语料库及语料库建设.docxVIP

语料库与语料库建设 语料库和语料库建设 一、 什么叫语料库 1、定义 语料库，通俗意义上指的是语言材料库。严格意义上的语料库（ corpus ）是指按照一定的 语言学原则，运用随机抽样方法，收集自然出现的连续的语言运用文本或话语片断而建成的具有一定容量的大型电子文本库。 目前，语言学家对于语料库的定义不尽相同，如辛克莱（ Sinclair ）认为语料库是“按照明确的语言学标准选择并排序的语言运用材料汇集，旨在用作 语言的样本”。阿特金斯等（ Atkins Clear ）认为语料库是“按照明确的设计标准，为某一具体目的而集成的大型文本库”。赫努（ Renouf）认为语料库是“由大量收集的书面语或口头语构成，并通过计算机储存和处理，用于语言 学研究的文本库”。我们看到，以上关于语料库的几种定义相同之处在于都谈到语料库是语言材料的汇集；不同之处在于前两个定义指出语料库的设计是有明确的设计标准的，赫努的定义明确指出语料库“通过计算机储存和处理”这一特点。 语料库不同于电子文档， 语料库的建设有特定的研究目的和具体用途， 因此在语料抽样范围和文类覆盖方面都力求取得平衡， 在收集语料时需要考虑到每一文类、体裁、语域、主题类型等的抽样比例。而大型文档目标在于搜集任何可获得的语言材料或所限定的数种文类语料， 其语言材料之间的关系较为松散。 语料库具有以下特征： 1、语料库的设计与建设有系统的语