@Olga Да, интересно. Только мне казалось, что такие вещи как частотность букв и слов считали вручную довольно давно (в публикациях Шекспира, например).

А так меня беспокоит излишняя объективность. В плане того, что, скажем, идиоматика непрофессиональных текстов, быть может, допустима, но орфографическо-пунтуационный мрак который нынче царит в самиздате (да и нередко «правильно» опубликованных текстах) ужасает. Машинный набор и слабость или недостаток редакторов приводит к тому, что даже в университетских учебниках иногда жуть какая встречается.

@theUg Тут дело скорее в размерах. Нельзя же 500 тысяч знаков вручную пересчитать.

@theUg В смысле, что тексты в корпусе могут содержать орфографические ошибки? Это интересно, надо узнать, вычитывают ли тексты вручную перед добавлением в корпус... И потом еще это зависит от целей корпуса. Понятно, что в корпусе, созданном для исследования частотности орфографических ошибок, их не будут исправлять.

@Olga С другой стороны, есть такая мысль. Вот, на примере английского, меня буквально бесят такие американизмы как lite вместо light или thru вместо through. Но, может быть, так естественным путём и будут словоформы изменяться в английском — письменность будет более фонетической. Хотя, конечно, русский и так уже фонетический, хрен знает. Я хоть троечником был, вообще-то, безошибочно пишу куда выше среднего.