Как работает система семантической разметки в Национальном корпусе русского языка?

Система семантической разметки в Национальном корпусе русского языка (НКРЯ) работает на основе автоматической разметки текстов с помощью программы Semmarkup в соответствии с семантическим словарем корпуса. ruscorpora.ru

При такой разметке большинству слов в тексте приписывается один или несколько семантических и словообразовательных признаков. ruscorpora.ru Например, для предметных имён это могут быть лица, животные, растения, вещества и материалы, для прилагательных — размер, форма, цвет, вкус, запах, место, время, свойство человека и другие, для глаголов — движение, эмоция, речь, поведение человека и другие. ruslang.ru

Используется фасетная классификация, при которой одно слово может попадать в несколько классов. ruscorpora.ru

Для решения проблемы неоднозначности (когда программа автоматически расставляет пометы в тексте, она каждому вхождению слова приписывает все пометы, которые есть в словаре, потому что программа не знает, в каком значении выступает слово в данном тексте) используются семантические фильтры. rakhilina.ru Они позволяют оставлять при каждом вхождении слова только одну помету. rakhilina.ru

Фильтр работает следующим образом: rakhilina.ru

1. Формулируются семантические, морфологические и синтаксические условия, в которых реализуется некоторое значение слова. rakhilina.ru
2. Эти условия записываются в виде контекста. rakhilina.ru
3. Осуществляется поиск слова в заданном контексте. rakhilina.ru
4. Результатом этого поиска будет корпус примеров, где слово выступает в заданном значении, соответствующем определённой семантической помете. rakhilina.ru Остальные пометы стираются. rakhilina.ru
5. Далее процедура повторяется для остальных семантически размеченных значений слова. rakhilina.ru