Дальневосточные ученые создадут цифровой корпус русского языка

По словам разработчиков, фактически речь идет о создании академического корпуса русского языка. Аналоги такого корпуса в глобальном масштабе есть только для английского и французского языков. Главный шаг в этом направлении заключается в сборе аудио-корпуса и размещении его специальным образом, доступным машине.

В работе над корпусом будут участвовать волонтеры из числа студентов ДВФУ. Позже подключатся профессиональные лингвисты, а также специалисты по компьютерной лингвистике. Они, в частности, займутся разметкой аудиоматериала: поделят его на части речи, проставят паузы, ударения, разделят на монологи и диалоги и т.д.

"В ходе времени выжили те языки, которые имели письменность, а бесписьменные - практически вымерли. Сегодня мы говорим о новой письменности - формате языка, пригодном для обучения машин. В этой связи появилась опасность, что те языки, на которых не будут разговаривать машины - от микроволновок и принтеров до автомобилей и промышленных роботов, - скорее всего, тоже со временем вымрут. По этой причине язык надо оцифровать, перевести его в модель самообучающейся нейросети", - поясняет один из разработчиков Илья Мирин.