《自然语言处理技术及应用》教案 项目2 构建语料库.pdfVIP

课题构建语料库

课时6课时（270min）

知识目标：

（1）了解语料库及语料库的特点

（2）了解语料库的类型及其构建原则

（3）掌握获取NLTK中的语料库与网络在线语料库的基本方法

（4）掌握正则表达式中常用的函数和元字符

教学目标技能目标：

（1）能够编写程序，构建本地语料库

（2）能够使用正则表达式进行字符过滤

素养目标：

（1）夯实基础，培养一丝不苟的工作态度，增强积极主动寻求解决方法的意识

（2）增强创新意识，提高选择合适方法解决不同问题的能力

教学重点：语料库及语料库的特点，语料库的类型及其构建原则，获取NLTK中的语料库与网络在线语

教学重难点料库的基本方法，正则表达式中常用的函数和元字符

教学难点：能够编写程序，构建本地语料库；能够使用正则表达式进行字符过滤

教学方法案例分析法、问答法、讨论法、讲授法

教学用具电脑、投影仪、多媒体课件、教材

教学过程主要教学内容及步骤

【教师】布置课前任务，和学生负责人取得联系，让其提醒同学通过APP或其他学习软件，收集构建

课前任务语料库的相关知识，并进行了解

【学生】提前上网观看相关资料，熟悉教材

【教师】使用APP进行签到

考勤

【学生】按照老师要求签到

【教师】播放“语料库的用途”视频，并提出以下问题：

问题1：什么是语料库？

问题导入

问题2：简述语料库在自然语言处理中的用途。

【学生】观看、思考、讨论、回答

【教师】通过学生的回答，引入新知，讲解语料库及语料库的特点，语料库的类型及其构建原则，获取

NLTK中的语料库与网络在线语料库的基本方法，正则表达式中常用的函数和元字符等知识

2.1语料库基础

2.1.1语料库简介

语料库的实质是经过科学取样和加工的大规模电子文本库，是为某一个或多个应用目标而专门收集

的，有一定结构和代表性且可被计算机程序检索的，具有一定规模的，标注了语法、语义、语音和语用

传授新知

等语言信息的语料（语料指语言材料）集合。

语料库具备以下3个特点：

①语料库中存放的语言材料在语言的实际使用过程中真实出现过；

②语料库是以计算机为载体，承载语言知识的基础资源；

③语料库是对真实语料进行加工、分析和处理的资源。

2.1.2语料库的类型

根据不同的划分标准，语料库可分为不同的类型。按照语料的结构进行划分，可将语料库分为平衡

结构语料库和自然随机结构语料库；按照语料库的用途进行划分，可将语料库分为通用语料库和专用语

料库；按照语料选取的时间进行划分，可将语料库分为共时语料库和历时语料库。

1．平衡结构语料库与自然随机结构语料库

平衡结构语料库是按照某种预先定义好的规则（定义语料库中语料的类型和每种类型所占的比例）

采集语料构成的语料库。例如，历史上第一个机读语料库——布朗语料库就是一个平衡结构语料库，它

的语料按3层分类，严格设计了每类语料所占的比例。

……（详见教材）

2．通用语料库与专用语料库

通用语料库与专用语料库是一对相对概念。通用语料库是按照特定标准，综合考虑时间、地点、语

种、行业、领