Un corpus lemmatizzato

Il corpus di testi su cui si basa la redazione del TLIO (Corpus TLIO) è un corpus lemmatizzato, con una lemmatizzazione tendenzialmente esaustiva sulle forme, non sulle occorrenze. La lemmatizzazione del Corpus TLIO presenta criticità e problematiche legate alla natura stessa del corpus: plurilinguismo, eterogeneità filologica, stratificazione negli anni di un lavoro che ha via via cambiato modalità e strategie operative, assenza di marcatura nella preparazione dei testi. Il contributo espone le maggiori problematiche della lemmatizzazione ed esplicita i criteri da seguire per la razionalizzazione del pregresso e per un futuro completamento. Viene posto inoltre il problema del valore del corpus come oggetto di indagini linguistiche, in relazione alla recente disciplina della linguistica dei corpora e mettendo in risalto gli aspetti per cui il Corpus TLIO lemmatizzato possa considerarsi fonte di lingua oltre che raccolta di testi cui attingere per la redazione di un vocabolario.