ポーランド語全国コーパス

ポーランド語全国コーパス（ポーランド語：Narodowy Korpus Języka Polskiego NKJP）は、ポーランド語の最大かつ最も重要なコーパスです。言語コーパスは、単語やフレーズの典型的な使用法、意味、文法機能を調べることができるテキストのコレクションです。

ポーランド語国立コーパスは、ポーランド科学アカデミーのコンピュータ科学研究所とポーランド語研究所、ポーランド科学出版社PWN、ウッチ大学の計算およびコーパス言語学科の4つの機関の共同イニシアチブであり、科学高等教育省の研究開発プロジェクトとして登録されています。

ポーランド語全国コーパス全体の予定サイズは 10 億語以上で、そのうち 3 億語のサブコーパスは慎重にバランス調整されており、手動で注釈を付けた 100 万語のコーパスはオープン ライセンスで公開されています。コーパスは http://nkjp.pl/poliqarp/ からオンラインでアクセスできます。

このコーパスには古典文学、日刊新聞、専門誌やジャーナル、会話の書き起こし、そして様々な短編集やインターネット上のテキストが含まれています。^[1]

• PELCRA – 3 つのコーパス (IPIPAN、PELCRA、PWN) からの 12 億語。使い方は簡単で、結果はスプレッドシートの形式でダウンロードできます。特殊なクエリ構文により、形態拡張とスペルの使用、1 つのクエリ オプションでの検索、柔軟な語彙の語句複合語の使用も可能です。PELCRA では、レジストリ機能の視覚化と、単語、語句、イディオムの時系列の生成も行えます。
• POLIQARP – Poliqarp では、特定の単語やフレーズを検索できます。また、正規表現を使用して決定されたシーケンスを見つけることもできます。たとえば、名詞と形容詞で構成されるフレーズの本文にすべて出現したり、選択した単語のすべての文法形式を検索したりすることもできます (特にポーランド語の学習に役立ちます)。これらの操作は、オンラインでもオフラインでも非常に迅速に実行できます。たとえば、単純な検索クエリは数秒しかかかりません。

最初に登場したコーパスは、ポーランド科学アカデミーのポーランド語研究所（非公開）によって開発され、その後、PWN出版社のコーパス、ウッチ大学のPELCRAグループのコーパス、そして最後にポーランド科学アカデミーのコンピュータサイエンス研究所のコーパスが続きました。4つのチームはすべて、2006年に力を合わせることを決定し、ポーランド語国家コーパスコンソーシアムを結成しました。^[2]

• ポーランド語全国コーパス
• Podstaw Informatyki Polskiej Akademii Nauk 研究所
• イェズィカ ポルスキエゴ ポルスキエ アカデミー ナウク研究所