребительности слова, functional label – метка о принадлежности слова к части речи, subject label – метка о принадлежности слова к определенной области знаний [5].

Корпусный словарь тувинского языка разрабатывается для изучения тувинского языка с точки зрения написания, произношения, толкования, а также для организации поиска слов и словосочетаний в текстах, хранящихся в корпусе. Поэтому корпусный словарь тувинского языка сочетает в себе функции переводного, грамматического, орфографического, орфоэпического типов словарей. Для организации данного словаря выбрана структура словарной статьи, позволяющая хранить соответствующую лексическую информацию о заголовочном слове (рис. 1).

Заголовочное слово

Перевод на русский, английский, немецкий языки

Транскрипция

Основа слова

Лемма (нормальная форма слова)

Граммема (грамматическая характеристика) или морфологическое описание слова (часть речи, число и другие характеристики)

Парадигмы - все формы слова. Каждой форме сопоставлены грамматические признаки, в частности, число, падеж, лицо, время, наклонение

Значение слова

Этимологическая справка (сведения о происхождении слова)

Метка о принадлежности к аббревиатурам

Метка о наличии синонима, омонима и антонима

Дополнительная информация

 

Рис. 1. Структура словарной статьи

При разработке корпусного словаря тувинского языка учитывались особенности морфологической структуры этого языка. С точки зрения морфологических особенностей различают изолирующие языки (морфемы максимально отделены друг от друга), агглютинативные (морфемы семантически отделены, но реально объединены в слова), флективные (семантические и формальные границы между морфемами плохо различимы) [6].

В изолирующих языках слово обычно совпадает с корнем, а отношения между словами задаются порядком слов, служебными словами, ритмом, интонацией. Например, к изолирующим языкам относится китайский язык. В агглютинативных языках доминирующим способом словоизменения является агглютинация (от лат. agglutinatio - склеивание). Структура слова в агглютинативных языках характеризуется большим количеством аффиксов, прибавляемых к неизменяемой основе слова. Каждый из аффиксов имеет только одно, строго назначенное значение. Располагаются аффиксы в определенном порядке,
но вместе с тем некоторые из них могут быть пропущены. К агглютинативным языкам относятся турецкий и казахский языки. Для флективных языков характерны многозначность морфем и сильная связь морфем в слове, не позволяющая им сравнительно свободно передвигаться внутри слова, как в агглютинативных языках. Типичными примерами флективных языков являются немецкий и русский. Тувинский язык относится к ветви тюркских языков, а с точки зрения морфологии к агглютинативным [3]. Морфология тувинского языка соответствует следующим требованиям: фиксированная последовательность словообразовательных аффиксов, их грамматическая однозначность, однократность появления в данной словоформе аффикса определенной граммемы, низкий процент грамматической омонимии, отсутствие префиксов [7, 8].

Основные сведения в каждой отдельной словарной статье корпусного словаря тувинского языка составляют морфологические признаки заголовочного слова. Эти сведения извлекаются из распознанных
и выправленных копий тувинско-русских и других переводных, морфологических и орфографических словарей тувинского языка, а также имеющихся БД основ и множества обнаруженных аффиксов тувинского языка [1, 2, 7]. Предполагается, что пополнение корпусного словаря осуществляется в процессе стемматизации (нахождения основы) новых заголовочных слов, их лемматизации (приведения к нормальной или словарной форме), выявления граммем и получения парадигм. Разработка методов
и средств реализации этих процессов составляет один из отдельных этапов совершенствования Национального корпуса тувинского языка, выполняемого при поддержке Российского гуманитарного научного фонда (грант 16-34-1-01033).

Приведем описание БД и разработанную версию программных средств создания и ведения корпусного словаря тувинского языка средствами Microsoft Office Access. БД корпусного словаря включает следующие реляционные таблицы: MAIN – основная таблица с заголовочным словом; RUS, ENG, GER – таблицы с переводом заголовочного слова на различные языки (русский, английский, немецкий); MORPHOLOGY – таблица, содержащая морфологические признаки заголовочного слова. Структура этих таблиц представлена на рисунках 2–5.

Работа с корпусным словарем тувинского языка осуществляется с помощью следующих функций: добавление и редактирование статьи, удаление статьи, поиск словарной статьи с транскрипцией, формирование и визуализация морфологических признаков заглавного слова. Соответствующие интерфейсы этих функций приведены на рисунках 6-9.

Структура словарной статьи и ее представление в БД Microsoft Office Access позволяют при необходимости расширять функции корпусного словаря и использовать этот словарь

- для изучения тувинского языка с точки зрения написания, произношения, толкования, перевода на другие языки;

- для формирования морфологической, синтаксической и семантической разметки тувинских текстов;

- для организации поиска слов и словосочетаний в текстах, хранящихся в Национальном корпусе тувинского языка.

В настоящее время разрабатывается менеджер корпусного словаря, реализующий различные функции по извлечению из словаря необходимой информации: поиск конкретного слова, поиск слова по лемме, поиск слов по набору морфологических признаков и другим позициям словарной статьи. Интерфейс менеджера корпусного словаря представлен на рисунке 10. Также ведутся работы по заполнению корпусного словаря, созданию программных средств стемматизации и лемматизации заголовочных слов, извлекаемых из текстов тувинской художественной литературы (прозы, поэзии, драматургии, фольклора) и официально-деловых документов на тувинском языке.

Литература

1. Бавуу-Сюрюн М.В. Тувинский язык на современном этапе. URL: http://www.tuva.asia/journal/issue_7/2158-bavyy-suyruyn-mv.html (дата обращения: 10.04.2017).
2. Салчак А.Я., Байыр-Оол А.В. Электронный корпус тувинского языка: состояние, проблемы // Мир науки, культуры, образование. 2013. № 6. С. 408-409.
3. Исхаков Ф.Г., Пальмбах А.А. Грамматика тувинского языка. Фонетика и морфология. М.: Изд-во восточ. лит-ры, 1961. 472 с.
4. Плунгян В.А. Общая морфология: Введение в проблематику. М.: Эдиториал УРСС, 2000. 384 с.
5. Ссорина М.С. Словарь как мультиструктурная организация // Ярославский пед. вестн.: Гуманитарные науки. 2011. № 1. Т. 1. С. 142–146.
6. Батура Т.В. Математическая лингвистика и автоматическая обработка текстов. Новосибирск: Изд-во РИЦ НГУ, 2016. 166 с.
7. Хертек А.Б., Ооржак Б.Ч. О морфологической разметке электронного корпуса текстов тувинского языка. URL: http://www.gramota.net/materials/2/2012/7-2/57.html (дата обращения: 10.04.2017).
8. Дыбо А.В., Шеймович А.В. Автоматический морфологический анализ для корпусов тюркских языков // Философия и культура. 2014. № 2. С. 20-26.