Web学术语料库的特征及其应用初探

摘要

第一代网络语料库(WebCorp)以海量网络语料而著称,然而WebCorp有其本身固有缺陷,因此,第二代网络语料库Web学术语料库(WebCorp LSE)应运而生,它的规模达到100亿词,是一个网络语料库检索系统,有自己独立的搜索引擎、独特爬虫工具、索引工具、标注工具、离线处理工具等,其"网络文本"格式全、质量高、语料新颖、规模巨大.Web学术语料库在新词用法、短语创新用法、词语历时分析、甄别歧义研究等方面具有独特优势,弥补了传统语料库的不足.