Структурне анотування у корпусі текстів (на прикладі прози Івана Франка)
Стаття презентує деякі результати, отримані в процесі укладання корпусу текстів І. Франка. Зокрема, уточнено поняття структурне анотування корпусу текстів. Виявлено важливі елементи структурного анотування корпусу прозових текстів І. Франка, а саме: авторське визначення жанру твору, примітки автора...
Saved in:
| Date: | 2009 |
|---|---|
| Main Author: | |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Iнститут української мови НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/6052 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) / С. Бук // Українська мова. — 2009. — № 3. — С. 59-71. — Бібліогр.: 44 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859937879569989632 |
|---|---|
| author | Бук, С. |
| author_facet | Бук, С. |
| citation_txt | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) / С. Бук // Українська мова. — 2009. — № 3. — С. 59-71. — Бібліогр.: 44 назв. — укр. |
| collection | DSpace DC |
| description | Стаття презентує деякі результати, отримані в процесі укладання корпусу текстів І. Франка. Зокрема, уточнено поняття структурне анотування корпусу текстів. Виявлено важливі елементи структурного анотування корпусу прозових текстів І. Франка, а саме: авторське визначення жанру твору, примітки автора про переробку, присвята, епіграф, цитата, авторський підпис твору (дата і/або місце написання, правдиве ім’я чи псевдонім), авторські та редакторські покликання. Теґи на їх позначення можна вважати необхідними для кожного корпусу текстів окремого автора.
The paper presents some results which were received while the text corpus of Ivan Franko is being created. The notion of the structure annotation of text corpus is specified. The important text elements for particular structure annotation of an author text corpus are fined out. Such elements as author’s definition of genre, author’s notes about remaking, dedications, epigraphs, citations, author’s signature of work (date and/or place of the work creation, original name or pseudonym), author’s and editor’s footnotes are described on the material of Ivan Franko’s prose.
|
| first_indexed | 2025-12-07T16:09:45Z |
| format | Article |
| fulltext |
ISSN 1682�3540. Українська мова, 2009, № 3 59
УДК 81713: 81'322.5
Соломiя Бук (м. Львiв)
СТРУКТУРНЕ АНОТУВАННЯ
У КОРПУСI ТЕКСТIВ
(НА ПРИКЛАДI ПРОЗИ IВАНА ФРАНКА)
© С.Н. БУК, 2009
Стаття презентує деякі результати, отримані в процесі укладання корпусу тек-
стів І. Франка. Зокрема, уточнено поняття структурне анотування корпусу тек-
стів. Виявлено важливі елементи структурного анотування корпусу прозових тек-
стів І. Франка, а саме: авторське визначення жанру твору, примітки автора про
переробку, присвята, епіграф, цитата, авторський підпис твору (дата і/або міс-
це написання, правдиве ім’я чи псевдонім), авторські та редакторські покликання.
Теґи на їх позначення можна вважати необхідними для кожного корпусу текстів
окремого автора.
Ключові слова: корпус текстів, структура тексту, структурне анотування корпусу
текстів, теґ.
У сучасній лінгвістиці створюють і використовують корпуси тек-
стів (КТ) для вирішення найрізноманітніших завдань: від дослі-
дження морфології та лексичного значення слів [32] до лінгвістич-
ної експертизи тексту [1] і метафори [31]. Проте розвиток КТ
окремих авторів перебуває на початковій стадії. Твори конкретних
письменників в комп’ютерному варіанті існують швидше як електро-
нні бібліотеки (Бібліотека української літератури [2]; The online
books page («Онлайнова книжкова сторінка») [38]; Проект Gutenberg
[39]) або конкорданси (Конкорданція поетичних творів Тараса Шев-
ченка) [16]; конкорданси до творів українських поетів другої поло-
вини ХХ століття (І.Драча, М. Вінграновського, Л. Костенко, І. Ка-
линця та ін.) [26]; он-лайн конкорданс роману І. Франка “Перехресні
стежки” [4]; Конкорданс публіцистики Ф. Достоєвського [22]; Кон-
корданс усіх творів В. Шекспіра [30]; Ранговий конкорданс роману
“Уліс” Дж. Джойса [44]). Така форма представлення робить легшим
доступ до текстів, уможливлює створення частотних списків слово-
ISSN 1682�3540. Українська мова, 2009, № 360
Бук С.Н.
форм, дає можливість знаходити конкретні слова, словосполуки чи
фразеологізми. Але вона не може замінити КТ як “машиночитане,
стандартно організоване зібрання репрезентативних для певної
мови, діалекту або іншої підмножин(и) мов(и) писемних або усних
текстів, призначених для лінгвістичного аналізу й опису, відібраних
і впорядкованих згідно з експліцитними екстра- та інтралінгвальни-
ми критеріями” [10: 53]. “Довільне зібрання електронних текстів не
можна вважати корпусом у термінах корпусного мовознавства, якщо
таке зібрання не має певних ознак, а саме: репрезентативності, зба-
лансованості, автентичності, комп’ютерної підтримки, документова-
ності та стандартності” [10: 75]. Як правило, у КТ розрізняють пред-
ставлення позамовної інформації (зовнішнє анотування: дані про
автора (стать, вік, освіта тощо) та твір (час написання, виходу дру-
ком, редакцію тощо)) та внутрішньомовної інформації (внутрішнє
анотування: морфологічні, лексико-семантичні, синтаксичні дані
тощо) Див., наприклад, [12: 73].
Таким чином, КТ конкретного автора дає можливість глибинно
вивчати мову письменника, його стиль на орфографічному, морфоло-
гічному, лексичному, логіко-семантичному, фразеологічному, синтак-
сичному, прагматичному, дискурсивному та інших рівнях. Це — необ-
хідне джерело для сучасних академічних видань і перевидань повного
зібрання творів письменника, для укладання словника мови письмен-
ника, для порівняння різних (у т. ч. прижиттєвих) варіантів того са-
мого твору і т. д.
КТ конкретного автора має деякі особливості у порівнянні із за-
гальномовним КТ на усіх рівнях анотації, включно зі структурним.
Так, наприклад, для загальномовного корпусу, створеного для лекси-
кографічних потреб, необов’язкова вказівка на усі структурні елемен-
ти твору (епіграф, присвята тощо), тоді як для письменницького кор-
пусу вони є необхідними.
У науковій літературі віддавна виявляли зацікавлення до зако-
номірностей побудови тексту. У передмові до [11] одним із факторів,
що зумовив такий інтерес, названо інформаційний вибух, яким харак-
теризується науково-технічна революція. Він “вимагає різкого підви-
щення ефективності обміну інформацією, що неможливо до викорис-
тання ЕОМ, а для цього необхідно дати ЕОМ параматери побудови
тексту” [11: 3].
Стаття презентує деякі результати, одержані у процесі роботи
над укладанням корпусу текстів Івана Франка (КТФ). У другому
розділі уточнено дефініцію терміносполуки структурне анотування
для корпусу текстів письменника. Розділ 3 містить опис структурно-
го анотування КТ слов’янських мов. У Розділі 4 коротко викладено
концептуальні засади анотування КТФ, а у п’ятому подано практичне
застосування структурного анотування на КТФ, визначено його
особ ливості, запропоновано теґи для оригінальних структурних еле-
ментів тексту І. Франка.
ISSN 1682�3540. Українська мова, 2009, № 3 61
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
Уточнення дефініції терміносполуки структурне анотування
Анотованість — це та характеристика, яка відрізняє КТ від елек-
тронного збору текстів. Оскільки в Україні корпусна лінгвістика — по-
рівняно новий напрям, її термінологічний апарат перебуває на стадії
становлення. Тому паралельно послуговуються такими термінами, як
розмітка, анотування, маркування, індексування на позначення про-
цесу та результату присвоєння текстовим одиницям маркерів, в яких
закодовано певну лінгвістичну інформацію.
Терміносполука “структурна анотація” у спеціальній літературі
має неоднакові дефініції. Найширше її розуміння знаходимо у Ч. Ме-
єра: “Структурне анотування передбачає описову інформацію про
текст. Наприклад, ...“заголовок файлу”.., ...повний бібліографічний
опис писемного тексту або етнографічна інформація про учасників
(напр., їх вік і стать) в усному діалозі. ...Можна врахувати додаткове
структурне анотування для позначення ...меж параграфу в писемно-
му тексті або накладання сегментів мовлення в усному тексті”
[36: 81].
Як видно із цитати, дослідник використовує цю терміносполуку
на позначення і структури тексту, і зовнішньої стосовно нього інфор-
мації (його бібліографічний опис, дані про мовців тощо). У вужчому
значенні “структурну анотацію” описують Ґ. Астон і Л. Бернард: “...ко-
рисно вказувати межі глав, розділів, абзаців, речень, і т. д., а також
особливу роль заголовків, переліків, приміток, посилань, супровідних
підписів, покликів та ін.” [27: 24].
Міжнародний стандарт кодування текстової інформації ТЕІ
(англ. Text Encoding Initiative — проект кодування текстів), який
“репрезентує ті ознаки тексту, які потребують експліцитної іден-
тифікації з метою сприяти текстовому опрацюванню за до по-
могою комп’ютерних програм” [43], під елементами уні версальної
структури тексту пропонує розуміти <head> (заголовок), <div>
(частина, розділ), <p> (абзац), <s> (речення), <epigraph> (епі-
граф), <dateline> (дата), <note> (примітка), <said> (пряма мова),
<dedication> (присвята), <l> (рядок, у вірші), <abbr> (скорочен-
ня), <num> (число) та ін. Аналогічно структурну анотацію ін тер-
пре тують у проектах створення корпусів українських текстів: Укра-
їнський національний лінгвістичний корпус [17: 207 — 208, 275],
Національний корпус української мови [10: 152 — 168]. Так само
цю терміносполуку розуміють автори корпусу російської публіцис-
тики кінця ХІХ століття [9] та Національного корпусу російської
мови [19].
Отже, структурою тексту вважаємо такі його елементи як назва,
розділ, підрозділ, рубрика, присвята, епіграф, поклик, цитата, вживан-
ня алфавітів інших писемних систем, цифр тощо. Структурне аноту-
вання КТ — це виділення структурних елементів тексту за допомогою
певної мови маркування; сукупність маркерів-вказівок на елементи
зовнішньої будови тексту.
ISSN 1682�3540. Українська мова, 2009, № 362
Бук С.Н.
Структурне анотування у практиці деяких корпусів текстів
Важливо зазначити, що на сьогодні проблема створення повного
КТ конкретного автора перебуває на початковій стадії розвитку.
Можна знайти інформацію про існування КТ В. Шекспіра [37],
Ф. Достоєвського [22], В. Шевчука [18] та ін., проте самі ці корпуси
у вільному користуванні недоступні. Тому звернемося до загальних
КТ національних мов. Важливою ознакою КТ є стандартність мови
анотування. На сьогодні найбільш поширеним стандартом кодуван-
ня інформації в електронних текстах став TEI [43]. Тому багато укла-
дачів КТ взяли за основу систему маркерів саме цього міжнародного
міждисциплінарного стандарту, яка дає можливість робити деякі мо-
дифікації набору теґів у кожному конкретному випадку залежно від
мети створення КТ. Так, наприклад, Korpus języka polskiego PWN
(Корпус польської мови Польського наукового видавництва при
Польській Академії наук), створений для вдосконалення джерельної
бази словників та полегшення лексикографічної роботи, не має спе-
ціальних маркерів для присвяти, епіграфа, підпису, оскільки їх вва-
жали зайвими стосовно завдання цього КТ [33].
Český národní korpus (Чеський національний корпус) [29], Slo-
venský národný korpus (Словацький національний корпус) [42],
Национальный корпус русского языка (Національний корпус росій-
ської мови) [19], Korpus Języka Polskiego IPI PAN (Корпус польської
мови Інституту основ інформатики Польської Академії наук) [33] та-
кож не вирізняють цих характеристик, трактуючи їх як необов’язкові
для репрезентації національних мов. Детальніший опис КТ польської
мови див. також [41]. На подібних засадах побудовані системи роз-
мітки українських текстів, що незалежно створюють у двох осеред-
ках: Інституті української мови НАНУ [10] та Українському мовно-
інформаційному фонді НАНУ [17].
У схемі маркування, яку використовують у Проекті кількісного
аналізу текстів (Quantitative Text Analysis, QuanTA) Університету
м. Ґрац (Австрія), деякі споріднені теґи об’єднано: [iad] (Interne
Addenda) для епіграфів, покликань, кінцевих приміток, звертань (у
листах) та ін. Окремий теґ [att] (Autortexttyp) позначає авторську
класифікацію тексту [40]. Отже, поданий огляд КТ підтверджує
факт, що вибір тегів і форми їх подання залежить від тих дослід-
ницьких завдань, для розв’язання яких створюють корпус.
Загальні засади анотування Корпусу текстів Івана Франка (КТФ)
Корпус текстів окремого автора можна створити, виокремлюю-
чи тексти письменника із національного КТ, якщо їх туди залучено.
Проте загальний КТ із дуже високою ймовірністю буде містити не
всі твори письменника. Отже, укладений таким чином КТ письмен-
ника не буде репрезентативним, а це неприпустимо, оскільки репре-
зентативність — одна з обов’язкових вимог до будь-якого КТ.
ISSN 1682�3540. Українська мова, 2009, № 3 63
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
КТФ заплановано як репрезентативний машиночитаний аното-
ваний статичний дослідницький. Основні концептуальні параметри
його створення викладено у [3]. Проект створення КТФ передбачає,
що корпус буде охоплювати усі твори І. Франка (а це орієнтовно
7 млн. слововживань) з усіма особливостями фонетичного, морфоло-
гічного, словотвірного, лексико-семантичного, фразеологічного, син-
таксичного рівнів. КТФ репрезентує підсистему західного варіанту
української мови кінця ХІХ — початку ХХ ст. І, що видається особли-
во важливим, не тільки у художньому, а й у публіцистичному, науко-
вому (галузь літературознавства, етнографії, культурології, економі-
ки, філософії, соціології), епістолярному стилях. Величезний та
різнорідний обсяг спадщини письменника зумовив поділ КТФ на де-
кілька підкорпусів: велика та мала проза, драматургія, літературно-
критичні праці, публіцистика, наукові розвідки, епістолярій, поезія,
перекладні твори.
У 1960-х рр. у Львівському університеті був задум створити
словник мови І. Франка, теоретичне підґрунтя якого сформулював
проф. І. Ковалик [13, 14]. Було створено картотеку, яка нині зберіга-
ється в Івано-Франківському педінституті [20: 82]. Одним із резуль-
татів роботи колективу авторів під керівництвом професора став Сло-
вопокажчик поетичних творів Івана Франка [15]. Отже, поезія
І. Франка вже частково була об’єктом лексикографічного опису з еле-
ментами статистики. Тому виконання нашої роботи розпочато з підкор-
пусу прози, як одного з найбільших за обсягом, який добре репрезентує
багатство та різноманітність мови письменника (тільки в од ному ро-
мані “Перехресні стежки” зафіксовано 9 978 різних слів (!), тоді як
Словник мови Т. Шевченка у двох томах містить 10 116 слів [6]).
КТФ — дослідницький корпус, зорієнтований на широкий клас
лінгвістичних завдань, при цьому, що більше параметрів буде включе-
но в його анотування, то більший його дослідницький потенціал. Спо-
діваємося, він стане зручним інструментом в опрацюванні ідіостилю
письменника, оскільки на всьому обсязі творів І. Франка дасть мож-
ливість здійснювати автоматичний пошук будь-якої мовної одиниці
(наприклад, лексеми, конструкції, граматичної форми) у будь-якій
формі у всіх контекстах; здійснювати автоматичний пошук твору за
будь-яким параметром (наприклад, твори певного жанру, написані
певного року (періоду), певною мовою, підписані певним псевдоні-
мом, з епіграфом чи без нього тощо). Оскільки твори у КТФ датовані,
вдасться фіксувати час першого та останнього використання певної
лексеми в текстах, прослідкувати хронологію та динаміку розвитку
мови автора. Це значною мірою уможливить реконструювання захід-
ного варіанта української літературної мови кінця ХІХ — поч. ХХ ст.;
елементів територіальних та соціальних діалектів цього ж періоду,
адже своїх персонажів автор наділяв мовленням того середовища, яке
вони представляли. За допомогою КТФ стане можливим отримати,
окрім якісної, кількісну характеристику мови письменника (на основі
ISSN 1682�3540. Українська мова, 2009, № 364
Бук С.Н.
корпусу можна автоматично укладати частотні словники і конкордан-
си до будь-якого конкретного чи групи заданих творів) тощо. Саме
корпус дасть можливість зробити максимально ефективною роботу
над укладанням словника мови письменника, а також над порівняль-
ним вивченням різних редакцій, версій і т. п. конкретних творів.
У КТФ за типом інформації (позатекстова і власне текстова) ви-
ділено два основних рівні анотування: зовнішній та внутрішній. На
зовнішньому подано зовнішню стосовно тексту інформацію, метадані:
бібліографічний опис творів, вік та освіта автора тощо. На внутріш-
ньому рівні подано внутрішню стосовно тексту інформацію: структур-
ну (яка стала об’єктом опису цієї статті), морфологічну, синтаксичну,
семантичну. Окремого опрацювання вимагає анафоричне та прагма-
тичне анотування. Подібні принципи опису текстів є й у інших КТ,
зокрема у Корпусі російської мови ХІХ ст. [9], див. також [21]. Зараз
уже виконано морфологічне анотування деяких творів, результатом
чого стали, зокрема он-лайн конкорданс [4] та частотний словник ро-
ману “Перехресні стежки” [5], а також виявлено основні статистичні
параметри цього тексту [28].
Відповідно до усталеної в мовознавстві традиції, в основу КТФ
лягли останні прижиттєві видання творів І. Франка, а також найповні-
ше на сьогодні Зібрання творів у 50-ти томах [24] і видання творів, що
до нього не ввійшли [25]. Самі твори письменника мають глибоку ба-
гатошарову будову, яка у перевиданнях додатково ускладнюється ре-
дакторськими примітками та покликаннями, перекладами фрагментів
тексту іншими мовами та поясненнями. Тому у процесі створення
КТФ виявлено особливі структурні елементи тексту письменника, не
описані у попередньо згаданій теоретичній літературі, а саме, у най-
більш поширеному стандарті кодування інформації в електронних тек-
стах ТЕІ, а також у найбільших КТ слов’янських мов, згаданих вище.
До таких, наприклад, належать авторське визначення жанру твору, ав-
торський підпис тексту (дата і/або місце написання твору, справжнє
ім’я або псевдонім), авторські примітки про переробку тощо.
Особливості структурного анотування корпусу текстів Івана Франка
Загальними засадами до набору теґів для будь-якого КТ є багато-
разове використання, сумісність з іншими КТ та сумісність із загаль-
ноприйнятими науковими теоріями. Тому за основу анотування КТФ
було взято принципи міжнародного стандарту ТЕІ, які до того ж від-
повідають обов’язковій вимозі уніфікованості КТ.
Загальна схема структурного анотування КТФ:
Заголовок позначатимемо теґом <head>, частини, розділи — те-
ґами <div> або <div0>, <div1>, <div2> і т. д., якщо твір має кілька-
рівневий поділ. Для відзначення підзаголовків пропонуємо ввести теґ
<subhead>. Головною одиницею основного тексту є абзац, для якого
використовуватимемо стандартний теґ <p>. Межі речень виділятиме-
мо теґами <s>...</s>.
ISSN 1682�3540. Українська мова, 2009, № 3 65
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
Зважаючи на мету створення КТФ і з урахуванням того, що пе-
редмова чи післямова становлять з художнім текстом єдине ціле, про-
понуємо не виокремлювати ці структурні елементи поза межі осно-
вного тексту <body>, як це зроблено в TEI, де передмова належить до
зони <front>, а післямова — до <back>. Для відзначення передмови
використовуватимемо теґ <foreword>, а для післямови — <afterword>.
Нижче наведено анотування початкових сторінок повісті “Захар Бер-
кут”, де використано також елементи, зміст яких описано далі.
<head>Захар Беркут</head>
<subhead>
Образ громадського життя
Карпатської Русі в XIII віці
</subhead>
<foreword n=”Передмова”>Передмова
<p>
<s>Повість історична -- се не історія.</s>
...
<s>Дійові особи зрештою видумані, місцевість списана по мож-
ливості вірно.</s>
</p>
<dateline>
<place>Львів</place>, <date>дня 1 грудня 1882</date>.
</dateline>
<byline><author>Ів. Франко</author></byline>
...
<remade>
<dateline>
<place>Криворівня</place>, <date>1 серпня 1902</date>.
</dateline>
<byline><author>І. Ф.</author></byline>
</remade>
</foreword>
<epigraph>
<lang=”ru”>
<lg>
<l>Дела давно минувших дней,</l>
<l>Преданья старины глубокой...</l>
</lg>
<byline><author>А. С. Пушкин</author></byline>
</lang>
</epigraph>
<div0 n=”I”>I
<p>
<s>Сумно і непривітно тепер в нашій...
ISSN 1682�3540. Українська мова, 2009, № 366
Бук С.Н.
У попередньому прикладі групу віршованих рядків, відповідно до
TEI, відзначено теґом <lg> (line group), а окремі віршовані рядки —
<l>. Наприклад, ще [24 XIV, 153]:
<lg>
<l>Кажуть люде, що суд буде,</l>
<l>А суду не буде!</l>
<l>Най на того суд упаде,</l>
<l>Хто судити буде!</l>
</lg>
Цитування. На противагу багатьом словникам письменника, на-
приклад [7; 8], які не включають у свій опис цитати з творів інших
авторів або іншомовні вставки до тексту, було вирішено, що КТФ
повинен охоплювати всі текстові елементи творів автора, оскільки
комп’ютерні програми зможуть їх визначати автоматично. Це відкриє
нові перспективи для сучасних лінгвістичних досліджень, наприклад,
які твори, яких авторів, яких національностей і якими мовами циту-
вав І. Франко, поезію чи прозу, фольклор чи авторські роботи. Цей
комплекс проблем може стати об’єктом окремого дослідження. Циту-
вання позначатимемо теґом <cit>.
Авторське визначення жанру власного твору (як правило, за-
значене відразу після заголовка) є дуже важливим, оскільки подає ав-
торський план і оцінку твору. Із цього погляду для укладання КТФ є
щонайменше дві проблеми:
1) Авторське визначення жанру не збігається із сучасним. Напри-
клад, Іван Франко називає “Перехресні стежки” повістю [24 XX: 173],
хоча сучасні спеціалісти-літературознавці визначають його як роман.
2) Автор створив оригінальний жанр, наприклад, Мавка (Літня
казочка) [24 XV: 91 — 95]. Подібний структурний елемент виникає,
коли назва містить деякі біографічні факти: У столярні (Із моїх спо-
минів) [24 XXI: 171 — 188]. Інколи на цьому місці Іван Франко вка-
зував на головного героя або тему твору, наприклад, Полуйка (Опо-
відання старого ріпника) [24 XX: 7 — 25], Терен у нозі. Оповідання з
гуцульського життя [24 XXI: 375 — 390].
Для вказівки на авторське визначення жанру пропонуємо теґ
<agd> (Author’s genre definition). Цей елемент разом з деякими інши-
ми, згаданими вище, проілюструємо на кількох прикладах:
<head>Перехресні стежки</head>
<subhead><agd>Повість</agd></subhead>
<div0 n=”I”>I
<p>
<s><said speaker=”Стальський”>-- А, пан меценас!</s>
...
<head>Мавка</head>
<subhead><agd>(Літня казочка)</agd></subhead>
ISSN 1682�3540. Українська мова, 2009, № 3 67
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
...
<head>Моя стріча з Олексою</head>
<subhead>(<agd>оповідання</agd> <pseudo>Мирона Сторо-
жа</pseudo>)</subhead>
...
<head>У столярні</head>
<subhead>(Із моїх споминів)</subhead>
...
Додаткова інформація (зазвичай, час, дата подій і под.) може
міститися на початку розділу (тоді вона належить до теґа <opener>)
або наприкінці (<closer>). Наприклад [24 XV: 199],
<head>Із записок недужого</head>
...
<div>
<opener>
<time>9 година</time>
</opener>
<p><s>Грав трохи в варцаби...
Авторський підпис твору може містити зазначення місця та часу
написання, ім’я автора (повне: І. Франко, Іван Франко, Dr. Iwan Franko;
ініціали: І. Ф.; псевдонім: Мирон сторож та ін.). У деяких творах ав-
торство вказане на самому початку, наприклад, Ріпка // Стара казка,
по-новому розповів І[ван] Ф[ранко] [24 XVII: 306 — 307]:
<head>Ріпка</head>
<subhead>
Стара <agd>казка</agd>, по-новому розповів
<author> І[ван] Ф[ранко]</author>
</subhead>
Інколи у структуру тексту включено авторські примітки про пе-
реробку. Для них ми ввели теґ <remade>. Скажімо, оповідання Цигани
завершується таким підписом [24 XVI: 166]:
Нагуєвичі, в липні 1882,
перероблено 1887.
Його вмістимо в таку структуру:
<closer>
<dateline>
<place>Нагуєвичі</place>,
<date>в липні 1882</date>
</dateline>,
<dateline>
<remade>перероблено <date>1887</date></remade>.
</dateline>
</closer>
ISSN 1682�3540. Українська мова, 2009, № 368
Бук С.Н.
Примітки (самого автора, редакторів видання) позначатимемо
відповідно <note resp=”auth”> і <note resp=”editor”>. Наприклад, в
оповіданні “Яндруси” [24 XVII: 212 — 213] маємо кілька авторських
пояснень, включно із заголовком:
<head>Яндруси<note resp=”auth”>В жаргоні львівських ву-
личників -- хлопці</note></head>
...
<s>Войцехова рано була десь там на хрестинах, вер-
нула аж о одинадцятій і то вже під доброю датою<note
resp=”auth”>Підохочена, напідпитку</note>.</s>
...
Редакторські примітки зазвичай супроводжують іншомовні
вставки у тексті, наприклад, в оповіданні “Свинська конституція”
[24 XX: 7–13]:
<head>Свинська конституція</head>
<dedication>
Присвячую пам’яті
Антона Грицуняка
</dedication>
...
<s>Грицуняк -- се дуже цікава поява, один із немногих живих
іще<note resp=”auth”>Він умер 29 марта 1900 р.</note> недобит-
ків того племені оповідачів ...
...
... і там так твердо навчилися “s&lslash;oma-siano”<note
resp=”editor”>Солома-сіно (польськ.).-- Ред.</note>, ...
...
(Останньої примітки немає в публікації 1900 року у збірці “Сім
казок” [23]. &lslash; позначає польську літеру ł.)
Нестандартне розділення підрозділів знаками * [24 XIV: 117
тощо] або — [24 XIV: 278 тощо] і подібні позначатимемо так:
<div n=”*”>*
<div n=”---”>---
Якщо певні структурні елементи відбиті від інших порожніми
рядками (за винятком віршованих вставок), то, залежно від логічно-
го навантаження, використовуватимемо <div n=” ”> для елементів,
близьких за змістом до підрозділів, або <emptyline> в інших випадках
(напр., відділення тексту листів [24 XVII: 446, 450 тощо]).
Із викладеного стає зрозуміло, що КТ конкретного письменника
на структурному рівні має свої особливості у порівнянні із загально-
мовним КТ. Відповідно до вимоги репрезентативності структурне ано-
тування повинно охоплювати всі без винятку елементи будови тексту.
Зокрема, авторське визначення жанру твору, підпис твору, вказівку на
час, місце його створення чи переробки.
ISSN 1682�3540. Українська мова, 2009, № 3 69
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
Запропоновані у статті доповнення та деякі модифікації міжнарод-
ного стандарту ТЕІ дають можливість більш повно та адекватно відо-
бразити глибинну організацію й архітектоніку тексту конкретного пись-
менника, відрізнити авторське коригування та пояснення тексту від
редакторського тощо. Ці факти набувають особливого значення у світ-
лі підготовчих робіт до видання повного зібрання творів І. Франка у
100 томах (задум Інституту літератури ім. Т.Г.Шевченка НАН Украї-
ни). Електронне автоматичне опрацювання текстів Франкової спадщи-
ни, зокрема описане анотування, значно полегшить мовознавчі, лі те ра-
туро знавчі, герменевтичні, текстологічні та історичні дослідження франко-
знавців. Розглянуті структурні елементи тексту можна вважати не об-
хідними як для КТФ, так і для кожного КТ окремого автора загалом.
УМОВНІ СКОРОЧЕННЯ
КТ — корпус текстів
КТФ — корпус текстів Івана Франка
ТЕІ — Text Encoding Initiative
1. Баранов А.Н. Лингвистическая экспертиза текста: Учеб. пособие. — М.: Флинта:
Наука, 2007. — 592 с.
2. Бібліотека української літератури. — [Цит. 25 жовтня 2008]. — Доступно з: <http://
www.ukrlib.com.ua>
3. Бук С. Корпус текстів Івана Франка: спроба визначення основних параметрів //
Горизонти прикладної лінгвістики. Доп. міжнарод. наук. конференції 20–27 ве-
ресня 2006, Україна, Крим, Партеніт / Ред. В. А. Широков, С. С. Дікарєва. Мовно-
інформаційний фонд України. Таврійський нац. ун-т ім. В. І. Вернадського. — Сімфе-
рополь: В-во “ДиАйПи”, 2006. — С. 115—116.
4. Бук С., Ровенчак А. Он-лайн конкорданс роману Івана Франка “Перехресні стеж-
ки”. — [Цит. 30 вересня 2008]. — Доступно з: <http://www.ktf.franko.lviv.ua/~andrij/
science/ Franko/concordance.html>.
5. Бук С., Ровенчак А. Частотний словник повісті І. Франка “Перехресні стежки” //
Стежками Франкового тексту (комунікативні, стилістичні та лексичні виміру ро-
ману “Перехресні стежки”) / Ф.С. Бацевич (наук. ред.), С.Н. Бук, Л.М. Процак,
А.А. Ровенчак, Л.Ю. Сваричевська, І. Л. Ціхоцький. — Львів: Видав. центр ЛНУ іме-
ні Івана Франка, 2007. — С. 138—369.
6. Ващенко В.С. (ред.) Словник мови Шевченка. — К.: Наук. думка, 1964. — Т. 1. — 484 с.;
Т. 2. — 566 с.
7. Ващенко В.С., Петрова П.О. Шевченкова лексика. Словопокажчик до поезій
Т. Г. Шевченка. — К.: Видав. Київського держ. ун-ту ім. Т. Шевченка, 1961. — 106 с.
8. Виноградов В. (ред.): Словарь языка Пушкина: В 4 тт. / Отв. ред. акад. АН СРСР В.В.
Виноградов. — М.: Азбуковник, 2000. — с.
9. Волков С. С., Захаров В. П. Параметры описания текстов для корпуса русского языка
ХІХ века // Междунар. конференция “Корпусная лингвистика 2004”: Тез. докл. 12 —
14 октября 2004 г., Санкт-Петербург.
10. Демська-Кульчицька О. Основи національного корпусу української мови.— К.: Ін-
ститут української мови НАН України, 2005. — 219 с.
11. Закономерности структурной организации научно-реферативного текста / За ред.
В. С. Перебийніс. — К.: Наук. думка, 1982. — 322 с.
12. Карпіловська Є.А. Вступ до комп’ютерної лінгвістики. — Донецьк: Юго-Восток,
2003. — 184 с.
13. Ковалик І.І. Наукові філологічні основи укладання і побудови Словника мови ху-
дожніх творів Івана Франка // Українське літературознавство. Іван Франко. Статті
і матеріали. — Львів, 1972. — Вип. 17. — С. 3—10.
ISSN 1682�3540. Українська мова, 2009, № 370
Бук С.Н.
14. Ковалик І.І. Принципи укладання Словника мови творів Івана Франка // Укра-
їнське літературознавство. Іван Франко. Статті і матеріали. — Львів, 1968. —
Вип. 5. — С. 174 — 183.
15. Ковалик І.І., Ощипко І.Й., Л.М. Полюга (уклад.) Лексика поетичних творів Івана
Франка. Методичні вказівки з розвитку ялексики. — Львів: ЛНУ, 1990. — 264 с.
16. Конкорданція поетичних творів Тараса Шевченка / Ред. і упоряд.: Олег Ільницький,
Юрій Гавриш. У 4 тт. — Торонто, 2001.
17. Корпусна лінгвістика / В. А. Широков, О. В. Бугаков, Т. О. Грязнухіна та ін. — К.:
Довіра, 2005. — 471 с.
18. Монахова Т.В. Мова Валерія Шевчука: ключові концепти, корпус, тезаурус: Авто-
реф. дис. …канд. філол. наук. — К.: КНУ, 2008. — 18 с.
19. Национальный корпус русского языка. — [Цит. 30 сентября 2008]. — Доступный с:
<http://www.ruscorpora.ru>.
20. Ощипко І.Й. Про укладання словника мови поетичних творів Івана Франка // Іван
Франко і світова культура. Матеріали Міжнар. симпозіуму ЮНЕСКО (Львів, 11 —
15 вересня 1986). — Кн. 1. — К.: Наук. думка, 1990. — С. 81 — 83.
21. Рахилина Е.В. О лексических базах данных // Вопросы языкознания. — 1994. —
№ 4. — С. 107 — 113.
22. Словарь-конкорданс публицистики Ф.М. Достоевского. — [Цит. 30 сентября 2008]. —
Доступный с: <http://dostoevskii.karelia.ru>
23. Франко І. Свинська конституция // Сїм казок. — Львів: Накл. Українсько-Руської
видавничої спілки, 1900. — С. 39–49.
24. Франко І. Я. Зібрання творів. У 50 тт. — К.: Наук. думка, 1979.
25. Франко І. Я. Мозаїка: Із творів, що не ввійшли до Зібрання творів у 50 тт. / Упоряд.
З. Т. Франко, М. Г. Василенко. — Львів: Каменяр, 2002. — 432 с.
26. Частотний словник сучасної поетичної української мови / наук. кер. Н. П. Дарчук. – [Цит.
02 жовтня 2003]. — Доступно з <http://www.philolog.univ.kiev.ua/wins/ chast/chast.htm>.
27. Aston G., Burnard L. The BNC Handbook. Exploring the British National Corpus with
SARA. — Cambridge: Edinburgh University Press, 1998. — 250 p.
28. Buk S., Rovenchak A. Statistical Parameters of Ivan Franko’s Novel Perekhresni stežky
(The Cross-Paths) // Quantitative Linguistics. — V. 62: Exact Methods in the Study of
Language and Text. — Berlin; New York, 2006. — P. 39 — 48.
29. Český národní korpus. — [Цит. 30 вересня 2008]. — Доступно з: <http://ucnk.ff.cuni.cz>
30. Concordance of Shakespeare’s complete works. — [Cited 02 October, 2008]. — Available
from: <http://www.opensourceshakespeare.com/concordance>.
31. Corpus-Based Approaches to Metaphor and Metonymy / Ed. by Anatol Stefanowitsch,
Stephan Th. Gries. — Trends in Linguistics. Studies and Monographs 171 / Editors Walter
Bisang (main editor for this volume), Hans Henrich Hock, Werner Winter. — Mouton de
Gruyter: Berlin; New York, 2006. — 319 p.
32. Jones S. Antonymy: A corpus-based perspective. — London; N. Y.: Routledge, 2002. —
XVI, 193 p.
33. Korpus Języka Polskiego IPI PAN.— [Cyt. 2008, 30 września]. — Dostępny z: <http://
korpus.pl/index.php?page=welcome>
34. Korpus Języka Polskiego Wydawnictwa Naukowego PWN. — [Cyt. 2008, 30 września]. —
Dostępny z: <http://korpus.pwn.pl>.
35. McEnery T. Corpus Linguistics // The Oxford Handbook of Computational Linguistics. —
Oxford University Press, 2003. — P. 448 — 464.
36. Meyer C.F. English Corpus Linguistics: An Introduction. — Cambridge: Cambridge
Univetsity Press, 2002. — 168 s.
37. Moby Shakespeare: The complete unabridged works of Shakespeare. — Cited 30 September
2008. — Available from: <http://www.clres.com/corp.html>.
38. Online books page. — Cited 20 October 2008. — Available from: <http://onlinebooks.
library.upenn.edu>;
39. Project Gutenberg. — Cited 20 October 2008. — Available from: <http://www.gutenberg.org>
40. QuanTA: Quantitative text analysis. — Cited 02 October 2008. — Available from: <http://
www-gewi.uni-graz.at/quanta/>
ISSN 1682�3540. Українська мова, 2009, № 3 71
Структурне анотування у корпусi текстiв (на прикладi прози I. Франка)
41. Rudolf M. Metody automatycznej analizy korpusu tekstów polskich. — Warszawa:
Uniwersytet Warszawski, 2004. — 152s.
42. Slovenský národný korpus. — [Цит. 30 вересня 2008]. — Доступно з <http://korpus.juls.
savba.sk/index.sk.html>.
43. TEI: Text Encoding Initiative. P5: Guidelines for Electronic Text Encoding and
Interchange. — 2007. — Cited 11 September 2008. — Available from: <http://www.tei-c.
org/Guidelines/P5/>
44. Ulysses by James Joyce. A Ranked Concordance. — [Cited 15 October, 2008]. — Available
from: <http://www.doc.ic.ac.uk/~rac101/concord/texts/ulysses/ulysses_ranked.html>.
Solomija Buk
STRUCTURE ANNOTATION IN TEXT CORPUS
(ON THE MATERIAL OF IVAN FRANKO’S PROSE)
The paper presents some results which were received while the text corpus of Ivan Franko
is being created. The notion of the structure annotation of text corpus is specified. The im-
portant text elements for particular structure annotation of an author text corpus are fined
out. Such elements as author’s definition of genre, author’s notes about remaking, dedica-
tions, epigraphs, citations, author’s signature of work (date and/or place of the work crea-
tion, original name or pseudonym), author’s and editor’s footnotes are described on the
material of Ivan Franko’s prose.
Keywords: text corpus, text structure, structure annotation of text corpus, tag.
¬i‰ÓÏi ÔÓÒÚ‡Úi ÔÓ ÏÓ‚Û
Чи завжди південноруська мова була в зневазі – притчею во язицех? Чи за-
вжди розмовляли нею тільки ті, котрі інакше говорити не навчились, писали
тільки ті, котрі інакше писати не вміли? Ні!
Ні! У заповітах наших батьків, у ковчезі нашої слави, в історичних свідченнях
нашої законорожденності, словом, у наших літописах сильно і часто пробива-
ється справжня південноруська мова ніби з-під кори мови мертвої, священної,
церковнослов’янської. Та й як цьому не бути? Розсадник нашої православної віри
і нашої народної освіти – південноруський Київ – був і місцем проживання наших
перших літописців, і як житейська мова, мова південноруська мимоволі вривала-
ся в їхні дієписання, хоча вони й не підносили їх до Бога під час богослужіння.
Зауважимо, що найдавніший список Нестора, список Лаврентіївський, най-
більше міг би нам подати південноруських слів і виразів; але візьмемо навіть
Псковський літопис (див. видання Погодіна, Москва, 1837), котрий є скорочен-
ням Новгородського, а цей, у свою чергу, є скороченням Київського, і відзна-
чимо (за вказівкою самого п. Погодіна) дещо незрозуміле в ньому без знання
південноруської мови...
Та не тільки в Південній Русі, в Червонорусії і Малорусії, панувала південно-
руська мова і була надбанням як найпростішого, так і найвищого за освітою
класу людей; південноруська мова панувала ще і в руських землях, що нале-
жали до польського королівства, нею розмовляли й при дворі великих князів
литовських і в найбільш знатних домах; нею послуговувались при диплома-
тичних стосунках, нею писалися важливі державні акти (докази цього можна
частково знайти в “Литовській метриці”, що зберігається у Варшавському ко-
ронному архіві, деякі документи з якого вміщено у “Сборнике” Муха нова). Та й
не дивно, якщо поміркуємо, що народонаселення Литви все руське, крім 1/10
частини власне литовського народонаселення.
Є підстави думати, що й сама польська мова кращі риси й багатство своє по-
зичила з мови південноруської, тому що в той час, коли польські письменники
думали й писали по-латині, південноруська мова була вже досить розвиненою.
Метлинський А.Л., 1839
|
| id | nasplib_isofts_kiev_ua-123456789-6052 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1682-3540 |
| language | Ukrainian |
| last_indexed | 2025-12-07T16:09:45Z |
| publishDate | 2009 |
| publisher | Iнститут української мови НАН України |
| record_format | dspace |
| spelling | Бук, С. 2010-02-15T13:31:44Z 2010-02-15T13:31:44Z 2009 Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) / С. Бук // Українська мова. — 2009. — № 3. — С. 59-71. — Бібліогр.: 44 назв. — укр. 1682-3540 https://nasplib.isofts.kiev.ua/handle/123456789/6052 81713: 81'322.5 Стаття презентує деякі результати, отримані в процесі укладання корпусу текстів І. Франка. Зокрема, уточнено поняття структурне анотування корпусу текстів. Виявлено важливі елементи структурного анотування корпусу прозових текстів І. Франка, а саме: авторське визначення жанру твору, примітки автора про переробку, присвята, епіграф, цитата, авторський підпис твору (дата і/або місце написання, правдиве ім’я чи псевдонім), авторські та редакторські покликання. Теґи на їх позначення можна вважати необхідними для кожного корпусу текстів окремого автора. The paper presents some results which were received while the text corpus of Ivan Franko is being created. The notion of the structure annotation of text corpus is specified. The important text elements for particular structure annotation of an author text corpus are fined out. Such elements as author’s definition of genre, author’s notes about remaking, dedications, epigraphs, citations, author’s signature of work (date and/or place of the work creation, original name or pseudonym), author’s and editor’s footnotes are described on the material of Ivan Franko’s prose. uk Iнститут української мови НАН України Дослідження Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) Structure annotation in text corpus (on the material of Ivan Franco’s prose) Article published earlier |
| spellingShingle | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) Бук, С. Дослідження |
| title | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) |
| title_alt | Structure annotation in text corpus (on the material of Ivan Franco’s prose) |
| title_full | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) |
| title_fullStr | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) |
| title_full_unstemmed | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) |
| title_short | Структурне анотування у корпусі текстів (на прикладі прози Івана Франка) |
| title_sort | структурне анотування у корпусі текстів (на прикладі прози івана франка) |
| topic | Дослідження |
| topic_facet | Дослідження |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6052 |
| work_keys_str_mv | AT buks strukturneanotuvannâukorpusítekstívnaprikladíproziívanafranka AT buks structureannotationintextcorpusonthematerialofivanfrancosprose |