innovationИнформация и инновацииInformation and Innovations1994-24432949-2157МЦНТИ10.31432/1994-2443-2023-18-4-21-37innovation-227Research ArticleИНФОРМАЦИОННЫЕ ПРОЦЕССЫInformation processesИнформационный потенциал корпуса научных текстовInformation Potential of a Corpus of Scientific TextsКомарицаВ. Н.KomaritsaV. N.

Валентин Николаевич Комарица — кандидат технических наук, заместитель начальника отдела издательских проектов и медиакоммуникаций

Москва

Valentin Nikolaevich Komaritsa - Cand. Sci. (Eng.), deputy head of the department of Publishing Projects and Media Communications

Moscow

KomaritsaVN@niitnn.transneft.ruООО «Научно-исследовательский институт трубопроводного транспорта» (ООО «НИИ Транснефть)РоссияLLC Research Institute of Pipeline Transport (LLC NII Transneft)Russian Federation2023300120241842137Copyright © Комарица В.Н., 20242024Комарица В.Н.Komaritsa V.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://journal.icsti.int/jour/article/view/227

В статье рассматриваются общедоступные корпуса текстов, представленные в сети Интернет, дается характеристика и рассматривается потенциал корпусной лингвистики для анализа развития научных трендов, дискурса и изменений в области терминологии.Представлен набор данных, подготовленный на основе корпуса текстов научных статей в отраслевом научном журнале по транспорту нефти и корпуса Google Books Corpus. Набор данных позволяет рассмотреть изменения в частотности применимости терминов с 1940 по 2019 гг.Представлены результаты анализа частот использования терминов, сделано сопоставление изменений в технологической отрасли с развитием ключевой лексики.Результаты показывают, что исследования, сделанные с использованием данных корпусов научно-технических текстов, имеют хороший потенциал для понимания трендов технологического развития и динамики изменений в промышленности и терминоведении.

The article considers publicly available corpus of texts presented in the internet, characterises and considers the potential of corpus linguistics for analysing the development of scientific trends, discourse and changes in the field of terminology. A dataset based on a corpus of texts of scientific articles in a petroleum transport trade journal and the Google Books Corpus is presented. The dataset allows us to examine changes in term usage frequencies from 1940 to 2019.The results of analyses of term usage frequencies are presented, and a comparison is made between changes in the technology industry and the development of key vocabulary. The results show that studies made using data from corpuses of scientific and technical texts have good potential for understanding trends in technological development and the dynamics of change in industry and terminology.

ключевые словатерминыкорпуса текстаGoogle ngramтехнологические трендыkeywordstermstext corporaGoogle ngramtechnological trendsReferencesМикова Н.С., Соколова А.В. Мониторинг глобальных технологических трендов: теоретические основы и лучшие практики // ФОРСАЙТ. 2014. Т. 8. № 4.Mikova N.S., Sokolova A.V. Monitoring global`ny`x texnologicheskix trendov: teoreticheskie osnovy` i luchshie praktiki // FORSAJT. 2014. T. 8. № 4.Нгуен Тхань Вьет, Кравец А.Г. Новый метод прогнозирования технологических трендов на основе анализа научных статей и патентов. International Journal of Open Information Technologies ISSN: 2307-8162 vol. 10, no. 10, 2022.Nguen Txan` V`et, Kravecz A.G. Novy`j metod prognozirovaniya texnologicheskix trendov na osnove analiza nauchny`x statej i patentov. International Journal of Open Information Technologies ISSN: 2307-8162 vol. 10, no. 10, 2022.Башков А.С., Соломенцев Я.К. Использование векторных методов представления слов в задачах выявления трендов // Вестник Российского нового университета. Серия «Сложные системы модели, анализ и управление». 2019. Выпуск 2. С. 80-88.Bashkov A.S., Solomencev Ya.K. Ispol`zovanie vektorny`x metodov predstavleniya slov v zadachax vy`yavleniya trendov // Vestnik Rossijskogo novogo universiteta. Seriya «Slozhny`e sistemy` modeli, analiz i upravlenie». 2019. Vy`pusk 2, P. 80-88.Сощенко А. Е., Комарица В.Н. Анализ зависимости между числом публикаций и количеством цитирования статей в научной периодике трубопроводного транспорта углеводородов // Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. — 2015. — № 3(19). — C. 108-115.Soshhenko A. E., Komaricza V.N. Analiz zavisimosti mezhdu chislom publikacij i kolichestvom citirovaniya statej v nauchnoj periodike truboprovodnogo transporta uglevodorodov // Nauka i texnologii truboprovodnogo transporta nefti i nefteproduktov. — 2015. — № 3(19). — P. 108-115.Эрец Эйден. Неизведанная территория: как «большие данные» помогают раскрывать тайны прошлого и предсказывать будущее нашей культуры: / Эрец Эйден, Жан-Батист Мишель. — Москва. Изд-во АСТ. 2016. — 350 с.E`recz E`jden. Neizvedannaya territoriya: kak «bol`shie danny`e» pomogayut raskry`vat` tajny` proshlogo i predskazy`vat` budushhee nashej kul`tury`: / E`recz E`jden, Zhan-Batist Mishel`. — Moskva. Izd-vo AST. 2016. — 350 p.Stop Hyping Big Data and Start Paying Attention to Long Data. URL: http://goo.gl/X7oEC (data dostupa 01.08.2023).Stop Hyping Big Data and Start Paying Attention to Long Data. URL: http://goo.gl/X7oEC (data dostupa 01.08.2023).Google Books. URL: https://ru.wikipedia.org/wiki/Google_Книги, (data dostupa 08.08.2023).Google Books. URL: https://ru.wikipedia.org/wiki/Google_Knigi, (data dostupa 08.08.2023).Jean-Baptiste Michel, Erez Lieberman Aiden: What we learned from 5 million books. URL: https://www.ted.com/, (data dostupa 08.08.2023).Jean-Baptiste Michel, Erez Lieberman Aiden: What we learned from 5 million books. URL: https://www.ted.com/, (data dostupa 08.08.2023).Котов Ю.А., Коломец Н.В. Элементы системы TextLab для частотного анализа текста. Современные тенденции развития науки и технологий. Сборник научных трудов по материалам Международной научно-практической конференции. В 5-ти частях. Часть II. Под общей редакцией Ж.А. Шаповал. 2017.Kotov Yu.A., Kolomecz N.V. E`lementy` sistemy` TextLab dlya chastotnogo analiza teksta. Sovremenny`e tendencii razvitiya nauki i texnologij. Sbornik nauchny`x trudov po materialam Mezhdunarodnoj nauchnoprakticheskoj konferencii. V 5-ti chastyax. Chast` II. Pod obshhej redakciej Zh.A. Shapoval. 2017.McEnery Tony, Wilson Andrew. Corpus Linguistics: An Introduction. 2nd edition. — Edinburgh University Press, 2001. — 235 p.McEnery Tony, Wilson Andrew. Corpus Linguistics: An Introduction. 2nd edition. — Edinburgh University Press, 2001. — 235 p.Zhongquan Du, Feng Jiang, Luda Liu. Profiling figure legends in scientific research articles: A corpus-driven approach, Journal of English for Academic Purposes, Volume 54, 2021, 101054, ISSN 1475-1585, URL: https://doi.org/10.1016/j.jeap.2021.101054.Zhongquan Du, Feng Jiang, Luda Liu. Profiling figure legends in scientific research articles: A corpus-driven approach, Journal of English for Academic Purposes, Volume 54, 2021, 101054, ISSN 1475-1585, URL: https://doi.org/10.1016/j.jeap.2021.101054.Мордовин А. Ю. Лингвистическая идеология корпусов текстов / Иркутский гос. лингвистический ун-т. — Иркутск: 2014. – 190 с.Mordovin A. Yu. Lingvisticheskaya ideologiya korpusov tekstov / Irkutskij gos. lingvisticheskij un-t. — Irkutsk: 2014. — 190 p.Бутенко Ю.И. Модель текста научно-технической статьи для разметки в корпусе научно-технических текстов. Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2022. Т. 20. № 3. С. 5-13.Butenko Yu.I. Model` teksta nauchnotexnicheskoj stat`i dlya razmetki v korpuse nauchno-texnicheskix tekstov. Vestnik Novosibirskogo gosudarstvennogo universiteta. Seriya: Informacionny`e texnologii. 2022. T. 20. № 3. P. 5-13.Плунгян В.А., Резникова Т.И., Сичинава Д.В. Национальный корпус русского языка: общая характеристика. Научно-техническая информация. Серия 2: Информационные процессы и системы. 2005. № 3. С. 9-13.Plungyan V.A., Reznikova T.I., Sichinava D.V. Nacional`ny`j korpus russkogo yazy`ka: obshhaya xarakteristika. Nauchnotexnicheskaya informaciya. Seriya 2: Informacionny`e processy` i sistemy`. 2005. № 3. P. 9-13.Генеральный интернет-корпус русского языка. URL: http://www.webcorpora.ru/, (дата доступа 01.08.2023 г.).General`ny`j internet-korpus russkogo yazy`ka. URL: http://www.webcorpora.ru/, (data dostupa 01.08.2023).Корпус биографических текстов — Russian Corpus of Biographical Texts. URL: https://sites.google.com/site/utcorpus (дата доступа 29.08.2023 г.).Korpus biograficheskix tekstov — Russian Corpus of Biographical Texts. URL: https:// sites.google.com/site/utcorpus (data dostupa 29.08.2023).Корпус русских учебных текстов. URL: http://web-corpora.net/learner_corpus (дата доступа 07.09.2023 г.).Korpus russkix uchebny`x tekstov. URL: http://web-corpora.net/learner_corpus (data dostupa 07.09.2023).Corpora of Academic Texts. URL: https://www.clarin.eu/resource-families/corpora-academic-texts (data dostupa 07.09.2023).Corpora of Academic Texts. URL: https://www.clarin.eu/resource-families/corpora-academic-texts (data dostupa 07.09.2023).Davies M. 2011. Google Books Corpus (155 billion words, 1810-2009). URL: http://googlebooks.byu.edu/, (data dostupa 01.08.2023).Davies M. 2011. Google Books Corpus (155 billion words, 1810-2009). URL: http://googlebooks.byu.edu/, (data dostupa 01.08.2023).Глазкова А.В. Автоматический поиск фрагментов, содержащих биографическую информацию, в тексте на естественном языке // Труды Института системного программирования РАН. 2018. Том 30. № 6. С. 221-236. DOI: 10.15514/ISPRAS-2018-30(6)-12.Glazkova A.V. Avtomaticheskij poisk fragmentov, soderzhashhix biograficheskuyu informaciyu, v tekste na estestvennom yazy`ke // Trudy` Instituta sistemnogo programmirovaniya RAN. 2018. Tom 30. № 6. P. 221-236. DOI: 10.15514/ISPRAS-2018-30(6)-12.Андреев Н.Д. Статистико-комбинаторные методы в теоретическом и прикладном языковедении / АН СССР. Ин-т языкознания. — Ленинград: Наука. Ленингр. отд-ние, 1967. — 403 с.Andreev N.D. Statistiko-kombinatorny`e metody` v teoreticheskom i prikladnom yazy`kovedenii / AN SSSR. In-t yazy`koznaniya. – Leningrad: Nauka. Leningr. otd-nie, 1967. — 403 p.Комарица В.Н. Анализ ключевых слов в научных статьях. Научно-техническая информация. Серия 1. Организация и методика информационной работы. 2023. № 9. С. 9 — 15.Komaricza V.N. Analiz klyuchevy`x slov v nauchny`x stat`yax. Nauchno-texnicheskaya informaciya. Seriya 1. Organizaciya i metodika informacionnoj raboty`. 2023. № 9. Pp. 9 — 15.Гринев-Гриневич С.В., Сорокина Э.А. Перспективные направления развития терминологических исследований // Вестник Московского государственного областного университета. Серия: Лингвистика. 2018. № 5. С. 18–28.Grinev-Grinevich S.V., Sorokina E`.A. Perspektivny`e napravleniya razvitiya terminologicheskix issledovanij // Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya: Lingvistika. 2018. № 5. Pp. 18–28.Маслов В.П. О законе Ципфа и ранговых распределениях в лингвистике и семиотике / В.П. Маслов., Т.В. Маслова // Математические заметки. — 2006. — Т. 80. – N. 5 — С. 718-732.Maslov V.P. O zakone Cipfa i rangovy`x raspredeleniyax v lingvistike i semiotike / V.P. Maslov., T.V. Maslova // Matematicheskie zametki. — 2006. — T. 80. — N. 5 — Pp. 718-732.Google Books Ngram Viewer. URL: https://books.google.com/ngrams/, (data dostupa 21.08.2023).Google Books Ngram Viewer. URL: https://books.google.com/ngrams/, (data dostupa 21.08.2023).15 years of Google Books. Blog Google. URL: https://blog.google/products/search/15-years-google-books/, (data dostupa 15.08.2023).15 years of Google Books. Blog Google. URL: https://blog.google/products/search/15-years-google-books/, (data dostupa 15.08.2023).ChatGPT. URL: http://ru.wikipedia.org/, (data dostupa 04.08.2023).ChatGPT. URL: http:// ru.wikipedia. org/, (data dostupa 04.08.2023).

The authors declare that there are no conflicts of interest present.