В корпусе реализовано два метода поиска по грамматической информации – поиск по глоссам и поиск по грамматическим тэгам. Эти методы поиска можно комбинировать.

В Адыгейском корпусе используется типологически ориентированная концепция грамматики адыгейского языка. Она разработана для удобства сравнительного изучения и описания языков. Эта концепция основывается на работах исследователей из Российского государственного гуманитарного университета и НИУ “Высшая школа экономики”. Положения этой концепции, важные для использования корпуса, изложены в (Ландер и др. 2019). Более детальное описание концепции можно найти в (Аркадьев и др. 2009). Следует учитывать, что некоторые её положения и многие обозначения уже устарели и не используются в корпусе.

Мы также постарались учесть и традиционные трактовки адыгейской грамматики – в первую очередь в условных обозначениях, которые можно использовать при поиске по грамматическим тэгам (подробнее об этом в разделе Грамматические тэги).

Словоформы разбиваются на морфемы, каждой морфеме приписывается краткое условное обозначение – глосса.

В отличие от поиска по грамматическим тэгам, поиск по глоссам позволяет учитывать порядок следования глосс и находить слова, содержащие одну и ту же морфему несколько раз. Список морфем и соответствующих им глосс представлен ниже. Некоторые морфемы (аппликативы, модально-временные показатели, личные префиксы) объединены в группы – название группы можно использовать для обозначения любой глоссы из конкретной группы.

В корпусе не учитываются многие непродуктивные морфемы – в том числе такие, которые выделяются этимологически, но не используются в современном языке.

Каждому слову приписывается набор специальных помет — грамматических тэгов, которые обозначают его часть речи, грамматические категории, отображают наличие аффиксов и т.д. Тэги, использующиеся в корпусе, перечислены ниже.

Большинство тэгов имеет два воплощения – вариант в латинице и кириллический вариант. В отдельных случаях для поиска также можно использовать конкретный аффикс. Например, найти слова, содержащие бенефактивный аппликатив, можно тремя способами – использовав тэги "ben", "бен" или "фэ". Во всех трёх случаях результат будет одинаков. Вне зависимости от выбранного варианта тэга, вводить его нужно в поле "Грамматика".

Информация в глоссах и тэгах частично дублируется, но не полностью совпадает. Например, если префиксы выражают одновременно лицо и число субъекта, то им приписывается одна глосса (например, 1SG.ABS). Но слову с такими префиксами приписывается два грамматических тэга - один для лица (1.abs) и один для числа (1.sg).

Грамматические тэги характеризуют всю словоформу. Таким образом, при поиске по тэгам не учитывается порядок следования морфем, а некоторые тэги вовсе не соответствуют никакой морфеме (например, частеречные тэги, тэги, обозначающие переходность глагола или наличие чередования).

Адыгейский корпус не содержит синтаксической разметки. Тем не менее, мы рекомендуем использовать возможности корпуса в отношении сочетаний слов.

Например, инструменты корпуса позволяют искать по последовательности из нескольких графических слов (слов, разделенные пробелом). Слова могут идти подряд или располагаться на некотором расстоянии друг от друга (подробнее в справке). Также полезной функцией может оказаться поиск с учётом позиции слова в предложении (подробнее в справке).

ЧастьКоран, Библия, произведения А. М. Шаззо, А. К. Матыжевой, а также тексты с сайта gshra.ru; тексты с переводом составляют 4,6% объёма всего корпуса адыгейских текстов сопровождаются русским переводом. Как правило, разработчики корпуса брали уже имеющийся перевод, хотя в ряде случаев, мы были вынужнены его отредактироватьпо большей части, редактура была связана с особенностями отображения текстов в корпусе и с форматом оригинальных текстов; разработчики не вносили в тексты содержательных изменений. В связи с этим, данный подкорпус нельзя считать параллельным корпусом в строгом смысле.

Важно, что не во всех случаях нам известно, какой из текстов – адыгейский или русский – является оригиналом, а какой – переводом. Об ошибках в подкорпусе с переводом см. раздел Ошибки в выравнивании текста и русского перевода.

Все тексты в корпусе сопровождаются метаданными – информацией об источнике и создателях этого текста. Для большинства текстов набор метаданных следующий:

• название текста на русском и адыгейском
• имя автора на русском и адыгейском
• год рождения автора
• место рождения автора
• диалект автора
• год создания текстав случае, если точный год создания не известен, при помощи параметров "год: от" и "год: до" указывается предположительный временной диапазон, в который текст был создан.
• жанрдля классификации текстов по жанрам используются три параметра: "жанр: область", "жанр: форма" и собственно "жанр"; "жанр: область" разделяет религиозные, художественные и фольклорные произведения, прессу и тексты Википедии; "жанр: форма" – прозу, поэзию, песни и пьесы; все остальные жанровые деления указываются в параметре "жанр".
• наличие перевода на русский язык
• особенности источниканекоторые тексты были получены при помощи программы распознавания текста FineReader, такие тексты могут содержать ошибки, поэтому на них стоит пометка OCR
• дата добавления текста в корпус

В случае газет также указывается дата выпуска, а в качестве имени автора указывается название издания.

Для фольклорных текстов дополнительно указываются:

• место записи текста на русском и адыгейском
• имя собирателя на русском и адыгейском
• дата записи

Часть текстов были получены в результате сканирования и последующего распознания с помощью программы FineReader – такие тексты имеют специальную пометку OCR.

Автоматическое распознавание может выдавать неправильные тексты – с другими последовательностями символов по сравнению с оригиналом. Хотя по большей части такие ошибки были устранены вручную, вероятность их по-прежнему велика, поэтому мы призываем пользователя обращаться с подобными текстами с повышенной аккуратностью.

Мы ищем волонтёров-носителей адыгейского языка, готовых вычитывать автоматически распознанные тексты и устранять ошибки.

Нередко адыгейское слово может иметь несколько вариантов морфологического анализа. Для конкретного словоупотребления правильным обычно является лишь один вариант разбора. Тем не менее, поскольку морфологический анализ осуществляется автоматически, в корпусе остаются все возможные варианты.

Неправильный разбор может иметь две причины.

Во-первых, может быть неправильно подобрана лемма (словарная единица, используемая для анализа).

Во-вторых, морфологический анализ – разбор на аффиксы и корень – может быть проведён неверно. Ошибочный морфологический анализ может быть либо теоретически допустимым, либо вовсе не допустимым, отражающим ошибки в программе-анализаторе. Если вы обнаружили недопустимый анализ, мы просим сообщить об этом разработчикам.

Мы ищем волонтёров-носителей адыгейского языка, готовых снимать грамматическую омонимию – устранять заведомо неправильные варианты разбора.

Частеречная характеристика частично проставлялась автоматически – на основании русского перевода. Соответственно, не исключается неправильное присвоение части речи адыгейской словоформе

При переводе текста переводчики нередко откланяются от оригинала – иногда значительно. Ошибки, связанные с вольностью перевода, устранялись вручную и лишь частично.

Сопоставление адыгейского и русского текстов производится автоматически. Перед загрузкой в корпус тексты проверяются и корректируются, однако ошибки по-прежнему возможны. При обнаружении в текстах несоответствий, не связанных вольностью перевода, мы просим сообщать о них разработчикам.

Во многих случаях датировка текста является условной – из-за недостатка информации мы вынуждены исходить из года используемой нами публикации.