原创力文档- 1、本文档共14页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
语料的采集与整理讲解
* 语料的采集与整理 中国外语教育研究中心 梁茂成 主要内容 什么是语料库？ 科学取样 平衡问题 几个常见问题 语料的整理 什么是语料库 corpus (pl. corpora) 指经过科学取样和加工的电子文本库。借助计算机分析工具，研究者可开展相关的语言理论及应用研究。 什么是语料库 语料库是数据 数据不等于事实 事实是偶发的 数据是收集而来的 对数据而言，量很重要 数据是用来代表整体的 分析数据所得到的结论可以推及整体 科学取样 随机取样 Random sampling 科学取样 系统抽样 Systematic sampling 科学取样 分层抽样 Population Sample Proportional allocation Even allocation 18-29 30-49 50-64 65+ Sample Stratified sampling 平衡问题 语料库中各类文本的所占比例与语言的实际使用情况基本相当。 平衡问题 几个常见问题 建设学习者语料库时，学习者所犯的语言错误是否需要纠正？ 建设学习者语料库时，男女比例失调怎么办？ 建设新闻语料库时，人民日报等报纸有现成的电子文本，很方便收集。可否直接全部收录？ *
文档评论（0）