言语读书会20160529林宸升研究.ppt

常用语料库使用方法和技巧 以CCL语料库为例 CCL语料库中还提供了“模式查询”，用于检索特定的模式。比如“爱V 不 V”、“有 X V X”等构式。此时，为了与文本中的字母进行区分，要求匹配的变量字符用括号括起来。比如查找构式“爱V 不 V”，其对应的查询表达式为“爱(V)不(V)”。 模式查询 常用语料库使用方法和技巧 以CCL语料库为例 V的长度也可以指定，比如： 查询表达式为“爱(V,=3)不(V)”，表示要求V的长度为3； 查询表达式为“爱(V,5)不(V)”，表示要求V的长度不超过5； 查询表达式为“爱(V,2-5)不(V)”，表示要求V的长度介于2-5之间。 模式查询 *经过试验，发现此时只允许=X，X，X，X-X的表达形式，不允许=X和=X的表达形式 常用资源库使用方法和技巧 以中国知网为例 中国知网的“专业检索表达式语法”页面（/ kns/help/help.aspx?helpType=zhuanyeurl=help_yufa.htm）详细介绍了在知网上构造专业检索式的方法。可使用的符号如下： *，同CCL的空格，如TI（题名）=杂交*水稻； 专业检索表达式语法 常用资源库使用方法和技巧 以中国知网为例 +，同CCL的|，如：TI=杂交+水稻 -，表示只包含前一检索词而不包含后一检索词，如：TI=杂交-水稻； ，表示精确匹配，如：AU（作者）=袁隆平； %，表示查询检索词或其一部分，如：TI%杂交水稻； 专业检索表达式语法 语料库与 语言研究线上资源 语言研究所 林宸昇 主要内容 语料库基本概念 常用语料库及线上资源简介 各类常用线上资源的使用方法及技巧 语料库的研究应用领域 自建语料库 第一部分 语料库基本概念 语料库的分类： 分词、加标与否； 生语料库、有标记语料库、树库 语料库：特定目的和普遍目的 主要问题：分词错误；标记错误 三类语料库 生语料库示例：北大CCL语料库 三类语料库 有标记语料库示例：北语DCC语料库 三类语料库 树库示例：中研院中文剖析树系统 语料库中可能出现的两大问题 标记错误： “新加坡/ns 客人/n ……批评/v ：/w ‘/w 你们/r 为什么/r……任/v 其/r 杀/v 掉/v 吃掉/v ？/w ’/w ” 分词错误： “解放大道路面积水情况” 第二部分 常用语料库及线上资源简介 四类 语料库 现代汉语语料库 名称：北语动态流通语料库（DCC） 所属机构：北京语言大学国家语言资源监测与研究中心 网址： 类型：现代汉语书面语（报刊） 现代汉语语料库 名称：人民日报切分/标注语料库 所属机构：北京大学计算语言学研究所 网址：/icl_res（需要下载） 类型：现代汉语书面语（报刊） 现代汉语语料库 名称：现代汉语平衡语料库 所属机构：台湾中央研究院语言学研究所 网址：.tw/SinicaCorpus 类型：现代汉语书面语（综合） 现代汉语语料库 名称：利兹大学现代汉语语料库 所属机构：英国利兹大学翻译研究中心 网址：http://corpus.leeds.ac.uk/query-zh.html 类型：现代汉语书面语（综合） 现代汉语语料库 名称：媒体语言语料库 所属机构：中国传媒大学国家语言资源监测与研究有声媒体中心 网址：/RawPub 类型：现代汉语口语（广播电视） 现代汉语语料库 名称：北京口语语料查询系统 所属机构：北京语言大学语言研究所 网址：/yys/6_beijing/6_beijing_chaxun.asp 类型：现代汉语口语 现代汉语语料库 名称：中文句结构树资料库 所属机构：台湾中央研究院语言学研究所 网址：.tw/treesearch 类型：现代汉语综合（树库） 古代汉语及近代汉语语料库 名称：近代汉语标记语料库 所属机构：台湾中央研究院语言学研究所 网址：http://early_.tw/ 类型：近代汉语 古代汉语及近代汉语语料库 名称：上古汉语标记语料库 所属机构：台湾中央研究院语言学研究所 网址：http://old_.tw/ 类型：古代汉语（上古） 现代及古代汉语语料库 名称：CCL语料库 所属机构：北京大学中国语言学研究中心 网址：:8080/ccl_corpus/ 类型：现代汉语及古代汉语 现代及古代汉语语料库 名称：BCC语料库 所属机构：北京语言大学大数据与语言教育研究所 网址： 类型：古代汉语、现代汉语及其他语言学资源 现代及古代汉语语料库 名称：语料库在线 所属机构：教育部语言文字应用研究所计算语言学研究室 网址： 类型：现代汉语、古代汉语、词性标注 对外汉语语料库 名称：HSK动态作文语料库 所属机构：北京语言大学大数据与语言教育研究所 名称：对外汉语教学语料库 名称：汉字偏误标注的汉语连续性中介