Korpus

Wikipedia
Loikkaa: valikkoon, hakuun

Korpus (latinan sanasta corpus, kokoelma tai kirjaimellisesti keho) on tarkoin määrätty ja koottu joukko kirjoitetun kielen tekstejä (tekstikorpus) tai puhutun kielen nauhoitteita (puhekorpus), jotka on poimittu aidoista teksteistä ja tilanteista. Niitä käytetään kieltä koskevien hypoteesien testaamiseen yhdestä tai useammasta kielestä tai joistakin niiden ominaisuuksista.[1]

Tarkastelun kohteina voivat olla esimerkiksi seuraavanlaiset kysymykset:

  1. kuinka usein sana esiintyy tekstissä, (frekvenssi)
  2. missä yhteydessä se esiintyy tai mitkä sanat tai fraasit esiintyvät usein sen lähellä, (konkordanssi)[2]
  3. mitä sanaa tai fraasia yhdellä kielellä käytetään yleisimmin toisen kielen sanan tai fraasin vastineena.

Lähteet[muokkaa | muokkaa wikitekstiä]

  1. Antti Arppe: Korpukset ja kieli (Powerpoint) Viitattu 31.12.2008.
  2. Mikko Lounela: Konkordanssi UNIXin alkeet ja tekstikorpusten tietojenkäsittely. KIT. Viitattu 04.12.2009.

Aiheesta muualla[muokkaa | muokkaa wikitekstiä]

Tämä kieliin tai kielitieteeseen liittyvä artikkeli on tynkä. Voit auttaa Wikipediaa laajentamalla artikkelia.