语料库

摘要： [目的]提高我国农业科技期刊英文摘要写作的规范性与准确性,提升我国农业科技期刊英文摘要写作质量,促进我国农业科技期刊国际化并提升国际影响力.[方法]自建中外农业科技期刊英文摘要语料库,以中文期刊《热带作物学报》与国外知名热带农业领域科技期刊英文摘要为语料库来源,比较分析中文期刊英文摘要与国际期刊英文摘要在"研究结果"与"研究讨论"立场标记语使用方面的异同.[结果]在"研究结果"语步中,中文期刊作者对各个立场标记语使用频率较国际期刊作者较少;在"研究讨论"语步中,中文期刊作者对增强语的使用频率较国际期刊作者较多.不同学术文化背景下,学者在撰写学术论文英文摘要时表达立场的强度和方式都有所不同.[结论]中文期刊作者应对标国际标准,加强立场标记语的学习使用能力,符合国际科技期刊论文摘要写作范式,努力提高中文科技期刊中、英文摘要的写作质量.

摘要： 本文基于Lady Windermere's Fan 8个译本的英汉平行语料库,系统考察了不同译本中情态动词的量值偏移特征.研究发现:1)8个译本均以情态量值对等翻译为主,钱之德译本最突出,情态对等达72.4％;其次是沈性仁、荣如德和潘家洵译本.2)情态量值非对等翻译中,余光中和孙予译本偏好强化偏移;张南峰和张由纪译本省译现象更频繁.受出版年代、译者职业背景、性别因素等影响,各译本情态动词量值有一定偏移,也反映出不同的译者风格.

摘要： 本研究对比中国学生英语专业四级口语独白语料库和密歇根学术口语本族语者语料库,考察英语学习者口语词块的结构和功能特点.结果 表明,学习者与本族语者各结构类型与各语用功能词块产出频次的比例呈现相近模式,且皆以动词类结构和表达组篇功能为主.但是,学习者各类词块的产出频次与本族语者均存在显著性差异.口语词块的复杂性特征体现为与动词相关的从句词块产出较多,而与名词相关的短语词块产出不足.学习者与本族语者高频词块具有相似特征,而低频词块差异较大.学习者词块产出缺乏本族语者词块所具有的结构丰富性和语用多样性.

摘要： 基于赵衍荪、徐琳编著的《白汉词典》,尝试建立白语拼音语料库,利用计算语言学中的MI值和T检验值从关联性和置信度两个角度出发,并根据MI值和T值的互补性,提出了词项搭配的分类模型,用于计算中心词与搭配词的词项搭配可靠性.实验结果表明本方法能全面有效地定量分析出中心词的常见典型搭配和低频固定搭配,为白汉机器翻译打下基础,助力于白语保护和传承.

摘要： 建立适于计算机处理的赣方言篇章平行语料库标注规范，探索适合于赣方言分析的新方法和新计算模型，实现高性能的赣方言自动识别，实现赣方言的篇章衔接性与连贯性联合机制研究。

摘要： 文章选取《黄帝内经》2部译本和现行具有权威性的4部汉英对照中医名词术语标准为语料来源,建立了针对性的小型语料库.通过统计分析语料库中病名术语英译文的一致率,发现2个译本和4部标准中脑系病名英译文Ⅰ级(术语英译文完全一致)、Ⅱ级(术语英译文基本一致)、Ⅲ级(术语英译文部分一致)的一致率为零;Ⅳ级(术语英译文不一致)一致率的术语共16条,V级(术语英译文不存在)一致率的术语共74条.笔者对Ⅳ级术语(以"柔痉、肉痿、筋痿、暴聋、真头痛"为例)进行术语涵义考辨及英译文对比研究,探讨合理的译法,以期为《黄帝内经》病名术语翻译的规范化、中医疾病名词术语标准的词量扩充及翻译修订带来启示.

摘要： “古代汉语”是中国语言文学专业的核心课程,然而现有教材编撰在篇章选择、内容编排或知识点取舍上多基于主观经验,教学成效难以量化评估.基于先秦典型文献的词汇现象的频率、重要程度以及古今词义的差异,讨论了面向古代汉语教学的词汇知识点语料库的建设,提出了“古代汉语”教材预期成效的计算方法,并以王力主编《古代汉语》和王硕编著《汉语古文读本》两种性质不同、文选编排顺序不同的教材作为个案,对比分析了两部教材的篇幅、知识点分布和学习曲线,从量化数据上佐证了学界对两种不同性质教材的定性认识,同时也表明本文提出的教材预期成效评估方法的合理性.进一步讨论了文选的重新排序,获得了更加符合循序渐进教学过程的学习曲线.基于语料库的“古代汉语”教材预期成效评估方法不仅为教材评估提供了量化方法,也为成效导向教学在“古代汉语”课程的应用提供了探索性的思路和基础数据.

摘要： 该文介绍了维吾尔语形态分析语料库及其构建过程.从网上搜集了新闻、科技、小说、散文、日常用语和其它等不同领域的语料,采用制定切分规则(带语音变化和不带语音变化)、人工切分、错误分析和校对等过程建立了维吾尔语形态分析语料库.该语料库为50万词次规模,分为词级和句子级两类标注.该文工作不仅对相关维吾尔语语料库的建设具有参考意义,而且为维吾尔语的自然语言处理的研究提供了有益的资源.

摘要： 本文所有成语来源于《现代汉语词典》(第六版)、《汉语成语大全》和《中国成语大词典》，共计105例。选取这几本词典，其一是因为将“一A一B”格式限定在成语，不包括其他的四字格结构;其二是因为这三本词典收词量大，希望能对“一A一B”式成语做更为详尽的考察。例句主要来源于北京大学汉语语言学研究中心CCL语料库以及北京语言大学BCC汉语语料库。

摘要： 本文阐述了构建中医养生术语英译语料库的重要意义,梳理了建库的语料来源,回顾了国内外相关语料库的研究和中医术语翻译研究的成果,提出了建库的必要性和可行性,展望了中医养生术语英译语料库的使用前景.

摘要： 想法产生在写作过程中扮演重要角色.透过自然语言技术来挖掘词汇间或句子间的语义关系,能推荐适合内容来引发学生产生想法.因此,本研究基于语料库的来发展小学中文写作推荐系统,并对其系统进行初步评估.本研究收集、分析、处理与建置具备58万篇写作文本的中小学语料库,并发展写作词汇与句子推荐机制,并邀请37名四年级学生参与评估.研究发现,学生对于提供的候选词汇或句子都有接近6成的认同度,但仍有近4成候选词汇或句子不适用;再者,学生对于系统有超过6成的正向态度.

摘要： 无论是从语言理解的角度，使学习者能够听懂、读懂，还是从语言产出的角度，让学习者能够会说、会用，组合概念都是语言学习中一个不可回避的难题。这一点在对外汉语教学中尤为突出，因为汉语是意合语言，把意思“说清楚、讲明白”一直是教学的难点。在语言学习中,组合概念的释义问题是一个不可回避的难题.本文利用Sketch Engine语料库,通过恢复修饰词和中心词之间隐含的语义关系,对组合概念进行自动释义,这是语料库技术用于解决实际语言教学问题的一个新的尝试,实验结果表明该方法可以作为语料库辅助语言教学的有效手段.

摘要： 本论文通过穷尽性检索,考察了由HSK中1、2级名词构成的动宾搭配在日本初级教材中的共现搭配,并统计出共现搭配在语料库中的搭配频次、强度以及构成成分在HSK中的所属等级.结果发现,高频次、高强度搭配并非多数,各搭配的数量、复现率因教材而异,学习者利用不同教材习得的动宾搭配缺乏统一性.

摘要： 为了有效解决声调发音在对外汉语教学,二语习得以及计算机辅助发音训练中的问题,汉语中介语声调标注是非常有必要的.由于多种主客观因素的影响,中介语声调标注的一致性有待提高.本文对比探究了统一标注规则下两种标注方案的听辨效果:直接感知标注和采用音高时长替换方法后进行标注.音高时长替换方法合成语音中的声调为中介语声调,而其他部分仍保留母语发音人的信息.该方法可以减少声调之外的信息对标注的干扰.标注者对中介语原有语音和合成语音进行声调标注,实验结果显示由各类错误导致的不一致在合成后有所减少.相对不一致率平均下降27.75％.实验证明使用音高时长替换方法进行声调标注是可行的.

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本发明涉及一种基于事件的中文指代语料库构建方法。本方法主要包括以下几个步骤：(1)选择CEC2.0语料库作为构建基础，(2)确定指代标注的目标以及标注方式，(3)根据具体的指代目标制定相应的标注规范，(4)CEC2.0语料文本预处理，(5)自动标注事件要素以及事件指代，(6)通过人工标注进一步优化标注结果，(7)设定一致性检验步骤，确保语料标注的质量。本发明克服了现有的指代消解语料库的缺陷。该方法不但可以覆盖语料库中的所有事件，而且是建立在中文句法分析和语义分析基础之上的，符合中文的特点，该方法还能够对标注后的语料进行一致性检查，以保证语料标注质量。

摘要： 本申请提出一种文本语料库的构建方法和装置，该文本语料库的构建方法包括：收集文本语料作为收集语料；从篇章角度对所述收集语料进行分析，提取所述收集语料的篇章搜索特征；根据所述篇章搜索特征，在所述收集语料中搜索满足预设条件的以篇章为单位的语料，并将搜索得到的语料加入文本语料库中。该方法能够构建以篇章为单位的文本语料库，从而提高对大段文本的处理能力，提高合成语音的自然度和可懂度。

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本发明提供一种构建中文命名实体标注的语料库的方法、装置，该方法包括；S101：获取中文维基百科的文章，将文章归类为不同的实体类型，归类的方法包括基于启发式规则的分类、基于机器学习的分类以及基于DBpedia知识库本体的分类的组合；S102：对文章进行分句形成句子集，根据文章的链接目标对每个句子进行命名实体标注；S103：筛选句子形成语料库。本发明能够通过中文维基百科和DBpedia知识库这些外部知识源构建中文命名实体标注的语料库，无需人工构建和标注文本数据，耗时短、费用低，而且中文维基百科涉及范围和包含领域广泛的特征降低了语料库训练的命名体识别模型对领域数据的依赖性，减轻了其改变和移植的难度。

摘要： 本发明公开语料库的快速文本分类方法，所述辨析方法包括以下步骤：选择需要使用的现有语料库；提取语料库中的信息数据，对信息数据进行预处理；将预处理结果输入向量空间模型；进行特征词处理；为特征词选择分类器；将分类器进行效果评价；利用分类器对语料库进行分类。该语料库的快速文本分类方法可以对语料库中的语料进行快速且准确的分类，从而能够提高语料分类的效率和准确性，便于研究员和学者对语料进行深度剖析和研究。

摘要： 本发明公开一种基于语料库的近义词辨析方法，所述辨析方法包括以下步骤：确定语料研究领域、类型及规模，采集整理相关词语并建立语料库，对建立语料库进行实时更新，对建立语料数据库进行数据处理，对数据处理后的词语进行识别分析，对识别过后的词语进行近义词辨析，对辨析结果进行统计。该基于语料库的近义词辨析方法依靠互联网为数据来源并且依靠计算机辅助工具为使用方式，可以对近义词同时进行定性和定量辨析，从而能够使得近义词辨析精度提高，便于研究员和学者对近义词辨析进行深度研究和学习。

摘要： 本申请实施例提供的一种基于特定语料库的提取语料的方法及语料提取器，属于语言技术领域。该方法包括采集用户输入的对话指令，所述对话指令包括文本指令或语音指令；验证所述对话指令是否满足第一预设规则；若是，编码所述对话指令，生成二进制字符串；从所述特定语料库提取出与所述二进制字符串匹配的至少两个目标语料，其中，所述特定语料库为预先建立的；基于所述至少两个目标语料生成回答信息，所述回答信息以语音、文本和/或表情在所述机器人上进行显示。

摘要： 本发明属于主题建模技术领域，具体涉及一种基于元信息的语料库主题分布计算方法。本发明设计了文档和词汇元信息的TWLLDA主题模型，克服了现有技术中模型结构复杂、非共轭、信息获取渠道单一等缺点。本发明将元信息转化为文档和单词的标签信息，标签信息独立于模型本身使得具有相似标签的文档具有相似的狄利克雷先验向量，相似标签的单词在主题上也有相似的分布权重；本发明提出有效的闭合的吉布斯采样方法，完成TWLLDA的推理；以困惑度和主题一致性为评价指标进行多组实验。实验表明相比于LDA等模型，基于元信息的TWLLDA模型在相同条件下表现得更为优秀。

摘要： 本申请实施例提供的一种基于目标语料库的语料输出方法及厨房设备，属于语言技术领域。本申请提供的厨房设备可以根据不同用户类型，例如，不同年龄段的用户以不同时间节点输出目标语料，以使得用户便于接收目标语料，有效提高语料输出利用率，进一步提高用户体验。其次，本申请还可以避免用户误操作厨房设备，而触发语料输出，有效提高使用效率，以及提高厨房设备的智能化，使得厨房设备更加适合用户使用。