Характеристики корпусов

В настоящее время доступны два корпуса: корпус современного литературного албанского языка («основной корпус») и корпус албанских письменных памятников. Они различаются представленным в них материалом и способом его представления, но имеют в целом одинаковую разметку и поисковые возможности. Вот их характеристики:

Основной корпус

Основной корпус содержит 232 млн. словоупотреблений и включает в себя следующие подкорпусы:

Корпус старых письменных памятников

Предполагается включить в корпус основные памятники албанской письменности: произведения Гь. Бузука, Л. Матранги, П. Буди, Ф. Барди, П. Богдани, П. Мазреку, Арберийский канун.

В настоящее время в Корпусе старых письменных памятников размещен текст «Катехизиса» Л. Матранги (1592). Книга Матранги представляет собой второй по времени крупный текст, написанный на албанском языке, и первый на тоскском диалекте.

Текст, размещенный в корпусе, базируется на так называемой рукописи А. При выкладке использована транскрипция М. де Фаана, основанная на M. Sciambra. La «Dottrina cristiana» albanese di Luca Matranga (1964) и доступная на TITUS. Мы выражаем М. де Фаану глубокую благодарность за предоставление текстового варианта своей транскрипции. При работе производилась сверка с другими изданиями катехизиса, в том числе фототипическими.

Публикации

Более подробную информацию о содержании Албанского национального корпуса и его разработке Вы можете найти в наших публикациях:

Morozova M. Shënime për standardin morfologjik të Korpusit nacional të shqipes // Seminari Ndërkombëtar për Gjuhën, Letërsinë dhe Kulturën Shqiptare. Materialet e punimeve të Seminarit XXXI Ndërkombëtar për Gjuhën, Letërsinë dhe Kulturën Shqiptare: Prishtinë, 13–27 gusht 2012 / kryered. B. Rugova. Prishtinë: Universiteti i Prishtinës: Fakulteti i filologjisë, 2012. Vëll. 31/1. F. 153–156.

Arkhangelskij T., Daniel M., Morozova M., Rusakov A. Korpusi i gjuhës shqipe: drejtimet kryesore të punës // Shqipja dhe gjuhët e Ballkanit. Albanian and Balkan Languages. Konferencë e mbajtur më 10–11 dhjetor 2011 në Prishtinë / red. R. Ismajli. Prishtinë: ASHAK, 2012. F. 635-642.

Rusakov A., Morozova M. Korpusi i gjuhës shqipe: problemet dhe rezultatet // Studime për nder të Rexhep Ismajlit me rastin e 65-vjetorit të lindjes / red. B. Rugova. Prishtinë: Koha, 2012. F. 639–649.

Морозова М. С., Русаков А. Ю., Домосилецкая М. В. Албанская именная морфология в корпусном представлении: Национальный корпус албанского языка // Албанская филология, балканистика, проблемы языкознания. К 100-летию со дня рождения члена-корреспондента РАН Агнии Васильевны Десницкой / ред. А. Х. Гирфанова, М. В. Домосилецкая, А. В. Жугра, Н. Н. Казанский, А. Ю. Русаков, Н. Л. Сухачев. СПб.: Наука, 2013. C. 120–130.

Morozova M., Rusakov А. Korpusi elektronik i shqipes: përpunimi, përmbajtja dhe përdorimi // Seminari Ndërkombëtar për Gjuhën, Letërsinë dhe Kulturën Shqiptare. Materialet e punimeve të Seminarit XXXII Ndërkombëtar për Gjuhën, Letërsinë dhe Kulturën Shqiptare: Prishtinë, 19–30.08.2013 / kryered. B. Rugova. Prishtinë: Universiteti i Prishtinës: Fakulteti i filologjisë, 2014. Vëll. 33/1. F. 85-96.

Morozova M., Rusakov A. Albanian National Corpus: Composition, Text Processing and Corpus-Oriented Grammar Development // Sprache und Kultur der Albaner. Zeitliche und räumliche Dimensionen. Akten der 5. Deutsch-albanischen kulturwissenschaftlichen Tagung (5.–8. Juni 2014, Buçimas bei Pogradec, Albanien) / Hrsg. von B. Demiraj. Wiesbaden: Harrassowitz Verlag, 2015. S. 270-308. (Albanische Forschungen, 37).

Морозова М. С., Архангельский Т. А., Даниэль М. А., Русаков А. Ю. Албанский национальный корпус: основные направления работы // Acta Linguistica Petropolitana. Труды Института лингвистических исследований РАН. 2016. Т. XII, ч. 3. С. 169–189.

Morozova M., Rusakov А. The early Albanian texts in an annotated language corpus: An attempt of processing and analysis // Altalbanische Schriftkultur - aus der Perspektive der historischen Lexikographie und der Philologie der Gegenwart - Akten der 6. deutsch-albanischen kulturwissenschaftlichen Tagung (27. September 2019, Buçimas bei Pogradec, Albanien) / Hrsg. von B. Demiraj. Wiesbaden: Harrassowitz Verlag, 2020. S. 91–102. (Albanische Forschungen, 44).

Morozova M., Rusakov A. Struktura fjalëformuese e leksikut të shqipes (rreth anotimit të Korpusit elektronik të gjuhës shqipe) // Shqipja standarde sot: konferencë shkencore me rastin e 50-vjetorit të Kongresit të Drejtshkrimit / red. nga R. Ismajli. Prishtinë: Akademia e Shkencave dhe e Arteve e Kosovës, 2023. F. 233–242.

Rusakov A., Morozova M. Albanian classical poetry in the Albanian National Corpus: Between linguistics and philology // Studime albanologjike në indoeuropianistike, filologji dhe gjuhësi kontakti. Vëllim në nderim të prof. Bardhyl Demirajt / red. nga A. Omari, Sh. Sinani, L. Hala. Tiranë: Akademia e shkencave e Shqipërisë, 2025. F. 182–197.

Как цитировать Корпус

Если Вы используете данные Албанского национального корпуса в своём исследовании, воспользуйтесь, пожалуйста, следующей ссылкой:

Морозова М. С., Русаков А. Ю., Архангельский Т. А. Албанский национальный корпус. URL: albanian.web-corpora.net (дата обращения .)

Грамматические теги

Грамматические значения при каждом слове указываются с помощью специальных помет — тегов. Ниже приводится полный список используемых грамматических тегов для албанского языка в алфавитном порядке с расшифровкой. Набор тегов в обоих корпусах одинаков.

• A — прилагательное
• ADV — наречие
• ART — артикль
• CLIT_PRO — местоименная клитика
• CONJ — союз
• FORM — форматив
• INTJ — междометие
• NOUN — существительное
• NUM — числительное
• PART — частица
• PR — предлог
• PRO — местоимение
• V — глагол
• VB_PART — глагольная формообразующая частица
• 1 — 1-е лицо
• 2 — 2-е лицо
• 3 — 3-е лицо
• abl — аблатив
• abl2 — аблатив 2
• acc — аккузатив
• acc_1pl — аккузативная клитика 1-го лица мн.ч.
• acc_1sg — аккузативная клитика 1-го лица ед.ч.
• acc_2pl — аккузативная клитика 2-го лица мн.ч.
• acc_2sg — аккузативная клитика 2-го лица ед.ч.
• acc_3pl — аккузативная клитика 3-го лица мн.ч.
• acc_3sg — аккузативная клитика 3-го лица ед.ч.
• act — активный залог
• adm — адмиратив
• anim — одушевленное существительное
• aor — аорист
• cont — контактная позиция артикля
• dat_1pl — дативная клитика 1-го лица мн.ч.
• dat_1sg — дативная клитика 1-го лица ед.ч.
• dat_2pl — дативная клитика 2-го лица мн.ч.
• dat_2sg — дативная клитика 2-го лица ед.ч.
• dat_3pl — дативная клитика 3-го лица мн.ч.
• dat_3sg — дативная клитика 3-го лица ед.ч.
• def — определенная форма существительного
• dist — дистантная позиция артикля
• f — женский род
• gen_dat — генитив-датив
• Gheg — гегская лексема или словоформа
• imp — императив
• inanim — неодушевленное существительное
• ind — индикатив
• indef — неопределенная форма существительного
• ipf — имперфект
• loc — локатив
• m — мужской род
• med — медиальный глагол
• mf — амбигенное существительное
• n — средний род
• nom — номинатив
• nonst — нестандартная лексема или словоформа
• opt — оптатив
• pass — неактивный залог
• pl — множественное число
• pres — презенс
• ptcp — причастие
• sbjv — конъюнктив
• sg — единственное число
• unmkd — немаркированный падеж
• vi — непереходный глагол
• vt — переходный глагол
• with_abl — предлог управляет аблативом
• with_acc — предлог управляет аккузативом
• with_loc — предлог управляет локативом
• with_nom — предлог управляет номинативом

Происхождение и деривация

Следующие теги обозначают происхождение большинства анализируемых албанских слов, которые могут быть либо унаследованы («alb»), либо заимствованы из других языков, давно или сравнительно недавно («new»). Дериваты как от заимствованных, так и от унаследованных слов помечены как «deriv».

• alb — исконное
• Agreek — грецизм (древнегреч.)
• arum — арумынизм
• borr — заимствование
• en — англицизм
• fr — галлицизм
• germ — германизм
• greek — грецизм (визант. и новогреч.)
• hung — унгаризм
• inter — интернационализм
• it — итальянизм
• lat — латинизм
• rom — романизм
• rum — румынизм
• rus — русизм
• slav — славизм
• turk — турцизм
• unknwn — неизвестно
• new — неологизм
• deriv — дериват

Авторы

Первоначальная версия Корпуса была создана в результате творческого содружества санкт-петербургских (Институт лингвистических исследований РАН) и московских лингвистов (Школа лингвистики НИУ ВШЭ). Для этой версии была адаптирована поисковая система Восточноармянского национального корпуса (ВАНК).

Основные идеи по созданию корпуса, разработке корпусного представления албанской грамматики, системы метаразметки и грамматической аннотации принадлежат М. С. Морозовой и А. Ю. Русакову. В обсуждении этих проблем принимали активное участие Т. А. Архангельский и М. А. Даниэль.

Текущая версия Корпуса была создана М. С. Морозовой, А. Ю. Русаковым и Т. А. Архангельским и открыта для пользователей в 2016 г. В ней используются морфологический анализатор и корпусная платформа tsakorpus, разработанные Т. А. Архангельским.

На разных этапах в создании корпуса участвовали:

• Мария Сергеевна Морозова, Санкт-Петербург (корпусное представление албанской грамматики, разработка разметки, разработка грамматического описания для парсера, составление словника для парсера, метатекстовая разметка, этимологическая разметка, деривационная разметка, разработка правил снятия омонимии, сбор и обработка текстов, веб-страница корпуса)
• Александр Юрьевич Русаков, Санкт-Петербург — Тирана (корпусное представление албанской грамматики, разработка разметки, сбор и обработка текстов)
• Тимофей Александрович Архангельский, Москва — Гамбург — Фрайзинг (разработка парсера, корпусной платформы и пользовательского интерфейса корпуса, техническая поддержка)
• Марина Валентиновна Домосилецкая, Санкт-Петербург (составление словника для парсера — имена существительные)
• Анна Вадимовна Коноваленко, Санкт-Петербург (составление словника для парсера — наречия)
• Анастасия Геннадьевна Сидько, Санкт-Петербург (составление словника для парсера — имена существительные, прилагательные, глаголы)
• Дарья Александровна Алексеева, Санкт-Петербург (сбор и обработка текстов)
• Елизавета Алексеевна Атакова, Санкт-Петербург (сбор и обработка текстов)
• Варвара Андреевна Дивеева, Санкт-Петербург (сбор и обработка текстов)
• Максим Максимович Макарцев, Москва — Ольденбург (предоставление текстов для корпуса)
• Бесим Кабаши, Мюнхен (предоставление текстов для корпуса)
• Керим Ондози, Приштина (сбор и обработка текстов)

Первоначальная версия Корпуса была создана при финансовой поддержке Программы фундаментальных исследований Президиума РАН «Корпусная лингвистика». Создатели корпуса благодарны Академии наук Албании за интерес к работе, помощь и готовность к сотрудничеству. Мы также выражаем благодарность издательству «Onufri» (Тирана) за помощь в подборе текстов.

Корпус использует техническую инфраструктуру Института лингвистических исследований Российской академии наук.

Поддержкой и развитием корпуса в настоящее время занимаются: