Цзинь Ифан

В данной статье рассматриваются межъязыковые большие данные, которые в последние годы привлекли внимание китайских и россий­ ских исследователей. Исследуются платформа анализа межъязыковых больших данных YeeSight и создание корпуса китайского языка. Цель статьи — рассмотреть преимущества и недостатки платформы YeeSight и продемонстрировать развитие корпуса китайского языка в последние годы. Основное внимание уделено выяснению и описанию основного на­ бора тэгов частеречной разметки корпусов китайского языка.

Корпуса больших данных на сегодняшний день являются универсальным средством обработки, анализа и поиска необходимой информации. Если раньше для проведения научных исследований требовалось проделать большой объём работы: подобрать материал, проанализировать и обработать большие текстовые объёмы с целью выявления некоторых языковых закономерностей, то в настоящее время благодаря методам компьютерного анализа текста значительно сокращается время на работу и обработку объёма полученных данных. Кроме того, компьютерный анализ текста помогает избежать неточностей и ошибок в подсчётах, способствует установлению языковых закономерностей, основанных не на теоретических, а на эмпирических данных. Благодаря использованию технических средств происходит формирование новых межъязыковых корпусов, что представляет собой сложную задачу, часто с множественными проблемами.