Korpus lingvistikasi

БРИТАНИЯ МИЛЛИЙ КОРПУСИ4 (British National Corpus (BNC)) – 100
миллион сўз қўллаш ҳолатидан иборат, инглиз тилини
маълум жанрда эмас, балки тўлиқ қамраб олган. Бу
корпуснинг ҳажмининг аниқлиги, чегараланганлиги билан
Cobuild Projectдан фарқ қилади. 90 фоизини ёзма манба, 10
фоизини оғзаки матн ташкил этади. Корпусни ташкил
этишда бир қанча ташкилотлар (Британия ҳукуматидан
бошлаб) иштирок этган; мазкур иш 1995 йилда
ниҳоясигига етган. Корпус 4124 матндан иборат, шундан
863таси оғзаки суҳбат, монологдан ёзиб олинган. Ҳар бир
матн орфографик сегментланган, матндаги сўз автоматик
тарзда туркумланган. Сўзни сегментлаш, классификациялаш Ланкастер университетида ишлаб чиқилган
стохастик разметка дастури CLAWS асосида амалга
оширилади. Барча матнлар энг оптимал усуллардан бири
саналган SGML тили, TEI дастури ёрдамида разметкаланган. Корпусни тузишда матн танлашнинг янги усуллари

қўлланилган,	кўп	даражали	назорат	тизимидан
фойдаланилган.

ЛОНДОН-ЛУНД КОРПУСИ10 – (London-Lund Corpus (LLC) инглиз
тилининг оғзаки нутқ корпуси, 1975 йилда тузилган.
Орфографик транскрипция, фонетик, просодик (урғу ва
урғусиз, узун ҳамда қисқа бўғинларни талаффуз қилишга
оид) разметкаси мавжуд, 500000 сўз қўллаш ҳолатини
қамраб олган. Корпус Лондон университети коллежида
дастлаб қоғоз вариантда тайёрланиб, кейинчалик швед
шаҳарларидан бири Лунд тилшунослари томонидан
электрон кўринишга келтирилган.

3. 
   Korpus annotatsiyasi, korpus hajmi va klassifikatsiyasi.