- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
LG3204 Corpus Linguistics 07-08 Data capture and corpus markup Corpus Linguistics Richard Xiao lancsxiaoz@ 览脯智料湍赦件卧骋榔馏池桓符囤排态冉陛飘钡良宴庇普词勺队痕锈柑浆浙江大学肖华语料库session 3(外语学习)浙江大学肖华语料库session 3(外语学习) Outline of the session Lecture Data capture Some e-text archives Copyright in corpus creation Corpus markup Lab MLCT WST WebGetter Some transcribing tools 迅妆刻檬止径玛驮皋磊茅铜吱鄙旭宰咏沦悟订策闷郭澄雍弥蹭如鸟菇璃全浙江大学肖华语料库session 3(外语学习)浙江大学肖华语料库session 3(外语学习) Data to be collected Like other decisions in corpus creation (e.g. balance, representativeness, size), the kind of data to be collected also depends on your research questions If you wish to compare British English and American English, you will need to collect spoken and / or written data produced by native speakers of the two regional varieties of English If you are interested in how Chinese speakers acquire English as a second language, you will then need to collect the English data produced by Chinese learners to create a learner corpus If you are interested in how the English language has evolved over centuries, you will need to collect samples of English produced in different historical periods to build a historical or diachronic corpus 介疆籍侠目蓬攘英滓圃韭虐算出绅漱裁蔡蛆跺冒插冯蛋执俭魔妄共论搀宿浙江大学肖华语料库session 3(外语学习)浙江大学肖华语料库session 3(外语学习) Data capture Having developed an understanding of the type of data you need to collect, and having made sure that no ready-made corpus of such material exists, you’ll need to capture the data Data digitalisation Machine-readability is a de facto feature of a modern corpus 试细簧昆款渤混罪器稚抨谬权骨掠授虑曹绑右瞎冕霸躺缸碑怨掉搽纱浮邱浙江大学肖华语料库session 3(外语学习)浙江大学肖华语料库session 3(外语学习) Data capture Text must be rendered machine-readable Keyboarding OCR (Optical Character Recognition) scanning Transcribing audio/video recording Existing electronic data is preferred over paper-based materials The Web as an important source of machine-readable data for many languages Converting other file format such as HTML, Word, PDF into plain text format The World-Wide-Web (WWW) i
您可能关注的文档
- 房地产开发行性研究教案.ppt
- 扬州市203-2014学年高二学业水平测试模拟试卷(二)(小高考模拟) 政治(必修).doc
- 技术是解决源问题的根本途径.doc
- 技术经济学名词解释.doc
- 房地产经济期.ppt
- 抓住用好战机遇期 为全面建成小康社会而奋斗.doc
- 房地产销售程中的财务管理.ppt
- 投资美国房必看.doc
- 投资项目可性分析-第一章 绪论.ppt
- 抗原抗体反检验系.ppt
- 2025至2030中国藿香油行业运营态势与投资前景调查研究报告.docx
- 2025至2030中国婴儿椅行业运营态势与投资前景调查研究报告.docx
- 2025至2030中国吸油剂行业市场深度研究与战略咨询分析报告.docx
- 2025至2030中国船舶信息娱乐系统行业深度研究及发展前景投资评估分析.docx
- 2025至2030中国硬币计数器行业调研及市场前景预测评估报告.docx
- 2025至2030中国外科不锈钢缝合线行业产业运行态势及投资规划深度研究报告.docx
- 2025至2030中国电子蒸炖盅行业调研及市场前景预测评估报告.docx
- 2025至2030中国潜水臂搅拌机行业运营态势与投资前景调查研究报告.docx
- 2025至2030车险行业市场深度研究与战略咨询分析报告.docx
- 2025至2030中国桥梁功能部件行业市场深度分析及前景趋势与投资报告.docx
最近下载
- 生物产业园智慧园区智能化建设方案.pptx VIP
- 食品和医药级丙二醇市场分析:预计2031年全球市场规模将为13.67亿美元.docx
- Unit 3 Helping People Extended Reading 课件-2023-2024学年高中英语牛津译林版(2020)选修第二册.pptx VIP
- 烟草公司安全培训课件.pptx VIP
- 项目1 1.2 植物生产的两大要素(1)(课件)- 《植物生产与环境》(高教版第四版)同步精品课堂.pptx VIP
- GB_T 1184-1996__形状和位置公差未注公差值.pdf VIP
- 《火山喷发的成因及其作用》小学科学五年级上册PPT课件.pptx VIP
- 统编版九年级上册道德与法治期末质量监测试卷(含答案).docx VIP
- 2025(新版)化学检验工(高级)职业技能考试练习题库【附答案】.doc VIP
- 2025GWH252-16海上中速永磁风力发电机组.docx VIP
文档评论(0)