ქართული ენის კორპუსი

პროექტის შესახებ

ქართული ენის კორპუსი ილიას სახელმწიფო უნივერსიტეტის ლინგვისტურ კვლევათა ცენტრის პროექტია. იგი შეიქმნა 2009-2016 წლებში. ამ ეტაპზე კორპუსი შედგება მონოლინგვური და ბილინგვური ბლოკებისგან. მონოლინგვური ბლოკი მოიცავს ორ ძირითად ქვეკორპუსს:

- ახალი და თანამედროვე ქართული ენა;
- ძველი და საშუალი ქართული ენა.
ახალი და თანამედროვე ქართული ენის ქვეკორპუსი მოიცავს ლინგვისტურად ანოტირებულ ტექსტებს 1832 წლიდან 2012 წლამდე. ტექსტების ლინგვისტური ანოტირება განხორციელდა თანამედროვე ქართული ენის მორფოლოგიური ანალიზატორის გამოყენებით, რომელიც შეიქმნა შოთა რუსთაველის ეროვნული სამეცნიერო ფონდისა და ილიას უნივერსიტეტის ერთობლივი პროექტის ფარგლებში. ამ ეტაპზე მუშავდება ლინგვისტური და ტექნოლოგიური სტანდარტები ძველი და საშუალი ქართული ენის მოდელირებისთვის.

ძველი და საშუალი ქართული ენის ქვეკორპუსები აგებულია, ერთი მხრივ, სხვა ენებთან და კულტურებთან ქართულის ურთიერთობისა (ბერძნული, სირიული, ქრისტიანული არაბული, სომხური) და, მეორე მხრივ, ქართული სამწერლობო-მთარგმნელობითი სკოლების (წინაათონური, ათონური, ანტიოქიური, ქართული ელინოფილური და ა.შ.) მიხედვით.

ბილინგვურ ბლოკში ამ ეტაპზე წარმოდგენილია „ვეფხისტყაოსნისა“ (ქართულ-ინგლისური) და „ქართლის ცხოვრების“ (ქართულ-სომხური) პარალელური კორპუსები. 2016 წელს დასრულდება მუშაობა „შუშანიკის წამების“ ქართულ-სომხურ და „პეტრე იბერის ცხოვრების“ ქართულ-სირიულ პარალელურ კორპუსებზე.