A Magyar Nemzeti Szövegtár

Magyar Nemzeti Szövegtár

A Magyar Nemzeti Szövegtár

Váradi TamásMTA Nyelvtudományi Intézet

Korpusznyelvészeti Osztá[email protected]


Rövid jellemzésKiknek készült?Nemzetközi előzményekÖsszetételeMitől „nemzeti”?Hogyan készült?Hogy néz ki belülről?Hogyan használható?Intelligens keresésHogyan tovább?

Tartalom


Rövid jellemzésAz írott nyelvhasználat hiteles tükre150 millió szavas reprezentatív mintaVálogatott szövegek, egységesen kódolva

nyelvhasználatunk keresztmetszeteválogatás nem ‘érdem’ alapján

Intelligens korpusznyelvtanilag elemzett és egyértelműsítettlekérdezés nyelvtani jellemző szerint is


Kiknek készült?Nyelvészeknek, szótárszerkesztőknekpontos, számszerűsíthető kép napjaink írott

magyar nyelvhasználatárólSzámítógépes nyelvészeknekértékes forrás számítógépes alkalmazások

számáraTársadalomtudósoknak, a magyar kultúra kutatóinaka nyelvhasználatban kódolt finom „üzenetek”


Nemzetközi előzmények60-as évek: BROWN, LOB korpusz1 millió szavas gondos összeállítás80-as évek: COBUILD szótár20 m 450 m szó Bank of English90-es évek: British National Corpus100m szó, 10 m szó beszélt nyelvből90-évektől: nemzeti korpuszokCseh, szlovén, német, francia, USA, ausztrál stb.


Az MNSZ összetételeNyelvi változat m. szó Forrás

Sajtó 75 online kiadás

Szépirodalom 15 Digitális Irod. Akadémia

Tudományos próza 20Magyar

Elektronikus Könyvtár

Hivatali nyelv 20Minisztérium, önkormányza

t

Személyes közlés 20 Index.hu Törzsasztal

Összesen: 150


Mitől „nemzeti”?Mérete szerint

egyedülálló vállalkozásTartalma szerint

nem csak az „írástudó elit” nyelvezetenem csak budapesti nyelvhasználathatáron túli nyelvhasználat is

Kárpát-medencei Magyar Korpuszelőkészületben az MNSZ alapján


Hogyan készült?Elektronikus forrásokElőfeldolgozásNyelvtani elemzésEgyértelműsítésÖsszefűzés, indexálásLekérdező szoftver1998 – 2000 között OTKA támogatás2002-2003 SZT-IS-7 pályázat


<div type="article" column="unspec"><opener><dateline><w lemma="HVG" msd="N.NOM" ctag="NS3NN">HVG</w><w lemma="2001/16" msd="DIG" ctag="Q">2001/16</w><c lemma="." msd="SPUNCT" ctag="SPUNCT">.</c><w lemma="szám" msd="N.NOM" ctag="NS3NN">szám</w><date iso8601="04-21-2001"><w lemma="2001._április_21." msd="DATUM" ctag="DATUM">2001._április_21.</w> </date></dateline></opener><head rend="IT" type="unspec"><s><w lemma="egészségügyi" msd="A.NOM" ctag="AS_A">Egészségügyi</w><w lemma="szigorítás" msd="N.PL.NOM" ctag="NP3NN">szigorítások</w> </s></head><head><s><w lemma="sok" msd="Num.NOM" ctag="Q">Sok</w><w lemma="zseb" msd="N.ELA" ctag="NS3NE">zsebből</w><w lemma="vérzik" msd="V.e3" ctag="VS3RI">vérzik</w> </s></head><head rend="BO" type="display"><s>

Annotált korpusz - részlet belülről

Hogy néz ki belülről?


Hogyan használható? - Keresés


Hogyan használható? - Találatok


Intelligens keresésKeresés szófaj és nyelvtani alak alapján

pl. „az”: 656272 előfordulásnévelő és mutatószó egyaránt15542 esetben mutatószó

Két szó együttes előfordulásaállandósult szókapcsolatokigei vonzatok


Hogyan tovább?állapotfelvétel a 90-es évek második felérőla nyelvhasználat dokumentálása

újabb és újabb állapotfelvételélő nyelvtörténet

minden eddiginél pontosabb adatokkal



http://corpus.nytud.hu/mnsz

[email protected]

http://corpus.nytud.hu/mnsz

A Magyar Nemzeti Szövegtár

Documents