确定切词单位的某些语法因素-中国语言文字网.docVIP

Journal of Chinese Language and Computing GB .sg/cgi-win/journal/paper.exe 中国语料库研究的历史与现状 冯志伟 教育部语言文字应用研究所 朝内南小街 51 号 100010 北京，中国 e-mail: zwfengde@ 2001年11月25日提交，2002年7月25日修改 摘要 本文首先简要回顾了国外语料库的概况，然后，比较详细地介绍中国语料库的发展情况，包括早期的语料库、国家级语料库、大规模真实文本语料库、口语语料库、双语语料库、少数民族语言语料库等，接着介绍语料库的各种加工技术，如自动切分、自动词类标注、自动短语结构标注、自动双语对齐等，使我们对于语料库研究得到一个鸟瞰式的认识。最后讨论了当前语料库研究中的一些问题，如语料库的规范和标准问题，语言资源共享问题、知识产权问题等。 关键词 语料库；大规模真实文本；口语语料库；双语语料库；少数民族语言语料库；自动切分；自动词类标注；自动短语结构标注；双语对齐 语言学的研究必须以语言事实作为根据，必须详尽地、大量地占有材料，才有可能在理论上得出比较可靠的结论。传统的语言材料的搜集、整理和加工完全是靠手工进行的，这是一种枯燥