Документация CorpusCraft

Создание аккаунта

CorpusCraft использует аутентификацию через magic link для безопасного входа без пароля:

1. Нажмите «Начать» на главной странице
2. Введите ваш адрес электронной почты
3. Проверьте почту на наличие ссылки для входа
4. Перейдите по ссылке для доступа к аккаунту

Создание первого корпуса

1. На панели управления нажмите «Создать новый корпус»
2. Введите название и описание (необязательно)
3. Нажмите «Создать корпус»
4. Начните загрузку документов

Тарифные планы

CorpusCraft предлагает пять тарифных планов для различных исследовательских потребностей:

Значок статуса верификации

После верификации на панели управления и в профиле появится зелёный значок:

• Подтверждённый статус: Зелёный значок с галочкой
• Способ верификации: Домен email, ORCID или ручная проверка
• На рассмотрении: Жёлтый значок во время ожидания ручной проверки

Поддерживаемые форматы файлов

• TXT - Текстовые файлы
• CSV - Таблицы со столбцом текста
• JSONL - JSON Lines для структурированных данных
• PDF - Portable Document Format
• DOCX - Документы Microsoft Word

Загрузка документов

Перейдите на вкладку «Загрузить» в вашем корпусе и:

• Нажмите для выбора файлов
• Перетащите файлы в область загрузки

Язык документов определяется автоматически.

Создать из текста

Создавайте документы напрямую, вводя или вставляя текст:

1. Перейдите на страницу корпуса
2. Найдите раздел «Создать из текста»
3. Введите название документа
4. Напишите или вставьте текст
5. Нажмите «Создать документ» для добавления в корпус

Идеально для быстрых заметок, расшифрованного контента или текста из других источников.

Полнотекстовый поиск

CorpusCraft использует SQLite FTS5 для мощного полнотекстового поиска с операторами:

• guerra — Найти точное слово
• "guerra civil" — Поиск фразы
• guerra OR paz — Любое из слов
• guerra NOT civil — Исключить термин
• guerr* — Поиск по префиксу

KWIC-конкорданс

Key Word in Context (KWIC) отображает результаты поиска с окружающим контекстом:

• Левый контекст - Слова перед ключевым словом
• Ключевое слово - Ваш поисковый термин (выделен)
• Правый контекст - Слова после ключевого слова
• Источник - Название документа

Нажмите на заголовок столбца для сортировки по левому контексту, ключевому слову, правому контексту или источнику.

Окно контекста

Настройте количество слов до и после ключевого слова (5-20 слов).

Поиск по регулярным выражениям Расширенный

Включите режим regex в расширенном поиске для поиска по шаблонам:

• \b(war|battle|conflict)\b — Границы слов для альтернативных слов
• \d{4} — Поиск 4-значных чисел (например, годов)
• colou?r — Необязательные символы
• [A-Z][a-z]+ — Слова с заглавной буквы
• \b\w{10,}\b — Слова из 10+ символов

Пакетные операции Массовое редактирование

Выполняйте операции с несколькими документами одновременно:

• Массовое удаление - Удаление нескольких документов за одно действие
• Обновление метаданных - Применение одного значения метаданных к выбранным документам
• Массовый экспорт - Экспорт выбранных документов в TXT или CSV

Частота слов

Анализируйте, как часто слова появляются в вашем корпусе:

• Установите минимальный порог частоты для фильтрации редких слов
• Просматривайте количество и проценты частоты
• Результаты сортируются по рангу, слову или частоте
• Экспортируйте результаты в PDF, Word, Excel или CSV

Анализ N-грамм

Анализируйте многословные последовательности:

• Биграммы - 2-словные последовательности
• Триграммы - 3-словные последовательности
• 4-граммы+ - Более длинные последовательности

Анализ коллокаций

Находите слова, которые часто появляются вместе с целевым словом, используя несколько статистических мер:

• MI score - Взаимная информация, измеряет силу связи
• t-score - Чувствительна к частоте, хороша для частотных слов
• Коэффициент Дайса - Симметричная связь (шкала 0-1)
• Log-Likelihood - Мера статистической значимости

Индексы читаемости Бесплатно

Оценивайте сложность текста с помощью нескольких формул читаемости:

• Flesch Reading Ease - Шкала 0-100, чем выше — тем легче
• Flesch-Kincaid Grade Level - Требуемый уровень образования (США)
• Gunning Fog Index - Необходимые годы образования
• SMOG Index - Simple Measure of Gobbledygook
• Coleman-Liau Index - Уровень образования на основе символов
• Automated Readability Index (ARI) - Формула на основе символов

Лексическое разнообразие Исследователь+

Измеряйте богатство словарного запаса с помощью продвинутых метрик:

• Type-Token Ratio (TTR) - Простая мера лексического разнообразия
• Standardized TTR (STTR) - Менее зависит от длины текста
• MTLD - Measure of Textual Lexical Diversity, наиболее стабильная метрика
• HD-D - Hypergeometric Distribution D, вероятностный подход
• Yule's K - Мера концентрации словаря
• Hapax Legomena - Слова, встречающиеся только один раз

Анализ ключевых слов (Keyness) Профессионал+

Сравнивайте два корпуса для выявления статистически значимых различий:

• Критерий хи-квадрат - Тестирование статистической значимости
• Log-likelihood - Более надёжен для разреженных данных
• Размер эффекта - Практическая значимость (логарифмическое соотношение)
• Нормализованные частоты - Сравнение на 10 000 слов

Анализ документов

Поиск и обнаружение

Стилистический анализ

Лингвистический анализ

Сравнительный анализ

Генерация презентаций Новое

Как использовать NLP-обработку

1. Перейдите на страницу корпуса
2. Нажмите вкладку NLP в навигации анализа
3. Выберите документ из выпадающего меню
4. Нажмите «Анализировать документ» для обработки через spaCy

Поддерживаемые языки

NLP-обработка доступна для 8 языков:

• Английский - en_core_web_sm (продвинутый пайплайн с лемматизатором, NER, парсером)
• Испанский - es_core_news_sm (оптимизирован для испанского текста)
• Русский - ru_core_news_sm (поддержка кириллицы)
• Французский - fr_core_news_sm (полный французский пайплайн)
• Немецкий - de_core_news_sm (поддержка немецкой морфологии)
• Китайский - zh_core_web_sm (упрощённый китайский с сегментацией слов)
• Японский - ja_core_news_sm (японская токенизация и анализ)
• Арабский - pyarabic + NLTK (токенизация, стемминг, стоп-слова)

Функции NLP

• Полный анализ токенов - Лемматизация, POS-разметка и синтаксический анализ для всех токенов с определением стоп-слов
• Сегментация предложений - Автоматическое извлечение предложений со статистикой (общее количество, средняя/мин/макс длина в токенах)
• Именные группы - Извлечение именных групп с корневыми словами и синтаксическими связями
• Морфологические признаки - Детальный грамматический анализ: род, падеж, число, время, лицо, наклонение и вид
• Частоты лемм - Ранжированное частотное распределение базовых форм без стоп-слов
• Фильтрация стоп-слов - Выявление и фильтрация служебных слов для фокуса на знаменательных словах
• Распознавание именованных сущностей - Выявление людей (PERSON), мест (GPE, LOC), организаций (ORG), дат и др.
• Синтаксический анализ - Анализ грамматической структуры и связей между словами

Результаты анализа

Вкладка NLP отображает комплексные результаты:

• Статистика документа - Всего токенов, токенов без стоп-слов, информация о языке
• Статистика предложений - Всего предложений, средняя/мин/макс длина с полным списком предложений
• Именные группы - Все извлечённые именные группы с корневыми словами и зависимостями
• Частоты лемм - Полный ранжированный список частот без стоп-слов с количеством и процентами
• Морфологические признаки - Все токены с грамматическими признаками (род, падеж, время и т.д.)
• Распределение частей речи - Все теги частей речи с количеством
• Именованные сущности - Все обнаруженные сущности с их метками
• Полный анализ токенов - Все токены с текстом, леммой, POS-тегом, уточнённым тегом, синтаксической связью и статусом стоп-слова
• Профессиональный экспорт - Экспорт полного анализа в PDF, Word, Excel или CSV

Доступные визуализации

• Облака слов - Визуальное представление частот слов
• Частотное распределение - Столбчатые диаграммы частот слов
• Лексическая дисперсия - Отслеживание использования слов по документам

Настройка

Большинство визуализаций позволяют настраивать параметры: количество слов, цвета и фильтрацию.

Форматы экспорта

Все результаты анализа можно экспортировать в нескольких форматах:

• PDF - Профессиональные отчёты с форматированными таблицами
• Word (DOCX) - Редактируемые документы для дальнейшей работы
• Excel (XLSX) - Таблицы для анализа данных
• CSV - Импорт в другие инструменты

Функция автосохранения

Все результаты анализа автоматически сохраняются для последующего экспорта:

• Результаты KWIC-конкорданса
• Частотный анализ
• Все 18 функций ИИ-анализа
• Результаты NLP-обработки

Страница экспорта

Доступ ко всем сохранённым результатам со страницы Экспорт:

• Просмотр всех сохранённых результатов анализа
• Фильтрация по корпусу или типу анализа
• Экспорт отдельных результатов в любом формате
• Массовый экспорт: выберите несколько результатов и объедините в один документ

Экспорт корпуса

Экспортируйте весь корпус в формате JSONL для резервного копирования или обмена.

Добавление участников

Делитесь корпусом с другими исследователями:

1. Откройте корпус, которым хотите поделиться
2. Перейдите в раздел «Участники»
3. Добавьте участников по email
4. Установите права доступа (просмотр, редактирование, администратор)

Слои аннотаций

Создавайте слои аннотаций для совместной разметки и анализа.

Создание снимков

Сохраняйте версии корпуса на разных этапах:

1. Перейдите в раздел «Экспорт и снимки»
2. Нажмите «Создать снимок»
3. Добавьте тег (например, «v1.0», «до-очистки»)
4. Просматривайте историю снимков

Восстановление снимков

Снимки можно использовать для восстановления корпуса к предыдущему состоянию при необходимости.

Система обращений

Нужна помощь? Создайте обращение для получения помощи от нашей команды:

1. Перейдите в Поддержку с панели управления
2. Нажмите «Создать обращение»
3. Введите тему и опишите проблему
4. Выберите приоритет (Низкий, Обычный или Высокий)
5. Отправьте обращение

Функции обращений

• Цепочки сообщений - Отвечайте на обращения для продолжения обсуждения
• Отслеживание статуса - Просматривайте статус обращения (Открыто, В работе, Закрыто)
• Email-уведомления - Получайте уведомления, когда мы отвечаем
• Уровни приоритета - Отмечайте срочные вопросы как высокоприоритетные

Альтернативные способы связи

• Email: support@corpuscraft.org
• Форма обратной связи: Страница контактов