Гипертекстовый тезаурус

По всей видимости, одним из первых в мировой лексикографии применил счетно-перфорационные машины для обработки литературных памятников (сочинения Фомы Аквинского, словоуказатели и конкордансы) в начале 50-х годов ХХ века Р.Буза (Германия). Для примера можно указать несколько иностранных коллективов, где впервые была поставлена и частично решена задача компьютеризированных национальных сводов лексикографических материалов: в США (Брауновский корпус текстов); во Франции в Институте французского языка - автоматизированная словарная картотека французского языка XVI-XX вв.; в Германии в Институте немецкого языка в Маннгейме - машинные картотеки письменных и устных источников современного немецкого языка; в Швеции в Гетеборгском университете; Киевский национальный университет (3 млн. украинских словоформ, Н.П. Дарчук, Л.А. Алексеенко); в Финляндии в Отделении славянских и балтийских языков и литератур Хельсинского университета (100 тыс. сл. статей, аннотированный корпус русских текстов ХАНКО, А. Мустайоки, М.В. Копотев).

Известны также емкие автоматизированные словари в виде терминологических банков данных: EURODICAUTOM (Люксембург, 300 тыс. сл. статей), LEXIS (ФРГ, 1,5 млн. терминов), TEAM (ФРГ, 1,5 млн. терминов), TERMDOC (Швеция), TERMIUM (Канада, Квебек, 1 млн. сл. стат.)... аналогичные банки терминов имеются и в США, Италии, Эстонии, Мексике и др. странах.

В России как наиболее авторитетных в области компьютерной лингвистики следует указать следующие коллективы ученых-лексикографов: МГУ им. М.В. Ломоносова (10 млн. словоупотреблений, корпус текстов русских газет конца 20 века А.А. Поликарпов, О.В. Кукушкина, Б.В. Виноградова, С.О. Савчук, др. направления: В.В. Богданов; Л.В. Златоустова; Г.Е. Кедрова (Интернет-учебники); Ю.Н. Марчук; П.В. Гращенков, И.М. Кобозева; Н.В. Лукашевич, Б.В. Добров); Санкт-Петербургский госуниверситет (компьютерная антология русского рассказа ХХ века, Г.Я. Мартыненко, А.О. Гребенников, Е.А. Козлова, Е.И. Лазаренко, Т.И. Шерстинова); Саратовский госуниверситет (корпус Диалектологических текстов, В.Е. Гольдин); Казанский госуниверситет (компьютерный лингвографический фонд русского языка, К.Р. Галиуллин; электронная коллекция книг 18 века, В.В. Соловьев, А.В. Скоробогатов); Казанский гос. педагог. университет (синтаксический анализатор русских технических текстов, О.А. Невзорова, Н.В. Пяткин); Московский гос. лингвистический университет (информационные технологии и медиа лингвистика, Р.К. Потапова, В.В. Потапов); Нижегородский гос. педагог. университет (корпус текстов литературной критики произведений постмодернизма, Д.В. Гугунава); Новосибирский гос. педагог. университет (В.В. Кромер); Новосибирск. Институт филологии СО РАН (электронный корпус средневековых текстов, А.М. Лаврентьев); Петрозаводский госуниверситет (автоматизированная информационная система "Статистические методы анализа литературных текстов", В.Н. Захаров, А.А. Рогов, Ю.В. Сидоров, А.В. Король); Удмуртский госуниверситет (Ижевск) (система "Манускрипт", В.А. Баранов, А.А. Вотинцев, А.Н. Миронов, С.В. Ощепков, В.А. Романенко); Национальный корпус русского языка (лингвисты университетов и НИИ Москвы и Санкт-Петербурга, В.А. Плунгян, Д.В. Сичинава).

Тезаурус (гр. tesauros - сокровище, запас) – наиболее полный систематизированный свод (набор) данных о какой-либо области знания, позволяющий человеку или компьютеру в ней ориентироваться.

Гипертекстовый тезурус лексико-семантических вариантов /ЛСВ/ русского языка – множество слов, осмысляемых в их конкретном употреблении (реализации лексем в конкретных контекстах).

Конструирование гипертекстового тезауруса осуществляется по следующему алгоритму: 1) сконструирован систематизированный глоссарий лексико-семантических вариантов русского языка из первоначально неупорядоченного списка словарных статей «Словаря русских словарей /СРС/» на основе той информации, которая содержится в этом СРС и в предварительных дефинициях; 2) в интерактивном режиме на компьютере формируется система дефиниций ЛСВ на основе тех семантических отношений, которые выявлены в процессе создания систематизированного глоссария ЛСВ; 3) в дальнейшем создается система согласованных глоссариев ЛСВ, отражающих, в допустимых русским языком пределах, выявленные семантические отношения и признаки, зафиксированные в дефинициях.

"Словарь русских словарей" фактически состоит из а) книги Лесникова С.В. Словарь русских словарей: более 3500 источников / Предисловие проф. В.В. Дубичинского. Рецензенты: В.М. Андрющенко, Р.П. Рогожникова, Г.И. Тираспольский. М.: Азбуковник, 2002. 334 с. (создано и опубликовано при финансовой поддержке в виде Российского фонда фундаментальных исследований /РФФИ/ №00-06-80176 «Гипертекстовый генеральный свод лексики русского языка» и проект «Словарь русских словарей» (подготовка и издание монографии, веб-сайт в Internet, электронная версия на компакт-диске) по федеральной программе «Русский язык» (постановление Правительства РФ от 30.12.2000 №1034, протокол №1 от 15.02.2001 заседания конкурсной комиссии и приказ Министерства образования Российской Федерации «О финансировании мероприятий федеральной целевой программы «Русский язык»); б) 10 компакт-дисков (CD№01 Гизаурус ЛСВ, CD№02 МАС БАС2, CD№03 ССРЛЯ=БАС, CD№04 СРНГ Даль, CD СРС Филология, CD СРС РЯ Толковые, CD СРС МИР (символ история культура), CD СРС Термины, CD СРС Универсал, CD СРС ЭВМ Экономика). На каждом диске имеются поисковые и др. программы; в) бесплатной рассылки "Словарь русских словарей" http://subscribe.ru/catalog/science.humanity.hypervault; г) каталога 10 компакт-дисков "Словарь русских словарей" (4000 источников, 1000 словарей, справочников, энциклопедий). www.lsw.ru

Можно определить гипертекстовый тезурус лексико-семантических вариантов /ЛСВ/ русского языка как множество, содержащее все элементы (объекты) какой-либо исследуемой области материального или духовного мира, т.е. в нашем случае – полный систематизированный свод ЛСВ русского языка. При этом неполнота знаний (в нашем случае языковая картина мира) предопределена на всех мыслимых уровнях - (для человека конечность, компактность категорий пространство-время) от объема лингвистической информации до скорости и качества ее переработки. Кроме этого специализация, углубленное познание в отдельной научной дисциплине, детализация - естественным образом размывает общность, даже этой одной конкретной дисциплины. Относительным выходом из парадокса неполноты знаний о мире в форме гипертекстового тезауруса (согласуясь с неполнотой тезауруса как продукта, отражающего в синтагматике и парадигматике языковые факты и явления) может служить некоторая предельно общая теория, позволяющая сконструировать, интегрировать в целостный объект ранее не связанные отдельные объекты (элементы). Тем самым возможно рассматривать конструируемый тезаурус ЛСВ как целостный объект, при этом допуская принципиально различные членения, а в зависимости от основания для членения, можно получить качественно и количественно разнообразные множества "первичных" элементов, которые и будут представлять ступени иерархии конструируемого гипертекстового тезауруса ЛСВ русского языка. На данном этапе исследования выделим следующие подуровни тезауруса (анализ и синтез): а) графокод (буквоэлемент) и графика (шрифт); б) буквокод (буква, символ, знак, цифра, логограмма) и графемика (алфавит, азбука, система знаков, код); в) морфокоды (морфема) и морфология+грамматика (морфемика); г) орфограмматика (словоформа, лемма, слово, число, логема) и лексикология+ семасиология (словарь, тезаурус); д) орфосинтактика (композиция - словосочетание, синтагма, предложение, фраза, высказывание) и структурология (модель языка); е) орфотектоника (текст, гипертекст; абзац, пункт, параграф, глава, раздел, часть, том, книга, библиотека; страница, строка, столбец, тетрадь, позиция) и феноменология (лингвистика, в нашем случае - русистика); ж) предметно-семантические системы (литература; избранное, сочинения, собрание, свод; меморема) и системология (теория систем).

Конструирование гипертекстового тезауруса ЛСВ русского языка в нелинейной форме с учетом реляционных, иерархических и сетевых парадигматических связей посредством реализации синтагматических связей в интерактивном режиме на ЭВМ оцифрованных словарных и текстовых материалов и позволит на основе новых информационных технологий при соответствующей классификации и систематизации объединить лексикографические материалы, обеспечить их оперативный ввод в научный оборот с целью оптимизации научных исследований в современной лексикографии.

Пробная Интернет-версии словаря лексико-семантических вариантов русского языка (морфологическая парадигма, акцентология, дефиниция) доступна по адресу http://vault.syktsu.ru/www.lsw.ru