Digital Humanities и иранистика: в РГГУ представили цифровой корпус газеты «Эттелаат» Сегодня в РГГУ в рамках форума «Роль культуры в российско-иранском взаимодействии» с участием министра культуры Ирана и Чрезвычайного и Полномочного Посла Исламской Республики Иран в России состоялась презентация проекта по созданию цифрового корпуса главной тегеранской газеты «Эттелаат». Мне давно интересны проекты в сфере Digital Humanities, а в этом случае особенно привлекло сочетание иранистики и современных цифровых инструментов, в том числе технологий ИИ для обработки больших массивов текста. Тем более что авторами проекта являются мои преподаватели в РГГУ — к. и. н. Владимир Олегович Кокликов и д. и. н. Никита Александрович Филин. В чём суть проекта? Изначально существовали только сканы газеты «Эттелаат» в формате PDF — изображения страниц без текстового слоя. Это существенно ограничивало возможности сквозного поиска и систематической работы с материалом. Авторы проекта решили создать цифровой инструмент, который сделал бы этот огромный корпус источников значительно удобнее для исследователей, в том числе, которые не знают персидский язык. Проект охватывает критически важный период: с весны 1978 по весну 1980 года — годы Исламской революции и первый год существования Исламской Республики. Масштаб проделанной работы: • 535 выпусков подряд без единого пропуска; • 8 662 полосы; • около 64 000 статей; • 18 миллионов слов персидского текста. В чём новаторство подхода? При создании корпуса используются технологии искусственного интеллекта, в том числе OCR (оптическое распознавание текста) для персидского языка и машинный перевод на русский. В результате: — каждая статья представлена как отдельная страница с заголовком, датой и рубрикой; — доступен поиск по корпусу объёмом в 18 миллионов слов, позволяющий находить упоминания нужных терминов как на персидском, так и на русском языке; — для текста доступен русский перевод абзац к абзацу; — каждая статья снабжена библиографическими данными, что облегчает её использование в научной работе и цитировании; — рядом с цифровым текстом размещён скан соответствующей страницы газеты, поэтому при необходимости можно сверить распознанный текст с оригиналом. В будущем планируется обработка выпусков «Эттелаат» за более поздние годы. Так корпус будет постепенно расширяться, охватывая всё более длительный период истории Ирана.