Обеспечение высокого качества разметки является одной из ключевых задач при создании текстового корпуса. Особое значение для корпусов русского языка имеет задача лемматизации, поскольку для широкого круга лингвистических исследований необходимы поиск и статистический анализ на уровне лемм, а не отдельных словоформ. При этом развитая система словоизменения в русском языке существенно усложняет решение данной задачи.

В докладе представлен краткий обзор системы «Rubic», используемой в Национальном Корпусе Русского Языка для внутритекстовой разметки. Отдельно рассматриваются два ранее разработанных модуля, предназначенных для лемматизации аббревиатур и имен собственных.

Заключительная часть доклада посвящена задаче автоматической семантической разметки. Рассматриваются сбор данных, разработка экспериментальных модулей и анализ результатов их работы.

Семинар будет проведен в смешанном формате. Очное заседание пройдет в конференц-зале ФИЦ ИВТ (к.513), дистанционно к семинару можно будет подключиться по ссылке https://vcs-6.ict.nsc.ru/rooms/grz-ayy-7ne/join

Для студентов и аспирантов, находящихся в Новосибирске и не имеющих причин для дистанционного подключения, очное присутствие обязательно.