Национальный корпус русского языка

Говоря об особенностях логов в Национальный корпус, стоит упомянуть тот факт, что при переходе между страницами выдачи для одного запроса этот запрос отправляется систему несколько раз. Другими словами, если пользователь задал запрос, а потом просмотрел три страницы выдачи, то в логах будут записаны три одинаковых запроса (по одному на каждую страницу). В связи с этой особенностью логи перед самим изучением были отфильтрованы, и повторяющиеся запросы, идущие подряд, были удалены из общего файла. Также важно упомянуть, что, как и в корпусе Leeds, поисковой интерфейс Национального корпуса позволяет пользователю задавать сложные составные запросы, указывая при необходимости морфологические характеристики лемм или самостоятельные шаблоны. В логах все данные о запросе пользователя объединяются в одно выражение, перемежаемые знаком амперсанта (&). При этом, достаточно большое количество запросов задавались с помощью указания конкретной словоформы или словосочетания в специальном поле «Слово или фраза» (соответствующее выражение выглядит как [req = …]).

Рассмотрим же наиболее частотные шаблоны, задаваемые пользователями для исследования гипотезы Б. Как и в корпусе Leeds, чаще всего пользователи использовали шаблоны для поиска простых частей речи без каких-либо морфологических меток: чаще всего в запросах встречалось существительное (41 858 запросов), затем глагол (40 771 запрос) и прилагательное (40 323 запроса). Далее с большим отставанием идёт наречие (18 296 запросов) и предлог (2 329 запросов). Составим таблицу аналогичную предыдущим для шаблонов, включающих в себя существительные. Перед изучением таблицы 5 важно отметить, что в таблицу были вынесены наиболее частотные запросы (заданные более 150 раз), а более редкие запросы присоединялись по принципу, описанному выше: более подробные запросы разделялись на более общие запросы.

Таблица 5. Шаблонные запросы с формами существительного в НКРЯ

Как можно заметить, в итоговой таблице всё же есть запросы, распространяющие другие, более общие. Как и в случае с первым изученным корпусом, выделим наиболее часто запрашиваемые падежи. Самым популярным является родительный падеж, вошедший в составные запросы и запрашиваемый отдельно, — он встретился в 4 196 запросах. Далее следуют именительный (3 443 запроса) и винительный (3 021 запрос) падежи. Единственное число встретилось в запросе практически в два раза чаще, чем множественное (862 и 484 запроса, соответственно). Одушевлённые существительные искали 1 115 раз, в то время, как неодушевлённые всего 409 раз. По роду различия в запросах были не значительны, как правило, пользователь задаёт «любой» род, либо женский или мужской с одинаковой частотой.

Теперь обратим внимание на таблицу с наиболее частотными шаблонными запросами, включающими в себя различные глагольные формы.

Таблица 6. Шаблонные запросы с формами глагола в НКРЯ.

Отметим, что в случае с глагольными шаблонами частота менее популярных шаблонов прибавлялась к частоте более популярных для создания более общей картины. Изучив значения, приведённые в таблице 6, можно определить, что глаголы прошедшего времени упоминались в шаблонах запросов гораздо чаще по сравнению с настоящим временем (2 118 и 513 запросов, соответственно). В сравнении с обычными глагольными запросами (без дополнительных меток), количество шаблонов с указанием прошедшего времени глагола составляет 5, 19%.

Подводя итоги, можно сказать, что данные, полученные в ходе изучения логов НКРЯ, во многом совпадают с данными, полученными из логов корпуса Leeds. Действительно, существительные родительного и винительного падежей ищут чаще, по сравнению с другими составными шаблонами, но при этом несравнимо реже простых POS-шаблонов. Точно так же глаголы прошедшего времени встречаются в запросах значительно чаще, чем любые другие специальные формы глаголов.

Наконец, перейдём к гипотезе, А о повторениях запросов в рамках одной сессии. В качестве самых ярких примеров, подтверждающих гипотезу, можно привести следующие поисковые сессии:

пользователь изучал структуры вида «местоимение в именительном падеже» + «прилагательное довольный в именительном падеже», меняя лицо и число местоимения, а также число прилагательного, сделав в сумме более 75 запросов за несколько часов, из которых около 20 было повторами ранее заданных запросов,.

Пример: gramm1=SPRO, nom, sg, 1p&gramm2=A, nom, sg, (m|f|mf) &lex2=довольный, пользователь провёл исследования схожие с вышеописанным, заменив прилагательное в одном случае на успешный (69 запросов, 10 повторов), а в другом на свободный (93 запроса, 24 повтора),.

пользователь изучал словосочетания вида «глагол мышления» (думать и однокоренные, размышлять и др.) + «над» + «проблемой», каждый раз задавая конкретное словосочетание с конкретной словоформой (используя выражение [req=…]) и в итоге совершив 171 запросов, 40 из которых повторялись, пользователь сравнивал употребления слов мороженый/замороженный с различными продуктами питания (овощи, фрукты, ягоды, мясо, рыба), проведя сессию из 12 запросов, из которых 6 запросов повторяли ранее заданные, Пример: lex1="заморожен*" &lex2=мясо+|+рыба В общей сложности подобных длинных поисковых сессий с повторяющимися запросами было представлено около 30 в логах НКРЯ, что составляет около 3 660 запросов. Среди всех этих запросов 627 являлись повторами ранее заданных запросов и не были дубликатами, возникшими из-за просмотра выдачи. В процентном соотношении повторы представляют чуть больше 17,1%.