语料库建设

摘要： 本文通过借鉴参与式发展理论,对参与式建设语料库的定义进行界定,并对其与传统语料库建设的区别进行阐释,以构建参与式建设语料库体系为例,分析了图书馆在各参与主体中的地位,指出图书馆在参与式建设土家语语料库中应该发挥激活土家语、收集活态语料、长期保存等六大作用。

摘要： 随着大数据技术的广泛应用、语料库资源不断丰富、语言学研究深入发展,传统的语言学习模式也正在发生改变,语言学习信息化平台兴起,但是随之而来的数据安全问题也在逐渐暴露。本文将语言学习平台的语料库数据作为研究主体,从大数据带来的隐私安全挑战方面入手,分析语料库建设、内容来源以及使用过程中存在的数据安全隐患问题,结合语料库建设过程中语料的采集和语料的标注过程中涉及的数据进行详细阐述。

摘要： 作为生态旅游城市,近年来赴商洛的国外游客愈来愈多.当前商洛各旅游景区的公示语翻译普遍存在拼写错误、选词错误、语法错误及中式英语、语体及感情色彩不当等现象,影响了游客的旅游体验.对此,需要积极构建商洛旅游景区公示语翻译语料库,在综合考虑游客因素的基础上选择准确的翻译,并对其进行适当的修饰美化.

摘要： 建设旅游景区双语语料库对旅游外宣文本翻译的统一规范和质量保障有重要意义,是提高旅游外宣文本翻译准确性、规范化和国际化程度的重要手段.文章阐述关于广州旅游景区双语语料库创建的目的及设计理念,探讨语料库创建的过程和具体内容,阐述语料的选择、语料图片的数字化、除噪、分词与标注、对齐和语料的检索等的操作步骤及操作方案,主要聚焦语料库的创建理念与过程,借此为同类旅游景区双语语料库创建提供借鉴与启示.

摘要： 为了改变语码转换研究中重理论少实例的现状,本文以语料库语言学为基础,提出了语码转换语料库的创建理念,从收集整理语料、建立系统分类,加强语料标注、开发检索工具,开发两个版本、维护文本版权三个方面阐释了语码转换语料库建设的可行性构想,以期把语料库的思维带入语码转换的研究中,为二者提供全新的发展空间。

摘要： 建设旅游景区双语语料库对旅游外宣文本翻译的统一规范和质量保障有重要意义,是提高旅游外宣文本翻译准确性、规范化和国际化程度的重要手段。文章阐述关于广州旅游景区双语语料库创建的目的及设计理念,探讨语料库创建的过程和具体内容,阐述语料的选择、语料图片的数字化、除噪、分词与标注、对齐和语料的检索等的操作步骤及操作方案,主要聚焦语料库的创建理念与过程,借此为同类旅游景区双语语料库创建提供借鉴与启示。

摘要： 人工智能作为科学技术的一次飞跃性发展,将其正确地运用到翻译中能够提高翻译的效率和质量,人工智能的各种技术支持能够为翻译过程提供便利.文章以2000—2020年发表于CNKI上的关于语料库建设的文章为研究对象,从金融专业领域与语料库两个角度对国内的研究现状进行综述,并对今后国内金融领域的语料库建设的研究进行了展望.

摘要： 国内汉语中介语语料库的建设和研究迄今已25年,从一开始的"粗放模式"到现在的"集约模式",由注重语料规模到注重语料库质量,语料库建设得到了长足发展.目前,国内建设的语料库大部分是书面语语料库,口语语料库的建设存在语料难以收集、难以转写等问题.而口语语料库能更加清晰地体现学习者的学习情况变化,因此,应该加大对口语语料库的建设,加大对分词转写等软件的开发和利用.

摘要： MathDEAP语料库是北京外国语大学中国外语与教育研究中心DEAP(Database of English for Academic Purpose)学术英语语料库的子库之一。本文从文本采集原则和语料整理操作环节介绍语料库的建设情况,并探讨MathDEAP语料库在数学学术英语教学与研究领域的应用前景。

摘要： 近年来,汉语中介语语料库建设渐成高潮,迎来一个蓬勃发展的重要时期,呈现出一些新的特点.同时,语料库建设中还存在着诸多问题,尚不能满足教学与研究的多方面需求.汉语中介语语料库建设面临新的任务:调查研究,明确发展方向;加强语料库建设的本体研究,明确建设标准,规范建设过程;加大力度,进一步推进语料库的建设与发展.相应的对策是:通过"全球汉语中介语语料库建设和研究"课题的实施,建设一个最好、最大的语料库,并实现最充分的资源共享,全心全意地为全世界的汉语教学与研究服务.本课题的建设与研究方式是汉语中介语语料库建设的一个创举-与海内外汉语学界精诚合作，共襄盛举。语料来自世界各国的汉语教学单位，语料库建成后为全球的汉语教学与研究服务。这种建库方式必将极大地促进海内外汉语学界的学术交流、相互理解与合作，推动汉语国际教育事业的深化与拓展。

摘要： 中介语是指在第二语言习得过程中，学习者通过一定的学习策略，在目的语输入的基础上所形成的一种既不同于其第一语言也不同于目的语，随着学习的进展向目的语逐渐过渡的动态语言系统。发言者介绍了"HSK动态作文语料库"自从放在网上供大家免费使用之后获得了广泛关注和使用，该语料库为大家提供了一个完全的访问使用权，希望大家为提供语料，然后由的工作组对语料进行深度加工，会改善的搜索工具，使语料库更加好用。还介绍了最近申请到了一个教育部社科基金的重大攻关项目-"全球汉语中介语语料库建设和研究"的建设项目。

摘要： 由北京语言大学主办、南京师范大学协办的"第二届汉语中介语语料库建设与应用国际学术讨论会"成功召开，发言者指出量化研究是本学科的基本研究方法，是本学科研究成果具有信服力的保证。中介语语料库已经成为不可或缺的研究材料。中介语语料库的建设在汉语第二语言学科建设中也越来越显示出其不可替代的作用。发言者还介绍了中文教学现代化学会。以及"北京大学汉语口语自动化考试"项目的研发情况。

摘要： 本次讨论会将进一步推动汉语中介语的研究.外语的学习是从母语过渡到目的语的过程。这好像过河一样，河的这边是母语，河的对岸是目的语，那么中介语就是存在于此岸到彼岸之间的。建设中介语语料库就是研究这些问题的有效途径。在中介语语料库建设方面，事先没有考虑好目的和用途的话，可能做了之后很多是不好用或不能用的。所以事先要考虑得比较周到。语料库建设这方面也要研究很多要素。还有应用方面，也得考虑很多要素。平时要描写外国人的汉语水平怎么样怎么样的话，比如，说澳大利亚的大卫他说的汉语没有一点儿中介语，这话是有很大问题的。因为他说的语言本身就是中介语，中介语里本就有水平高低的区别，因为这是动态的。但是说没有一点中介语，好像大家都觉得没什么问题。还有研究中介语的人关注错误，其实错误往往说成偏误。偏误是要通过统计算出来，要有一定的定量分析基础才能说的。但是，凡是看到一个错误就称为偏误，这种应用方面的研究如果是基于这种错误的认识的话，那结果也是不能相信的。因此在应用方面的研究中态度十分重要。

摘要： 第二届汉语中介语语料库建设与应用国际学术讨论会在北京语言大学隆重举行.发言者指出汉语教学发展到今天,迫切需要建设完备的汉语中介语语料库,而且要充分利用这语料库来进一步改进汉语教材,革新汉语教学方法,提高汉语教学的质量.汉语中介语语料库的建设与应用,有助于客观了解汉语第二语言学习者的汉语习得表现和发展过程,有助于深入揭示学习者汉语习得的内部规律和机制,而这是进一步改进汉语教材、革新汉语教学方法、提高汉语教学质量所依赖的基础.因此汉语中介语语料库的建设与应用,对推进汉语教学,对推动汉语教学的本体研究,对让汉语健康、稳步地走向世界,对汉语的本体研究,都具有重要的作用和意义.

摘要： 汉语中介语语料库的研究已经在国家社会科学基金项目中得到重视,发言者介绍了汉语中介语语料库建设与应用有两个重要的特色。首先汉语中介语语料库建设与应用是一种跨语言的研究。汉语中介语语料库要研究不同语言背景的学生学习汉语的特点，这就要求研究者不仅要懂得汉语，还要懂得其他语言，有了其他语言作为研究的参照系，有助于加深对汉语的认识。另外汉语中介语语料库建设与应用是一种跨学科的研究。汉语中介语语料库建设与应用要使用计算机技术和语料库语言学的技术，具有明显的跨学科特色。本次会议重点研讨的汉语中介语口语语料库与多模态语料库的建设研究、汉语中介语语料库的标注研究、汉语中介语语料库的语料检索与呈现研究，都具有这样的跨学科特点。

摘要： 目前在建设汉语口语中介语语料库时,主要的语料收集方式有以下几种:以标准化考试语料为来源、以口语评测语料为来源、以课堂录音录像为来源.本文对当前口语中介语语料库的语料收集方式进行了总结和评论,在此基础上对口语中介语语料收集及口语中介语语料库建设提出一些建议.认为,为了全面了解学习者口语的发展,应对不同阶段学习者的口语表达进行系统的收集,同时尽量做到语料形式的统一,以利于比较研究.在语料收集过程中,除了可以利用口语课评测以及标准化考试收集的语料以外,学习者在课堂上的学习和练习材料也可以作为补充.但归根结底应该系统收集学习者在课堂之外实际使用汉语进行交际的语料,作为考查学习者口语发展的重要语料。

摘要： 本文采用定量研究的方法,通过分析2004-2013年发表在《当代语言学》、《世界汉语教学》、《语言教学与研究》、《语言科学》、《语言文字应用》、《汉语学习》、《中文信息学报》七类期刊中与汉语语料库相关的论文,以语料库的类型及语料库的建设加工为脉络,梳理了汉语语料库近十年的发展与研究现状,以期为将来语料库的开发、建设及应用研究提供参考信息.

摘要： 自20世纪90年代比利时学者Sylviane Granger建置学习者语料库以来,借助大规模数字化语料,由量化和质化的观点,了解并描述学习者二语能力发展历程及使用第二语言的特征,不仅是二语习得研究的重要课题,同时对于语言相关的各个领域,从外语教学到词典编纂,乃至于二语能力测验也都有着无可取代的价值.有鉴于此,本文介绍了在汉语中介语语料库建设中关于口语语料库、学习者语料库和语料标记等方面的问题，并说明了自台师大国语中心收集自2008年起华语能力测验(TOCFL考试)考生的音档,自2011年起着手转写建置.由于台师大学生来源广泛,因此第一阶段仅挑选母语为英、日、韩三种语言的考生档案进行转写.迄今已完成约450名受试者、2700个音档的转写工作,且转写工作仍在持续进行中.语料虽然仍处于初步建置阶段,但相关应用已证明语料库确然有助于了解学习者的语言使用.展望未来,希望在语料标记处理后,能供更多不同层面的研究之用,相信必能为华语教学的相关领域带来更广阔的视野。

摘要： 本文首先对汉语中介语发展综合测度指标及语料库建设现状进行了回顾和分析.在此基础上,从流利性、准确性、复杂性和多样性四个维度,针对汉语的特点,从语法、词汇、汉字和语音等多个层面提出了汉语中介语发展的综合测度指标,并从外国学生汉语纵向发展语料的收集和转写、综合测度指标的选择、语料的标注等方面探讨了汉语中介语发展语料库的建设问题.

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： 一种用于生成领域特异性训练集的方法(100)，包括：生成(130)包括多个标记化文档的通用语料库，包括：(i)解析(132)从所述通用语料库中检索的文档；(ii)预处理(134)经解析的文档；(iii)对经预处理的文档进行标记化(136)；并且(iv)将所述标记化文档存储(138)在所述通用语料库中；生成(140)标记化条目的本体数据库，包括：(i)解析(142)从本体中检索的本体条目；(ii)预处理(144)经解析的条目；(iii)对经预处理的条目进行标记化(146)；并且(iv)将所述标记化条目存储(148)在所述本体数据库中；使用来自所述本体数据库的领域特异性标记化条目来查询(150)所述通用语料库中的所述标记化文档；基于所述查询来识别(160)特异于该领域的多个标记化文档；并且将识别出的标记化文档存储(170)在训练集数据库中，作为特异于所述领域的训练集。

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。

摘要： 本申请实施例提供的基于机器人自主收集语料并创建共享语料库的方法和装置，属于机器人技术领域。本申请中的机器人可以在执行操作的同时还可以对不同操作的操作信息进行分类提取，并且通过将分类提取的语料进行分类存储，以提高不同类型的操作信息对应的语料的独立性以及单一性，避免多个操作信息之间的语料混乱。以及还可以将语料库共享给其他机器人，使得其他机器人无需再创建相同语料的语料库。进而节约了人力成本，降低了机器人的配置成本，使得机器人的语料库配置时间极大的缩短。

摘要： 本发明公开了一种提升人机交互对话语料质量与多样性的对话语料库生成方法。本方法为：1)对所选对话语料进行同义句扩展，形成一候选集合；2)对该候选集合中的每一对话语料进行异常检测，得到各对话语料的异常值；3)将异常值低于设定打分阈值的对话语料保存到提升后的对话语料库中；4)对异常值高于或等于该打分阈值的对话语料进行语义分析：如果是错误的对话数据，则直接丢弃；如果是多样性的对话数据，则执行步骤5)；否则将当前对话语料保存到提升后的对话语料库中；5)将判定为多样性的对话数据重新作为输入，执行步骤1～4)直到达到暂停条件，停止迭代。本发明实现了对原始对话语料进行质量的控制和多样性的扩充。

摘要： 本实用新型公开了一种基于英语口语语料库的练习训练语料仪，包括盒体，所述盒体的一端对称设置有固定块，且盒体远离固定块的一端铰接有盒盖，所述盒体内部的底端均匀设置有减震弹簧，且减震弹簧的顶部设置有载板，所述载板顶部远离盒盖的一端铰接有英语学习机主体，且英语学习机主体靠近盒盖一端的两侧皆设置有限位环，所述限位环的内部之间设置有转杆，且转杆上设置有连接杆，所述连接杆的顶部与盒盖的内侧铰接。本实用新型安装有载板，并在载板的顶部铰接有英语学习机主体，通过在板底部的减震弹簧，使得装置能够在摔落过程中对英语学习机主体进行减震，降低英语学习机主体受到的损害，提高了装置的使用寿命。

摘要： 本实用新型提供一种基于俄语语料库的练习训练语料仪，包括外壳，外壳的内部设置有主板和储存模块以及扬声器，外壳的顶部固定连接有固定槽，固定槽的内壁卡接有触控笔，外壳的正面开设有通孔，外壳的正中位置安装有触摸式显示屏，触摸式显示屏的正上方安装有指示灯，触摸式显示屏的正下方安装有开关，外壳的侧面分别开设有耳机接孔、话筒接孔和USB接口以及螺孔，螺孔的内壁螺纹连接有挂钩，挂钩的尾端设置有弯钩，本实用新型解决了在乘坐公交车的时候不论是站着还是坐着都需要有一只手将身体扶稳，防止急刹车等情况时碰伤自己或他人，另一只手即要拿稳俄语语料仪，又要对语料仪进行各种操作，很不方便的问题。

摘要： 本发明公开税务行业词语切分与词性标注语料库的建设方法及系统，涉及语料库建设技术领域；具体步骤为：S1：制定关于税务行业现代汉语语料库加工、词语切分与词性标注的规范，S2：生成初版税务领域词典，S3：利用涉及税务语料的通用语料库中学习通用词法分析模型，S4：构建基于CRF序列标注的词语切分与词性标注模型，S5：生成初步切分及标注语料库，S6：生成税务行业领域语料库，S7：基于税务行业领域语料库提取出税务行业领域词典，S8：在税务行业领域语料库上学习领域词法分析模型，S9：封装通用词法分析模型及领域词法分析模型相应的分析器。