Башкирская Википедия через призму
компьютерно-лингвистического анализа

Борис Орехов

Количественное описание
Данные о Википедии
Словоформы
Лексемы
Результаты

Страницы 1 2 3

Лексемы

Мы также обработали тексты башкирской Википедии с помощью нашего морфологического анализатора, склеив леммы
Лемма — доказанное утверждение, полезное не само по себе, а для доказательства других утверждений.

и составив статистику для уверенно распознанных форм. К сожалению, данные весьма приблизительны из-за неразрешённой в ряде случаев омонимии.
Top-20 самых частотных в Википедии лексем:

Лексема	Количество	Лексема	Количество	Лексема	Количество	Лексема	Количество
йылға S	183338	йыл S	134404	бассейн S	88594	hыу S	64529
рәсәй S	44293	км S	38645	ҡу V	36577	ҡуш V	36311
тиклем POST	28871	буйынса POST	25968	мәғлүмәт S	22628	дәүләт S	20975
хужа S	20406	бәләкәй ADJ	20302	биләмә S	20199	округ S	20194
оҙон S	20194	ағ V	20168	ҡуш ADJ	20159	участка S	20043

Расширенный перечень лексем см. здесь.
Статистика по частям речи:

Часть речи	Количество	Часть речи	Количество
Существительное Имя существительное — самостоятельная часть речи, принадлежащая к категории имени и классу полнозначных лексем, может выступать в предложении в функциях подлежащего, дополнения и именной части сказуемого.	1200388	Союз Союз — служебная часть речи, с помощью которой связывают между собой простые предложения в составе сложного или однородные члены предложения.	22293
Глагол Глагол — самостоятельная часть речи, которая обозначает состояние или действие предмета и отвечает на вопросы что делать? что сделать?	293293	Местоимение Местоимение — самостоятельная часть речи, объединяющая слова, которые не содержат конкретного лексического значения, не называют предметы, признаки или количество, а лишь указывают на них: ты, он, они, наш, каждый, некоторый, ничей, сколько и т.д.	16623
Адъектив Имя прилагательное — самостоятельная часть речи, обозначающая непроцессуальный признак предмета и отвечающая на вопросы какой? какая? какое? какие? чей? и т.д.	156162	Числительное Имя числительное — самостоятельная часть речи, которая обозначает число, количество и порядок предметов.	14242
Послелог Послелог — служебная часть речи, выражающая синтаксические отношения между именем существительным, местоимением, числительным и словами других частей речи, а также между существительными.	67428	Частица Частица — служебная часть речи, которая вносит различные оттенки значения, эмоциональные оттенки в предложении или служит для образования форм слова.	9952
Междометие — лексико-грамматический класс неизменяемых слов, не входящих ни в знаменательные, ни в служебные части речи и нерасчленённо выражающих эмоциональные и эмоционально-волевые реакции на окружающую действительность.	1534

Статистика глагольных времён:

Настоящее время Настоящее время — граммема грамматической категории времени, которая означает, что развёртывание описываемой в высказывании ситуации включает момент речи.	Прошедшее неопределенное время Прошедшее неопределенное время обозначает действия, имевшие место в прошлом и время совершения которых истекло.	Прошедшее определенное время Прошедшее определенное время обозначает действия, имевшие место в прошлом и время совершения которых не истекло.	Будущее неопределенное время Будущее неопределенное время указывает на действие, которое будет совершенно в будущем с неопределённым результатом.	Будущее определенное время Будущее определенное время указывает на действие, которое будет совершенно в будущем.
120795	42779	10249	2004	139

Статистика падежей
Падеж — словоизменительная грамматическая категория именных и местоименных частей речи и близких к ним гибридных частей речи, выражающая их синтаксическую и/или семантическую роль в предложении.

существительных:

Основной Основной падеж — один из базовых падежей в языках номинативного строя; обычно этот падеж кодирует агенс, в синтаксических терминах часто являющийся подлежащим.	Дательный Дательный падеж — один из косвенных падежей, используется с глаголами, выражающими действие, направленное к этому предмету и производные от него.	Местно-временной	Родительный Родительный падеж — один из косвенных падежей, в языках мира обычно выражающий притяжательные отношения, а также имеющий целый ряд других функций.	Исходный Исходный падеж — косвенный падеж, указывающий на исходный пункт траектории движения одного из участников ситуации.	Винительный Винительный падеж — падеж, которым в языках номинативно-аккузативного строя обозначается объект действия.	Абессив Абессив — падеж, указывающий на лишение, отсутствие чего-либо, на нахождение вне чего-либо.
491052	193911	67492	42569	23264	21847	486

Результаты

Мы представили результаты детального компьютерно-лингвистического анализа башкирской Википедии по состоянию на 22 августа 2013. Предполагаем, что эти результаты могут быть и полезны для прикладных разработок, и просто занимательны.

Текст публикуется по nevmenandr.net

Страницы 1 2 3