प्रमुख कार्पस

प्रमुख कार्पस

1. अंतरराष्ट्रीय परिदृश्य-

1.1 अंग्रेजी

(क) Brown University Standard Corpus of Present-Day American English

(ख) Lancaster-Oslo-Bergen Corpus

लेबल	पाठ क्षेत्र	ब्राउन कार्पस	LOB कार्पस
A	Press: reportage	44	44
B	Press: editorial	27	27
C	Press: reviews	17	17
D	Religion	17	17
E	Skills, trades and hobbies	36	38
F	Popular lore	48	44
G	Belles lettres, biography, essays	75	77
H	Miscellaneous (documents, reports, etc.)	30	30
J	Learned and scientific writings	80	80
K	General fiction	29	29
L	Mystery and detective fiction	24	24
M	Science fiction	6	6
N	Adventure and western fiction	29	29
P	Romance and love story	29	29
R	Humour	9	9
	Total	500	500

(ग) Colhapur Corpus of Indian English

एक मिलियन शब्द, इसे लैनकेस्टर ओस्लो बर्गेन कॉर्पस और ब्राउन कार्पस के समानांतर ही तैयार किया गया है।

Text Categories		No. of texts in each category
		American Corpus	British Corpus	Indian Corpus
A	Press: reportage	44	44	44
B	Press: editorial	27	27	27
C	Press: reviews	17	17	17
D	Religion	17	17	17
E	Skills, Trades and Hobbies	36	38	38
F	Popular lore	48	44	44
G	Belles Lettres	75	77	70
H	Miscellaneons (Govt. Documents, foundation reports, industry reports, College catalogue, industry house organ).	30	30	37
J	Learned and scientific writings	80	80	80
K	General fiction	29	29	58
L	Mystery and detective fiction	24	24	24
M	Science fiction	6	6	2
N	Adventure (Western fiction)	29	29	15
P	Romance and love story	29	29	18
R	Humour	9	9	9
Total		500	500	500

(घ) कोलिंस कोब्यूल्ड कार्पस या बैंक ऑफ इंग्लिश

(ङ) British National Corpus : 100 मिलियन शब्द

1.2 फ्रांसीसी

French text corpora

https://www.sketchengine.eu/corpora-and-languages/french-text-corpora/

Free Corpora of Spoken French

https://ielanguages.com/blog/free-corpora-of-spoken-french/

1.3 अरबी/फ़ारसी/उर्दू-

Arabic text corpora

https://www.sketchengine.eu/corpora-and-languages/arabic-text-corpora/

International Corpus of Arabic

http://www.bibalex.org/ica/en/About.aspx

1.4 चीनी

Chinese Simplified text corpora

https://www.sketchengine.eu/corpora-and-languages/chinese-simplified-text-corpora/

The UCLA Written Chinese Corpus

https://www.lancaster.ac.uk/fass/projects/corpus/UCLA/

1.5 जापानी

Japanese text corpora

https://www.sketchengine.eu/corpora-and-languages/japanese-text-corpora/

Corpus of Japanese

https://www.ninjal.ac.jp/english/database/type/corpora/

2. भारतीय परिदृश्य-

निलाद्री शेखर दास (Niladri Sekhar Dash, Indian Statistical Institute, Kolkata) के शोधपत्र ‘Language Corpora: Present Indian Need’ के आधार पर यहाँ पर दिया जा रहा है:

भाग	भाषा	संस्थान	आरंभ वर्ष	समापन वर्ष	शब्द संख्या
I	अँग्रेज़ी , हिंदी, पंजाबी	IIT,नई दिल्ली	1991	1994	3 मिलियन
II	तेलगू, कन्नड़, तमिल, मलयालम	CIIL, मैसूर	1991	1994	Do
III	मराठी, गुजराती	DC, पुने	1991	1994	Do
IV	उड़िया, बँगला, आसामी	IIALS, भुवनेश्वर	1991	1994	Do
V	संस्कृत	SSU, वाराणसी	1991	1994	Do
VI	उर्दू, सिंधी, काश्मीरी	AMU, अलीगढ़	1992	1994	Do

1994 में अभी कई परियोजनाएँ पूरी नहीं हुई थीं तभी DOE ने आगे फंडिंग करने से इनकार कर दिया क्योंकि इसमें बहुत अधिक समय और पैसे की आवश्यकता थी। इसके अलावा विभिन्न विद्वानों द्वारा भी कार्पस की उपयोगिता पर प्रश्नचिह्न लगाया जा रहा था। इसके पश्चात् सूचना प्रसारण मंत्रालय (Ministry of Information Technology: MIT) द्वारा इस पर ध्यान दिया गया है। बाद में कार्पस निर्माण के क्षेत्र में कार्य करने वाली कुछ प्रमुख संस्थाओं की सूची निलाद्री शेखर दास के आधार पर इस प्रकार है:

संस्थाएँ	भाषाएँ
भारतीय प्रौद्योगिकी संस्थान, कानपुर	हिंदी, नेपाली
भारतीय प्रौद्योगिकी संस्थान, मुंबई	मराठी, कोंकणी
भारतीय प्रौद्योगिकी संस्थान, गुवाहाटी	आसामी, मणिपुरी
भारतीय विज्ञान संस्थान, बंगलौर	कन्न्ड़, संस्कृत
भारतीय सांख्यिकीय संस्थान, कलकत्ता	बँगला
जवाहरलाल नेहरू विश्वविद्यालय, नई दिल्ली	संस्कृत
हैदराबाद विश्वविद्यालय, हैदराबाद	तेलगू
अन्ना विश्वविद्यालय, चेन्नई	तमिल
MS विश्वविद्यालय, बड़ौदा	गुजराती
उत्कल विश्वविद्यालय, भुवनेश्वर	उड़िया
थापर अभियांत्रिकी एवं तकनीकी संस्थान, पटियाला	पंजाबी
ER&DCI, त्रिवेंद्रम	मलयालम
C-DAC, पुने	उर्दू, संस्कृत,काश्मीरी