Поздравляем Тимофея Архангельского с защитой кандидатской диссертации

ПРИНЦИПЫ ПОСТРОЕНИЯ МОРФОЛОГИЧЕСКОГО ПАРСЕРА ДЛЯ РАЗНОСТРУКТУРНЫХ ЯЗЫКОВ
Специальность 10.02.21 — прикладная и математическая лингвистика

Создание электронного языкового корпуса — незаменимого инструмента современной лингвистики — является сложной задачей и состоит из нескольких этапов. Одним из самых сложных этапов при создании корпуса языка с богатой морфологией является грамматическая разметка текстов, при которой каждой словоформе текста приписываются её начальная форма и грамматические признаки. Разметка достаточно больших корпусов производится автоматически с помощью специальной программы — морфологического парсера.

В диссертации предлагается универсальный формат, с помощью которого можно описать грамматику и лексику языка, используя это описание в дальнейшем для автоматической разметки текстов с помощью морфологического парсера. В предлагаемом формате UniParser учитывается множество нетривиальных морофологических явлений, встречающихся в языках разного грамматического строя и ареальной принадлежности. От существующих аналогов формат отличается необязательностью деления на морфемы, поддержкой регулярного словообразования, отсутствием каких-либо внутренних представлений словоформ и другими характеристиками.

С помощью разработанного формата и пилотного варианта парсера, который способен работать с большинством элементов формата, в рамках Программы фундаментальных исследований Президиума РАН «Корпусная лингвистика» было создано несколько корпусов: албанский, осетинский, бурятский и ряд других.