Skip to content

hseling/hseling-api-catandkittens

Repository files navigation

CAT&kittens: Русский академический корпус и инструмент для проверки академических текстов

САТ - это корпус академических текстов, созданный на основе наиболее актуальных (написанных позднее 2010 года) научных текстов. Большинство текстов корпуса - статьи из журналов, входящих в принятый НИУ ВШЭ перечень изданий, публикации в которых учитываются при назначении академических надбавок. Тексты корпуса размечены при помощи пайплайна UDpipe.

В корпусе выделяются следующие домены:

Домен Токены Тексты
Лингвистика 422042 75
Социология 425075 52
Политология 374904 78
Юриспруденция 413165 80
Психология 480851 90
Экономика 455448 74

Общий объём корпуса составляет ок. 2.5 млн. токенов.

На основе корпуса были созданы следующие ресурсы:

  • Списки академических коллокаций размерностью от двух до шести слов. Доступны как общие списки, так и списки для каждого домена.

  • Инструмент для проверки академических текстов, выделяющий следующие отклонения от академического стиля:

    • Длинные последовательности генитивов;
    • Неправильное употребление сравнительной степени;
    • Неверное употребление сочинительных групп;
    • Слова, не встречающиеся в академических текстах;
    • Смешение употребления “я” и “мы”;
    • Неверное употребление наклонения глаголов;
    • Слишком длинные предложения.

Разработчики:
Преподаватели: Михаил Копотев (Хельсинкский университет), Олеся Кисселев (Университет Техаса в Сан-Антонио), Наталья Зевахина, Светлана Толдова (НИУ ВШЭ)
Студенты: Анастасия Баранчикова, Анна Дмитриева, Александр Климов, Станислав Краснов, Мария Фёдорова (НИУ ВШЭ)

About

HSE Linguistics API: Cat and Kittens

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Contributors 4

  •  
  •  
  •  
  •