КЛ и НИТ_темы_1-5

Содержание дисциплины
Прикладная лингвистика
Компьютерная лингвистика
Квантитативная лингвистика
Корпусная лингвистика
Машинный перевод

Тема 1. Прикладная лингвистика
Прикладная лингвистика (ПЛ) как раздел языкознания для решения практических задач, связанных с языками и речевой деятельностью: преподавание языков, перевод, информационный поиск и обработка данных.

Из истории ПЛ
Термин «прикладная лингвистика» появился в 50-х годах XX века.
applied linguistics,
angewandte Linguistik (anwenden)
linguistique appliquée,
lingüística aplicada,
приложна лингвистика,
прикладной кылтодон,
Примењена лингвистика,
anvendt lingvistik,
linguistica applicata
Первая конференция по прикладной лингвистике прошла в начале 60-х.
В западной лингвистике в 20-х годах прошлого века
и относится к областям:
преподавание иностранных языков: методика преподавания, особенности описания грамматики для учебных целей, преподавание языка как родного и иностранного и т.д.

Определение ПЛ (2012)
Applied linguistics is an interdisciplinary field which identifies, investigates, and offers solutions to language-related real-life problems. Some of the academic fields related to applied linguistics are education, psychology, communication research, anthropology, and sociology. Major branches of applied linguistics include bilingualism and multilingualism, conversation analysis, contrastive linguistics, sign linguistics, language assessment, literacies, language assessment, literacies, discourse analysis, language assessment, literacies, discourse analysis, language pedagogy, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, stylistics, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, stylistics, pragmatics, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, stylistics, pragmatics, forensic linguistics, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, stylistics, pragmatics, forensic linguistics and translation, language assessment, literacies, discourse analysis, language pedagogy, second language acquisition, language planning and policy, interlinguistics, stylistics, pragmatics, forensic linguistics and translation. https://en.wikipedia.org/wiki/Applied_linguistics

ПЛ в СССР
В СССР прикладная лингвистика была заявлена в 50-е гг.
Разработка компьютерных технологий и появление систем автоматической обработки информации (систем машинного перевода, систем информационного поиска, автоматизированных систем обработки текста и пр.).
«Прикладная лингвистика» = «компьютерная лингвистика», «вычислительная лингвистика», «автоматическая лингвистика», «инженерная лингвистика».
В. А. Звегинцев: «Под прикладной лингвистикой чаще всего понимают все виды автоматической обработки речевой информации (Language-data Processing) — машинное распознавание устной речи, машинный перевод, автоматическую классификацию технических и иных документов, автоматическое аннотирование текстов, автоматическое кодирование и пр. Но все же было бы неправильно замыкать прикладную лингвистику в пределах данной проблематики».

ПЛ в разных традициях
Прикладная лингвистика в советское время — это больше исследование по взаимодействию с ЭВМ на естественном языке. Оно активно развивалось в 1960–1970-е годы. Позже исследования, связанные с автоматической обработкой текстов, то есть использование знаний о языке для создания программ, которые достают информацию из текста, обеспечивают взаимодействие человека с компьютером на естественном языке. Работы по машинному переводу, который сейчас очень активно развивается. Был период с 1990-х по 2000-е годы, когда работ было мало.
сфера политической лингвистики, и это исследование политического языка.
изучение языка рекламы,
лингвистическое консультирование (лингвистическая экспертиза текста, обеспечение политиков необходимыми знаниями о языке, работа спичрайтеров)
На Западе (и в Германии, и в США, и во Франции) это обучение иностранному языку и переводу. в Дублинском университете School of Applied Languages ‒ изучение языка с прикладными целями, в первую очередь это школа перевода. applied linguistics в англоязычной традиции ‒ обучение языку; в начале 1990-х годов, — это упрощение языка законов и законодательства.

Область применения ПЛ
Решение практических задач, связанных с использованием языка и речи:
Преподавание языка
Создание алфавитов для бесписьменных языков
Чаще всего междисциплинарного характера
Оптимизация знаний о языке, и именно это объединяет абсолютно разные направления, которые существуют в сфере прикладной лингвистики.
Баранов А.Н.
«Множественность грамматик» в толковании Ю.В. Рождественского

Кто? Что читать? Что слушать?
Анатолий Баранов, доктор филологических наук, заведующий отделом экспериментальной лексикографии Института русского языка им. Виноградова РАН.
Баранов А.Н. Введение в прикладную лингвистику. Учебное пособие. ‒ Либроком, 2016.
Баранов А.Н. Прикладная лингвистика на ютубе 2015 г. Лекция на «Постнауке»
https://www.youtube.com/watch?v=3BzrupwFSu8

Тема 2: Компьютерная лингвистика
Компьютерная лингвистика — прикладная область лингвистики, это набор задач, которые можно решить при помощи компьютера, используя встроенные ИКТ и параметры обработки текстов, созданных на определенном языке.
Компьютерная лингвистика: информационные технологии в лингвистике.
Междисциплинарная область, связанная с необходимостью обработки данных на естественном языке
Занимается задачами, решаемыми с помощью компьютера.
АОТ ‒ автоматическая обработка текстов: информационный поиск, информационное реферирование и аннотирование текстов (сжатие текстов),
рубрицирование,
автоматическое извлечение фактов из текста,
Анализ определенных текстовых параметров (тональность текста)
Инженерная лингвистика: АСУ
Вычислительная лингвистика…
Математическая лингвистика
Что от лингвистики? Фонология, морфология, синтаксис, семантика, прагматика, лексикография, психолингвистика
Информатика
Искусственный интеллект

Из истории использования ЭВМ в лингвистических исследованиях
Создание точных описаний языкового и речевого материала ‒ математические методы в лингвистике, математические модели в лингвистике, машинный перевод, информационный поиск, информационная обработка текстов (создание аннотаций и рефератов), начиная с 50-х годов. Коммерческого продукта не состоялось: требовались ЭВМ с огромной памятью, автоматическим вводом данных и быстродействием.
Сегодняшняя ситуация: есть компьютеры, отвечающие на запрос лингвистических исследований: бездонная память, автоматический ввод данных, быстродействие.

Селегей Владимир Павлович
Директор по лингвистическим исследованиям компании ABBYY, заведующий кафедрами компьютерной лингвистики РГГУ и МФТИ, председатель оргкомитета конференции по компьютерной лингвистике «Диалог».
Селегей: Теория и практика компьютерной лингвистики (Чердак). 09.08.2016.
https://www.youtube.com/watch?v=zwgbbg0pD8A

Компьютерная лингвистика:
общая схема

Данные схемы
Определения КЛ: 1)формализованная, полная, логически непротиворечивая теория языка (1950-1970 гг.); 2) технология и методология решения задач, возникающих из практики использования ЕЯ на современных компьютерах.
Области применения: обработка ЕЯ; распознавание и синтез речи; машинное обучение в лингвистике; корпусная лингвистика.

Данные схемы (АОТ)
Методы АОТ: прагматический А. – синтаксический А. ‒семантический А. ‒ токенизация ‒ морфологический А.
Проблемы АОТ: неоднозначность ‒ избыточность ‒ анафора –кореференция
Неудобные свойства языка: несимметричность ‒ конвенциональность ‒ непрозрачность ‒ эллиптичность (Петя любит Машу, а Маша ‒ Петю)
Решения АОТ: подходы на основе правил ‒ статистические методы ‒ гибридные решения

Словечки
Бот от робот ‒ специальная программаБот от робот ‒ специальная программа, выполняющая автоматическиБот от робот ‒ специальная программа, выполняющая автоматически и/или по заданному расписаниюБот от робот ‒ специальная программа, выполняющая автоматически и/или по заданному расписанию какие-либо действия через интерфейсыБот от робот ‒ специальная программа, выполняющая автоматически и/или по заданному расписанию какие-либо действия через интерфейсы, предназначенные для людей.
Спеллчекер
Токен - компактное устройство, предназначенное для обеспечения информационной безопасности пользователя, также используется для идентификации его владельца (авторизация)
Блокчейн ‒ цепочка блоков данных, которые хранятся на разных устройствах.
Чат-бот ‒ определенная программа, которая общается с клиентом по определенной программе

Иомдин Леонид Лейбович
ИОМДИН Леонид Лейбович, зав.лаб. компьютерной лингвистики Института проблем передачи информации (ИППИ) РАН, МФТИ, РГГУ, ШАД (Школа Анализа Данных) Яндекса
Компьютерная лингвистика, на радио «Говорит Москва», источник Sinus, от 19 окт. 2018 г. https://www.youtube.com/watch?v=UMBsM2x5kr4
КЛ: К.морфология, К. синтаксис, К представление значений, Распознавание и синтез речи, Машинное обучение в лингвистике, Корпусная Л., МП, Информационный поиск, Извлечение информации, Диалоги и чат-боты, Анализ тональности, К.текстология, Квантит Л.(что можно сосчитать в языке и речи?), Речевое воздействие и манипулирование
Компьютерная лингвистика №3. Синтаксический анализ (Чердак). 01.07.2016 https://www.youtube.com/watch?v=ZFBoT01bT-g

Предмет КЛ: взгляд лингвиста
Распознавать тексты? Их надо описать на языке, который понимает машина. Есть правила для текстов, но машина так не понимает. Зато умеет обрабатывать большие объемы с огромной скоростью
Например, столкнулись с тем, что люди говорят не словами, а конструкциями. Как выделить конструкции?
Особым образом устроенная теория языка ‒ формализованная. Полная, логически непротиворечивая, чтобы могла понять машина для обработки данных6 для определения правильности предложения, построения его языковой структуры, определения смыслового тождества высказываний и др.
Слово как линейная последовательность знаков от пробела до пробела

Как это работает?
Компьютерный лингвист не пишет код и не исследует язык. Он пытается понять, как сложные языковые схемы можно сделать проще, понятней для компьютера. Лингвист привык работать с языковым материалом, поэтому ему легче улавливать тенденции и формализовать их, дело программиста – написать код, который эти схемы встраивал бы в компьютерный продукт.
Подход — ввести только то, что активно используется носителями языка в определенных ситуациях. Эти слова, эта лексика активного словарного запаса помещается в те ячейки памяти, к которым легко обеспечить быстрый доступ. А все остальное скидывается уже в более долговременную память. И это позволяет программе очень быстро работать. Как в программах проверки орфографии, «спел-чекерах». Если вогнать весь словарь, например 200 тысяч слов, то все равно такой парсер даже при имеющихся очень эффективных программах обработки и очень эффективном «железе» будет работать довольно долго.

Как лингвисты ставят задачи айтишникам
Рахилина Екатерина Влад., российский лингвист, д.ф.н., профессор НИУ ВШЭ.
Современная лингвистика и компьютерные технологии: https://www.youtube.com/watch?v=_bTVHL5jDtk

Проблемы
Неоднозначность языковых единиц
Избыточность
Метафоричность
Понимание текста требует учета огромного количества знаний: о мире, системы представлений
Как описать мир для машины?

Что может компьютер?
Огромная память
Быстродействие
Обработка огромных объемов данных: через тематическое моделирование, кластеризацию, изучение дистрибуции единиц, моделирование языка, статистическую обработку
Выявление фактов,
Выявление отношений,
дистрибутивная семантика,
тематическое моделирование,
определение авторства.

Что умеют компьютеры?
Умеют распознавать слова, их формы, их синтаксическую функцию, семантику. Одно из главных условий для машинного обучения компьютера распознаванию лингвистических данных – огромные объемы текстов в электронном виде. В середине века компьютеры занимали огромные помещения, были ламповыми, а жесткие диски на несколько сотен мегабайт стоили запредельные суммы, которые были не под силу индивидуальным пользователям. Сейчас хранение больших текстов в «цифре» не проблема – на телефоне, на флэшке можно легко уместить собрание сочинений. Поэтому, хотя сами идеи и были заложены достаточно давно, их начали всерьез применять только в последние 15–20 лет.
Как они это делают? По правилам. Эти правила введены в оболочку ИКТ. Или благодаря машинному обучению.
Компьютерные инструменты: МП; извлекать значимую информацию, разрешать неоднозначность (замок, стекло, кореференция «Отец Егора, очень важная фигура в жизни Егора, он его бесконечно любит”, когда я первый раз читал эту фразу, не понимал, кто “он” именно, Егор или его отец?
В новостных текстах: упоминания разных лиц, мест или фактов, организаций. Коммерческая организация просит компьютерно-лингвистические компании мониторить Сеть и просто анализировать блоги, записи в социальных сетях, чтобы те, кто осуществляет для них эту деятельность, осуществлять поиск сообщений о настроениях людей, которые пишут в Сети, их отношении к продукции: за что его ругают, за что его хвалят. Это невозможно сделать вручную: записей очень много, пользователей в Сети очень много.

«Анализ тональности»
определение эмоционального «фона» текста: насколько он положительный или отрицательный. Если упростить, то это способность компьютера определить, говорят сейчас о чем-то хорошем или о чем-то плохом.
применение этого инструмента к тексту «Ромео и Джульетты» дает диаграмму, описывающую сюжет трагедии в терминах эмоций, той самой «тональности»:

Достижения
Компьютерно-лингвистические продукты, особенно в интернете, находятся везде: пользовательские запросы, интерфейс, факты, которые встречаются нам в браузере, в интернете постоянно.
обрабатывать большие объемы текстов для распознавания значений. И это не с помощью правил и словарей, а исходя из данных, которые он получит на вход, что два каких-то слова похожи между собой, что они являются синонимами (как говорят, квазисинонимами). Это то, что называется дистрибутивной семантикой или векторными моделями в лингвистике, в построении семантики.
Можно ничего специально с помощью правил или словарей компьютеру не объяснять и получить списки синонимов, которые являются уже большим шагом к понимаю смысла текста, к понимаю того, с чем имеет дело компьютер.
Мы не можем объяснить компьютеру все слова, описать все правила в языке, но используя компьютерные технологии, можно получать такие классификации слов и конструкций, которые продемонстрируют общность их значений.

Ашманов Игорь Александрович
В Общественной палате РФ
https://www.youtube.com/watch?v=_9D739byOEs
Аналитика Big Data
https://www.youtube.com/watch?v=ko1lkrwvEZg

Чего компьютерная лингвистика не умеет?
Распознавать иронию; оценку того, сказано о чем-то хорошо или плохо, в каком контексте упоминаются названия организаций и т.п.
«Ну хорош человек, хорош!», и для компьютера формально здесь будет все вполне себе пристойно, а на самом деле выражено недовольство.
Описывать ситуацию внешнего мира…

Что читать? Что слушать?
Компьютерная лингвистика - Борис Орехов 2016 г. https://www.youtube.com/watch?v=74RUVKb_KfQ
Вопрос науки. Почему компьютерная лингвистика развивается медленно https://www.youtube.com/watch?v=hSY95YH5Uts

Тема 3: Квантитативная лингвистика
Компьютерная лексикография:
программы лексикографических работ;
автоматические словари.
Информационные технологии в словарной работе: словари и энциклопедии; лингвострановедческие словари; терминологические словари; толковые словари (дескриптивные и нормативные, общие и частные); идеографические словари; дву- и многоязычные (переводные) словари; ассоциативные словари; частотные словари; исторические и этимологические словари; орфографические и орфоэпические словари; словообразовательные и грамматические словари; словари трудностей; сочетаемостные словари; ономастиконы; нетрадиционные типы словарей.

Продукты
Разработка универсальных компьютерных лингвистических моделей (морфологияРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксисРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантикаРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантика) для задач автоматической обработки текстов для разных языков. Эти модели использовались в составе разных программных продуктов и проектов: спелчекеровРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантика) для задач автоматической обработки текстов для разных языков. Эти модели использовались в составе разных программных продуктов и проектов: спелчекеров (Litera, 1989, Институт Новых Технологий; LingvoCorrector, 1993, BIT Software), всех версий OCRРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантика) для задач автоматической обработки текстов для разных языков. Эти модели использовались в составе разных программных продуктов и проектов: спелчекеров (Litera, 1989, Институт Новых Технологий; LingvoCorrector, 1993, BIT Software), всех версий OCR-системы ABBYY FineReaderРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантика) для задач автоматической обработки текстов для разных языков. Эти модели использовались в составе разных программных продуктов и проектов: спелчекеров (Litera, 1989, Институт Новых Технологий; LingvoCorrector, 1993, BIT Software), всех версий OCR-системы ABBYY FineReader, электронных словарей ABBYY LingvoРазработка универсальных компьютерных лингвистических моделей (морфология, синтаксис, семантика) для задач автоматической обработки текстов для разных языков. Эти модели использовались в составе разных программных продуктов и проектов: спелчекеров (Litera, 1989, Институт Новых Технологий; LingvoCorrector, 1993, BIT Software), всех версий OCR-системы ABBYY FineReader, электронных словарей ABBYY Lingvo, систем индексирования и поиска, систем синтаксического и семантического анализа текстов (проекты ABBYY).
Электронная лексикографияЭлектронная лексикография: разработка методик создания электронных словарей и способов визуализации и организации доступа к электронному лексикографическому контенту, а также корпусных методов создания и верификации словарей (все в рамках проекта электронных словарей ABBYY Lingvo). Непосредственно руководил разработкой нескольких версий ABBYY Lingvo.
Общественных лексикографических проектов на [forum.lingvo.ru/actualforum.aspx форумах Lingvo.ru] (региональный проект «Языки русских городов», проект «Охота за цитатами» и т.д.).
Электронные и бумажные лексикографические проекты, включая электронные словари серии LingvoUniversal и бумажный Большой англо-русский словарь ABBYY Lingvo (издательства «Русский Язык», 2006; ABBYY Press, 2010)
Словари серии Economicus.

Шайкевич Анатолий Янович
советский и российский лингвист, доктор филологических науксоветский и российский лингвист, доктор филологических наук, профессор. Член Научного совета по лексикологии и лексикографии РАН.
В настоящее время формирование машинного корпуса современных русских текстов, статистическое исследованием русской поэзии и прозы. Ряд исследований о статистике распределения личных имёнВ настоящее время формирование машинного корпуса современных русских текстов, статистическое исследованием русской поэзии и прозы. Ряд исследований о статистике распределения личных имён, о статистике совместного цитированияВ настоящее время формирование машинного корпуса современных русских текстов, статистическое исследованием русской поэзии и прозы. Ряд исследований о статистике распределения личных имён, о статистике совместного цитирования, о статистике перевода в современном мире.
А. Я. Шайкевич, В. М. Андрющенко, Н. А. Ребецкая. Статистический словарь языка Достоевского. — М.: «Языки славянских культур», 2003. — 832 с.

Тема 4. Корпусная лингвистика
Теория и практика создания корпусов национальных языков; задачи, решаемые с использованием корпусов текстов;
Исходные понятия корпусной лингвистики: проблемная область; корпус данных; единица хранения корпуса данных; корпус текстов; исследовательские корпусы; иллюстративные корпусы; динамические и статические корпусы текстов; корпусы параллельных корпусы; способ представления и хранения корпуса данных; порог отображения; параметризация проблемной области.
Требования к корпусу текстов с позиций пользователя: репрезентативность; полнота; экономичность; структуризация материала; компьютерная поддержка. Варианты корпусов текстов. Программное обеспечение корпуса; формирование корпуса текстов.

Разноязычные корпусы
Национальный корпус русского языка
Хельсинкский аннотированный корпус русских текстов ХАНКО
Компьютерный корпус текстов русских газет конца ХХ века
Национальный корпус русского литературного языка
Регенсбургский диахронический корпус русского языка (древнерусские тексты)
Параллельный корпус переводов «Слова о полку Игореве»
Рукописные памятники Древней Руси: берестяные грамоты, летописи, рукописная книга
Машинный фонд русского языка
Тюбингенский и Упсальский корпуса
Corpus
of Contemporary American English (COCA)
Corpus of Historical American English (COHA)
TIME Magazine Corpus of American English
BYU-BNC: British National Corpus
Корпуса английского языка, доступные с сайта университета Лидс
Британский национальный корпус
Bank of English
National American Corpus
Международный корпус английского языка (International Corpus of English,
ICE
Синтаксически размеченный корпус – банк деревьев (Penn TreeBank)
Brown Corpus
Саарбрюкенский корпус разговорного английского языка (The Saarbrücken
Corpus of Spoken English (SCoSE))
Исторический корпус испанского языка CORPUS DEL ESPAСOL
Корпус испанского языка Corpus de Referencia del Español Actual (CREA)
Диахронический корпус испанского языка Corpus Diacrуnico del Espaсol (CORDE)
ARTFL-FRANTEXT
Lexiqum
Корпуса французского языка, доступные в проекте VISL

Что слушать?
ПЛУНГЯН ВЛАДИМИР Александрович, д.ф.н., Институт русского языка им. В.В. Виноградова РАН
Корпусная лингвистика https://www.youtube.com/watch?v=ico0zGpiBzc
Корпусная лингвистика и корпус РЯ
СЕЛЕГЕЙ Владимир Павлович
Корпусные исследования языка. Малый ШАД
Дмитрий ДОБРОВОЛЬСКИЙ (Постнаука)
Параллельные корпусы текстов. 24.11.2015. https://www.youtube.com/watch?v=ETDj85VpnEc
РАХИЛИНА ЕКАТЕРИНА ВЛАДИМИРОВНА
Национальный корпус РЯ, на полит.ру 2012 г. https://www.youtube.com/watch?v=M0YboCvXTyA
ТИМОШЕНКО Светлана
Компьютерная лингвистика № 5. Корпус текстов (Чердак). 15.07.2016. https://www.youtube.com/watch?v=Hvrcl4WtMUQ

Знакомство с корпусами
НКРЯ
ГИКРЯ (Генеральный Интернет-корпус русского языка) http://www.webcorpora.ru/
https://www.english-corpora.org/bnc/

Тема 5: Машинный перевод
С конца 50-х годов стали готовить специалистов по машинному переводу и по структурной, прикладной и математической лингвистике.
Зачем это было нужно?
Что из этого получилось? Проблемы решались лингвистически, но широких экспериментов не было. Поскольку требовали: представления данных на машинном языке и быстродействия. Таких машин не было.
Что требует компьютер?
работать только с теми текстами, которые существуют в электронном виде.
Большие объемы электронных текстов

МП: начало
Джоржтаунский эксперимент
7 января 1954 г.
Компания IBM
С РЯ на АЯ
IBM-701 поле для гольфа, ввод через перфокарты, рассыпались, мялись, выход на экране компа подготовка несколько месяцев, словарь 250 русских слов, пословный перевод
Тв.п. = by
Событие освещалось во всех американских СМИ
1955 г. Ляпунов и Кулагина в журнале «Природа», статья
Кулагина: МП с ФЯ на РЯ, Мельчук И.А., исп.отд. МГУ
Институт прикладной математики АН СССР

МП: состояние работ в 1958-1985 гг.
МП как в основном научная задача. Убежденность в том, что машина не заменит переводчика.
МП без машины: алгоритмы разбора текстов;
Система ФРАП: Н.Н. Леонтьева, ВЦП, Москва
Система АМПАР: Марчук Ю.Н.
Система НЕРПА

электронные переводчики
Работают на методе анализа больших данных
Понимают ли текст? Вообще говоря, нет.

Информационные ресурсы (лекции и интервью ученых)
Баранов А.Н. Прикладная лингвистика. Постнаука. 2015 г. https://www.youtube.com/watch?v=3BzrupwFSu8
Плунгян В.А. Корпусная лингвистика https://www.youtube.com/watch?v=ico0zGpiBzc
Плунгян В.А. Корпусная лингвистика и корпус русского языка
Селегей В.П. Компьютерная лингвистика: трудности перевода. https://www.youtube.com/watch?v=hSY95YH5Uts (передача «Вопрос науки» на Россия 24).
Селегей В.П. Цикл лекций РГГУ «Компьютерная лингвистика» "Компьютерная лингвистика сегодня: от автоматической обработки текста до машинного понимания" youtube.comСелегей В.П. Цикл лекций РГГУ «Компьютерная лингвистика» "Компьютерная лингвистика сегодня: от автоматической обработки текста до машинного понимания" youtube.com›watch?v=b2pq0HJ-ABg
Селегей В.П. Корпусные исследования языка. Малый ШАД
Селегей В.П. Теория и практика компьютерной лингвистики (Чердак). 09.08.2016. https://www.youtube.com/watch?v=zwgbbg0pD8A
Иомдин Л. Компьютерная лингвистика №3. Синтаксический анализ (Чердак). 01.07.2016 https://www.youtube.com/watch?v=ZFBoT01bT-g

продолжение
Тимошенко С. Компьютерная лингвистика №1. Зачем лингвисту компьютер (Чердак). 24.06.2016. https://www.youtube.com/watch?v=kxSH7UTheLE
Тимошенко С. Компьютерная лингвистика № 2. Морфологический анализ (Чердак) . 27.06.2016. https://www.youtube.com/watch?v=oj0Kjt9gMBc
Тимошенко С. Компьютерная лингвистика №4. Семантический анализ (Чердак) 10.07.2016. https://www.youtube.com/watch?v=tUSEn6fVwSo
Компьютерная лингвистика № 5. Корпус текстов (Чердак). 15.07.2016. https://www.youtube.com/watch?v=Hvrcl4WtMUQ
Добровольский Д. (Постнаука). Параллельные корпусы текстов. 24.11.2015. https://www.youtube.com/watch?v=ETDj85VpnEc
Рахилина Е.В. Национальный корпус русского языка (полит.ру), 2012 г. https://www.youtube.com/watch?v=M0YboCvXTyA
Орехов Б.В. (на сайте Постнауки https://postnauka.ru/author/orehovbОрехов Б.В. (на сайте Постнауки https://postnauka.ru/author/orehovb). Компьютерная лингвистика https://www.youtube.com/watch?v=74RUVKb_KfQ
Орехов Б. Подсчеты легитимизируют гуманитарную наук. О цифровых гуманитарных исследованиях. https://nplus1.ru/material/2017/12/28/dig-humОрехов Б. Подсчеты легитимизируют гуманитарную наук. О цифровых гуманитарных исследованиях. https://nplus1.ru/material/2017/12/28/dig-hum, материал от 28.12.2017, дата обращения 17.03.2019.http://www.translate.ru

программное обеспечение
http://www.lingvo.ru/
http://www.google.ru/dictionary
http://www.translate.ru
http://www.translate.google.ru/
http://babelfish.altavista.com/
Программные продукты ABBYY Lingvo, Promt PM