台语文书面语语料库简介及典藏相关建议.pptVIP

台語文書面語語料庫簡介及典藏相關建議 花蓮大漢技術學院 資訊工程系楊允言 I?n ún-gian 台灣Holo話的活力與傳承研討會 2005/10/21 大綱Tai-kong 台語文書面語語料庫簡介 語料庫簡介 來源、數量 現有成果 未來空課 台語文典藏e建議 WordNet TAT2006 ? 1.台語文書面語語料庫簡介 簡介 2003年正月開始蒐集 現代台語 vs 中研院閩南語典藏計畫 以白話字書寫e全羅/漢羅書面語 避開書寫系統爭議 書面語數量siong choe e書寫系統 簡化資料處理e複雜度 因為編碼問題，需要轉檔 文類、作者性別、出版年 目標：公開e平衡語料庫 1.台語文書面語語料庫簡介-2 主要來源 台文刊物 台文通訊、台文罔報、台灣字、台灣公論報蕃薯園、蓮蕉花、湠根、… 專書、論文電子檔 作者提供 計畫成果 台灣白話字文學資料蒐集整理計畫(台灣文學館委託成大台文所 2001.5~2004.12) 其它 1.台語文書面語語料庫簡介-3 目前語料數量(音節) 全羅 3,462,367 tokens / 3,525 types 漢羅 5,568,057 tokens / 8,527 types 包括數字，排除： 標點 無合法e白話字音節 英文 Phah字錯誤 1.台語文書面語語料庫簡介-4 現有成果 台語文語詞檢索系統(Concordancer).tw