Коранический корпус арабского языка
Коранический корпус арабского языка — доступный для поиска электронный онлайн-корпус текстов Корана, включающий 77 430 арабских слов. Целью проекта является предоставление морфологических и синтаксических данных для исследователей, желающих изучить классический арабский язык[1][2][3][4][5].
Коранический корпус арабского языка | |
---|---|
URL | corpus.quran.com |
Коммерческий | GNU General Public License |
Тип сайта | корпус текстов |
Язык (-и) | арабский/английский |
Расположение сервера | Великобритания |
Владелец | Лидский университет |
Начало работы | 2009 |
Текущий статус | работает и развивается |
Функции
Грамматический анализ текста помогает пользователям раскрывать предполагаемые значения каждого аята и предложения. Каждое слово текста Корана атрибутировано указанием его части речи и несколькими морфологическими характеристиками. В отличие от других корпусов арабского языка, грамматика, используемая Кораническим корпусом, является традиционной арабской грамматикой Ираб (إعراب). Коранический корпус арабского языка — это исследовательский проект, возглавляемый специалистом по компьютерным наукам Кайс Дюкс[англ.] из Лидского университета[4], который является частью проекта по изучению арабского языка в Школе вычислительной техники под руководством Эрика Атуэлла[6].
Аннотированный корпус включает в себя[1][7]:
- верифицированную вручную частеречную разметку текста на арабском языке;
- аннотированную древовидную структуру корпуса классического арабского языка;
- новую визуализацию традиционной арабской грамматики через графы зависимостей;
- морфологический поиск по тексту Корана;
- машиночитаемый морфологический арабо-английский словарь;
- частеречный конкорданс арабского языка Корана, с лемматизацией;
- онлайновую доску объявлений для волонтёров сообщества.
Частеречная разметка присваивает каждому слову корпуса тег части речи и морфологические признаки — например, указание, является данное слово существительным или глаголом, стоит в мужском или женском роде. На первом этапе проекта была задействована автоматическая частеречная разметка. Затем характеристики для каждого из 77 430 слов Корана поэтапно уточнены двумя аннотаторами, и уточнения продолжаются до настоящего времени.
Лингвистические исследования, в которых используется Коранический корпус, включают в себя обучение скрытой марковской модели частеречной разметки арабского языка[8], автоматическую категоризацию глав Корана[9] и просодический анализ текста[10].
Кроме того, проект предусматривает дословный перевод Корана на основе принятых английских источников вместо осуществления нового перевода Корана[4].