语料库504演示文稿.PPTVIP

语料库Corpus 秦雯 Leader 秦 雯+刘力敏 Translation 芦 娇+王 阳 Terms 何彦梅 Background Information 米 洁 PPT+Correction Group members： C1G3 Background Information In linguistics, a corpus or text corpus is a large and structured set of texts (now usually electronically stored and processed). They are used to do statistical analysis and hypothesis testing, checking occurrences or validating linguistic rules on a specific universe. A corpus may contain texts in a single language (monolingual corpus) or text data in multiple languages (multilingual corpus). Multilingual corpora that have been specially formatted for side-by-side comparison are called aligned parallel corpora. 语料库的分类 依据是研究目的和用途,可以分成四种类型： 异质的Heterogeneous：没有特定的语料收集原则，广泛收集并原样存储各种语料； 同质的Homogeneous：只收集同一类内容的语料； 系统的Systematic：根据预先确定的原则和比例收集语料，使语料具有平衡性和系统性，能够代表某一范围内的语言事实； 专用的Specialized：收集用于某一特定用途的语料。 按照语料的语种，语料库也可以分成 单语的Monolingual 双语的Bilingual 多语的Multilingual Terms 语料库Corpus 语料库即存放语言材料的仓库。现代的语料库是指存放在计算机里的原始语料文本或经过加工后带有语言学信息标注的语料文本。关于语料库的三点基本认识：语料库中存放的是在实际使用中真实出现过的语言材料；语料库是以计算机为载体承载语言知识的基础资源；真实语料需要经过分析、处理和加工，才能成为有用的资源。 CES标准 语料库中所有语料均需按照同样的方式编码或标记。这可以使得语料库能够独立于软件平台和具体的应用程序，具有教强的数据可交换性。目前国际上有两个著名的语料库标记标准建议方案，其中之一是正处在开发之中的语料库编码标准。 双语语料库Bilingual Corpus 双语语料库已成为翻译研究不可或缺的重要资源,指不只有一种语言的语料库。分为平行语料库和对照语料库两种。平行语料库指库中的两种或多种文本互相是对方的译文；对照语料库中两种或多种语言的文本不构成对译关系，只是领域相同，主题相近,通常只能用于两种或多种语言的对比。 语料库编码Corpus Encoding 如何对语料库进行编码存在三种选择：(1)采用国际上业已制定的标准方案；(2)直接采用互联网上广泛使用的超文本标记语言（HTML），这样似乎可以有效减少工作量；(3)制定一个新的标记方案。 双语Bilingual 双语(Bilingual)是指一个能运用两种语言的人,在日常生活中能将一门外语和母语基本等同地运用于听说读写。 例 There are chiefly the following reasons for bilingual teaching in schools. 在学校实施双语教学主要有以下几个原因。 对齐技术Alignment 1.排列成行；尤指排成直线；直线排列密切合作；(力量的)组合；联合，结盟 2.一直线；队列 3.【工程】(野外测量、铁路、公路等的)平面图 4.【测量学】准线；定线5.(机器零部件、电路等的)校正；调整 6.(西欧新石器时代、青铜器时代的)大石排 7.配置；构造；结构；社会风貌 8.(对一个人行为的)标准，调整 对齐双语Bilingual Alignment 例 Its a method of word alignment which is based on sentence level aligned bilingual corpus. 这是一种基于句子级对齐