关于语料库

О корпусе

CRParDT 是一个标注有汉俄篇章依存结构信息的平行语料库，旨在为汉俄篇章结构分析与对比研究提供支持。当前，语料库主要包含中俄两国政府发布的官方文件外交文件（中俄政府联合声明与声明），所有文本来源于中国政府网站（https://www.gov.cn/）和俄罗斯政府网站（http://kremlin.ru/）。

本工作中篇章结构分析以小句为节点，句间的语义依存关系为边，构成篇章结构对，以段落为边界构建篇章依存结构树。我们基于篇章基本单位对齐和结构对对齐，实现了汉俄篇章结构对齐。汉俄双语文本的语义对应关系有效保证了两种语言篇章结构的平行分析。

目前，CRParDT共收录 24 个平行文档（包括 12 篇汉语文档和 12 篇俄语文档），共切分 1680 个汉语小句以及等量的俄语句法对应单位，并在每种语言内部构建了 1252 对篇章结构对，完成了 429 个平行段落的篇章依存结构标注。

语料库中的所有篇章结构信息均由人工标注，采用分阶段、多次标注的机制，确保标注的一致性与可靠性。

CRParDT предназначен для анализа и сопоставления дискурсивных структур между китайским и русским языками, а также для решения различных задач семантического анализа в NLP. Тексты корпуса в основном взяты из официальных документов, опубликованных правительствами Китая и России, включая совместные заявления и декларации. Все тексты можно найти на официальных сайтах: сайт правительства Китая (https://www.gov.cn/) и сайт президента России (http://kremlin.ru/).

При анализе дискурсивной структуры зависимости элементарные дискурсивные единицы (ЭДЕ) рассматриваются как узлы, а логико-семантические отношения между клаузами — как дуги. В результате создаются структурные пары и формируются бинарные направленные ациклические графы для каждого абзаца. Выравнивание двуязычных дискурсивных структур основывается на выравнивании ЭДЕ (китайских клауз и соответствующих им русских синтаксических аналогов) и структурных пар двух языков. Семантическая эквивалентность официально-деловых текстов китайского и русского языков обеспечивает параллельный анализ их дискурсивных структур.

На данный момент в корпусе собрано 24 параллельных документа (по 12 на китайском и русском языках), включающих 1680 китайских клауз и соответствующих им русских синтаксических аналогов, а также построено 1252 параллельные структурные пары для каждого языка. Для 858 абзацев (по 429 на каждом языке) построены дискурсивные деревья зависимостей.

Корпус был размечен вручную. Использовалась поэтапный и многократный повторный механизм для обеспечения консистентности и надежности разметки.

特点

Особенности

语料库开发与使用说明

开发工具与技术

• XML解析：使用Python的xml.etree.ElementTree模块进行XML文件的解析。
• 交互式图形展示：使用vis-network库生成图形化的句子依存关系图。

Инструкция по разработке и использованию корпуса

Инструменты и технологии разработки

• Парсинг XML: Использование модуля xml.etree.ElementTree в Python для парсинга XML файлов.
• Интерактивная визуализация: Использование библиотеки vis-network для создания графического представления зависимостей предложений.

数据版权与使用限制

引用我们：

本语料库仅供学术研究和非商业用途使用。

用户在使用语料库时，必须注明数据来源，并遵守相关的版权和使用规定。

禁止将语料库数据用于商业目的或未经授权的分发。

如有任何问题或建议，请联系：xwyang@mail.ru

Авторские права на данные

Цитировать нас:

Этот корпус предназначен исключительно для академических исследований и некоммерческого использования.

Пользователи должны указывать источник данных и соблюдать соответствующие авторские права и условия использования.

Запрещается использовать данные корпуса для коммерческих целей или для распространения без разрешения.

Если какие-нибудь вопросы или предложения, свяжитесь с нами по почте: xwyang@mail.ru