国家语委十五科研重大项目-现代汉语语料库的建设及深加.pdfVIP

国家语委十五科研重大项目－现代汉语语料库的建设及深加工 国家语委语料库科研成果简介 教育部语言文字应用研究所计算语言学研究室 一、国家语委现代汉语语料库介绍 语料库是存储于计算机中并可利用计算机进行检索、查询、分析的语言素材的总体。基 于语料库的分析方法是对传统的基于规则的分析语言的方法的一个重要补充。语料库具有 “大规模”和“真实”这两个特点，因此是最理想的语言知识资源，是直接服务于语言文字 信息处理等领域的基础工程。近十几年来，美、英、法、德、日等国家都投入巨资，相继建 立了大规模的语料库，如英国国家语料库 BNC 等。我国从 1990 年开始由国家语言文字工作 委员会主持，组织了语言学界和计算机界的专家学者共同建立了大型的国家级语料库，即国 家语委现代汉语语料库。 国家语委现代汉语语料库是一个大型的通用的语料库，以语言文字的信息处理、语言文 字规范和标准的制定、语言文字的学术研究、语文教育和语言文字的社会应用为主要服务目 标。国家语委现代汉语语料库作为国家级语料库，在汉语语料库系统开发技术上具有国际领 先水平，在语料可靠、标注准确等方面具有权威性。国家语委现代汉语语料库面向国内外的 长远需要，选材有足够的时间跨度，语料抽样合理、分布均匀、比例适当，能够比较科学地 反映现代汉语全貌。 国家语委现代汉语语料库由人文与社会科学、自然科学及综合三个大类约 40 个小类组 成。具体类别如下： 1.人文与社会科学类划分为 8 个大类和 30 个小类：（1）政法：哲学、政治、宗教、法 律；（2）历史：历史、考古、民族；（3）社会：社会学、心理、语言文字、教育、文艺理论、 新闻、民俗；（4）经济：工业经济、农业经济、政治经济、财贸经济；（5）艺术：音乐、美 术、舞蹈、戏剧；（6）文学：小说、散文、传记、报告文学、科幻、口语；（7）军体：军事、 体育；（8）生活。 1 2.自然科学划分为 6 类：数理、生化、天文地理、海洋气象、农林、医药卫生。 3.综合类语料由应用文和难于归类的其他语料两部分组成。应用文使用很广泛，主要 涉及以下 6类：（1）行政公文：请示、报告、批复、命令、指示、布告、纪要、通知等；（2） 章程法规：章程、条例、细则、制度、公约、办法、法律条文等；（3）司法文书：诉讼、辩 护词、控告信、委托书等；（4）商业文告：说明、广告、调查报告、经济合同等；（5）礼仪 辞令：欢迎词、贺电、讣告、唁电、慰问信、祝酒词等；（6）实用文书：请假条、检讨、申 请书、请愿书等。 国家语委语料库的语料样本包括 24 个详细信息： 数据项 名称 a13 版次(初版印数) a1 总号 a14 本版印数 a2 分类号 a15 总印数 a3 样本名称 a16 总页数 a4 类别 a17 开本 a5 作者 a18 选择方式 a6 写作时间 a19 起止页数 a7 书刊名称 a20 样本字数 a8 编著者 a21 样本总字数 a9 出版社 a22 文章总字数 a10 所在省 a23 简繁体 a11 出版日期 a24 抽样文章