Magyar Nemzeti Sz�vegt�r

Megny�lt az MNSZ fel�j�tott, kib�v�tett, �j funkci�kkal ell�tott v�ltozata. Kattintson! K�rj�k, ezent�l az �j fel�letet haszn�lj�k. A kor�bbi regisztr�ci�k az �j sz�vegt�rra is �rv�nyesek. K�rj�k, az �j v�ltozatot bemutat� 2014-es LREC publik�ci�nkra hivatkozzanak.

Ez a Magyar Nemzeti Sz�vegt�r r�gi v�ltozat�nak oldala.

A Magyar Nemzeti Sz�vegt�r (MNSZ) munk�latai 1998 elej�n kezd�dtek el a Magyar Tudom�nyos Akad�mia Nyelvtudom�nyi Int�zet�nek Korpusznyelv�szeti Oszt�ly�n V�radi Tam�s vezet�s�vel. A c�l egy 100 milli� szavas sz�vegkorpusz l�trehoz�sa volt, amely lehet�s�geihez m�rten reprezentat�van tartalmazza a mai magyar nyelv jellegzetes megnyilv�nul�sait. A munk�latok 2002-t�l a K�rp�t-medencei Magyar Nyelvi Korpusz projekt keret�ben kieg�sz�ltek a teljes K�rp�t-medence magyar nyelvhaszn�lat�ra kiterjed� gy�jt�ssel. Itt a c�l egy 15 milli� szavas hat�ron t�li korpusz l�trehoz�sa volt. 2005 november�ben mutatkozott be a szlov�kiai, k�rp�taljai, erd�lyi �s vajdas�gi nyelvv�ltozatokkal kieg�sz�lt, val�ban nemzetiv� v�l� Magyar Nemzeti Sz�vegt�r. A Nyelvi Irod�k �s a Korpusznyelv�szeti Oszt�ly egy�ttm�k�d�s�nek k�sz�nhet�en az els� olyan magyar nyelvi korpusz j�tt l�tre, amely a magyarorsz�giak mellett a hat�ron t�li magyar nyelvv�ltozatokat is fel�leli.

Mit nevez�nk korpusznak?

A korpusz t�nylegesen el�fordul� �rott, vagy lejegyzett besz�lt nyelvi adatok gy�jtem�nye. A sz�vegeket valamilyen szempont szerint v�logatj�k �s rendezik. Nem felt�tlen�l eg�sz sz�vegeket tartalmaz, �s nemcsak t�rh�za a sz�vegeknek, hanem tartalmazza azok bibliogr�fiai adatait, bejel�li a szerkezeti egys�geket (bekezd�s, mondat). Az MNSZ a mai magyar �rott k�znyelv �ltal�nos c�l� reprezentat�v korpusza k�v�n lenni.

Automatikus elemz�s

Az MNSZ l�nyegi tulajdons�ga, hogy minden sz� mellett felt�nteti a sz�t�vet, a sz�fajt �s a sz� morfol�giai elemz�s�t is. A sz�t�, sz�faj �s elemz�s meg�llap�t�sa �s az elemz�sek egy�rtelm�s�t�se automatikus g�pi eszk�z�kkel t�rt�nik. A rendszer megb�zhat�s�ga kb. 97,5%-os, �gy az �sszes sz�alak kb. 2,5%-a hib�san van elemezve. Enn�l jobb eredm�nyt csak a k�zi elemz�s biztos�thatna, ami ekkora m�ret� anyag eset�n megval�s�thatatlan.

Hogyan �p�l fel?

Az MNSZ jelenleg 187,6 milli� sz�vegsz�t tartalmaz. Egyr�szt �t region�lis nyelvv�ltozatra oszlik, m�sr�szt ezen bel�l �t st�lusr�tegb�l tartalmaz sz�vegeket. Az aktu�lisan vizsg�land� alkorpuszt ezek tetsz�leges vari�ci�jak�nt v�laszthatjuk ki. A hat�ron t�li nyelvv�ltozatokkal kieg�sz�lve a Sz�vegt�r teh�t alkalmass� v�lt nemcsak st�lusr�tegek, hanem nyelvv�ltozatok szerinti �sszehasonl�t� vizsg�latok elv�gz�s�re is.

Az MNSZ fel�p�t�se a k�vetkez� (a sz�mszer� adatok milli� sz�ban vannak megadva, sz�zezer sz�ra kerek�tve):

Kik haszn�lhatj�k?

A Magyar Nemzeti Sz�vegt�rat b�rki haszn�lhatja, aki kit�lti a regisztr�ci�s �rlapot �s az ott le�rt felt�teleket elfogadja.

Gyakoris�gi adatok

• B�ng�szhet� gyakoris�gi adatok.
• Az MNSZ teljes gyakoris�gi list�ja a META-SHARE repozit�riumban. (angol fel�let)
• Minta az MNSZ gyakoris�gi list�j�b�l:

Partnereink

A morfol�giai elemz�s a MorphoLogic Kft. Humor nev� programj�val k�sz�lt, az egy�rtelm�s�t�s Thorsten Brants TnT tagger-j�n alapul, korpuszkezel� eszk�z�nk az IMS Corpus Workbench.

T�mogat�ink

A sz�vegt�r �ssze�ll�t�s�t az OTKA a T 026091 sz. p�ly�zatban, az internetes megjelen�st az IHM az SZT-IS-7 sz. p�ly�zatban t�mogatta, a K�rp�t-medencei Magyar Nyelvi Korpusz munk�latai pedig az NKFP/044/2002 p�ly�zat keret�ben folytak.