Квантитативное исследование морфосинтаксических параметров и отношений на материале больших языковых корпусовQuantitative Investigation of Morpho-Syntactic Parameters and Relations Using Large Language Corpora

В диссертационной работе рассматривается вопрос автоматизации извлечения словарей глагольной сочетаемости и глагольного управления русского языка из большого корпуса неразмеченных текстов. Для обоснования особенностей русского языка, помогающих в построении указанных словарей, исследуются особенности грамматики и синтаксиса, показывается место русского языка в языковом ландшафте. В работе проведено исследование распределения слов двенадцати языков  по предлагаемым видам грамматической неоднозначности. Неоднозначность классифицируется по наличию нескольких вариантов морфологического анализа слова, отличающихся по лемме, части речи и наборам граммем. В работе показано, что русскому языку в большей мере присуща однозначность слов по части речи. С точки зрения синтаксиса исследовался материал 65 языков, представленных в коллекции корпусов Universal Dependencies. В работе предлагается новый метод оценки синтаксического ветвления, проводится ранжирование языков по присущей им строгости данного параметра в целом и по отдельным конструкциям. Также выделяются наиболее частотные синтаксические конструкции выбранных языков, проводится их сравнение.На основе собранных данных в качестве языка дальнейшего исследования выбирается русский язык. В работе сравнивается два подхода к синтаксической разметке текстов: частичный и автоматический синтаксический анализ. По результатам экспериментов был сделан вывод о необходимости применения автоматического синтаксического анализа и коррекции проявляющихся в нём ошибок. По результатам анализа статистики размеченного корпуса были построены словари предложного управления и глагольной сочетаемости. Анализ результатов позволил извлечь структуру валентностей для 15 000 глаголов и показать наличие класса глаголов с невыраженной актантной структурой. В работе предлагается новый метод группировки зависимых слов по их семантике, однако наличие глаголов с невыраженной акантной структурой не позволяет получить результаты для всех глаголов.