语料库语言学

摘要： 写作是英语交流不可或缺的关键能力,也是英语教学必不可少的重要内容。针对大学生英语写作容易在选词、语法等方面出现错误,以及母语负迁移问题,在分析问题产生原因的基础上,结合语料库语言学、认知心理学等相关理论,探索程式语在大学英语写作教学中的应用。通过教学材料中程式语的提取、课本中程式语的使用情况分析、命题作文写作中程式语的使用指导等环节,帮助学生快速积累程式语,为提高大学生英语写作的正确性、流利性,提供了有益参考。

摘要： 本文以 British National Corpu(s BNC)为研究语料库,借助在线语料库平台 Sketch Engine,研究英语近义词 recommend 与 suggest 在使用频数和词语搭配上的差异。研究发现,recommend 的整体使用频数远远小于 suggest,且他们所搭配的主语、宾语、修饰语也有明显差异。研究的发现对英语近义词学习有一定的启示意义。

摘要： 笔者采用文献计量法与内容分析法,对国内公开发表的与计量语言学相关的期刊文献进行统计和分析,梳理了计量语言学在我国的发展路径及研究现状,进而总结出该领域的研究热点,并对其未来的发展趋势进行展望。最后,笔者将计量语言学与语料库语言学进行对比,以期对计量语言学研究方法进行全面的阐述。

摘要： 李白是中国知名度最高、地位最高的诗人之一,其诗歌是唐诗艺术高峰的代表,也是中国文化在海外被接受的典范。因此,本研究选取孙大雨和许渊冲《蜀道难》英译自建研究语料库,借助Stanford Parser分词软件、Wordless和UAM Corpus Tool这两个语料库分析软件,从词汇、句法和语篇这三个层面对《蜀道难》两种英译进行分析。研究发现:在词汇层面,许译的类符形符比、词汇密度大于孙译,许译的词汇丰富程度更高,承载的信息更加丰富,两译本中虚词的数量均大于实词。在句子层面,平均句长、标准差、方差这三个维度均表明许译句长更平稳;两译本中并列结构均使用较多,均使用了指称衔接的手段。在语篇层面,孙译的阅读难度大于许译。基于上述研究,作者给出三点建议:重视诗歌翻译、研究目标受众特点、拓展传播渠道。因此,本研究通过梳理《蜀道难》英译的词汇、句法和语篇三个方面的特征,以期让海外读者更好地感受中国文学的魅力,增进对中华文化的了解,也为研究其他诗歌提供范式,有利于推动中国古典诗歌进入另一个巅峰。

摘要： 近义词词义辨析一直是英语教学中的重难点之一,本研究以近义词“reject”和“decline”为例,通过检索它们在英国当代语料库BNC中的使用情况,从词义、搭配、类联接、语义韵等层面分析探讨它们的差异和实际使用,并以此说明语料库检索工具在近义词辨析中的重要辅助作用,同时对英语词汇教学和英语习得提出建议。

摘要： 以动态系统理论为视角,结合中介语对比分析法,探究中国英语专业学习者议论文语篇中模糊限制语的使用情况。研究中选取《中国学生英语口笔语语料库》(2.0版)中的议论文语料和鲁汶英语本族语议论文语料,并根据程度变动型、范围变动型、直接缓和型和间接缓和型对模糊限制语进行分类,对不同水平学习者的模糊限制语输出进行分析。研究发现,中国英语专业学生议论文中模糊限制语的使用存在少用、滥用和类型单一的问题;模糊限制语的习得过程呈现非直线型上升;高水平学习者在某些词语使用方面更接近本族语者。

摘要： 本研究选自中国官方网站上发布的、以“人类卫生健康共同体”为主题的24篇新闻报道作为研究对象,自建小型语料库,从评价理论态度子系统出发,借助语料库分析工具,对“人类卫生健康共同体”话语中的评价资源进行分析,探究“人类卫生健康共同体”新闻话语中态度资源的使用及其所传递的话语意义。“人类卫生健康共同体”的语篇中较多使用判断和鉴赏资源实现评价意义的表达,且这些态度资源多呈现积极意义,营造了一个和谐的话语环境,构建了一个对人民生命安全负责、坚持正义友善、推动社会进步和经济发展的大国形象,彰显了推动构建人类卫生健康共同体的重要价值和意义。

摘要： 儿童语用发展研究强调语境在儿童语用发展过程中的重要作用。进入21世纪,儿童语用发展的相关研究逐渐被各国语言学家、教育学家及心理学家等多个领域的专家所重视。然而,该领域的研究尚未在汉语语境下进行验证。近几年,随着语料库语言学的发展,儿童语用发展的实证研究也在不断开展,并出现了一些研究成果。

摘要： 本文运用语料库语言学的方法,选取《宋词三百首》中六首李清照词的英译本为语料,自建语料库比较分析了中国译者许渊冲、曾培慈和西方译者王红公的三种不同英译本。利用语料库语言学检索软件Antwordprofiler1.200w和在线文本分析软件Textalyser从类符形符比、词汇密度、平均词长、平均句长等一些基本数据进行统计和量化分析。通过定量和定性研究相结合,从而对译者风格和翻译策略进行有效的对比研究。

摘要： CLiC在线语料库是英国伯明翰大学Michaela Mahlberg及其团队设计研发的集英国文学语料库和语料检索功能于一体的免费在线语料库资源,利用该资源可以大大提高英国文学教学以及文体学和文学翻译研究的效率,值得在英语教学研究中进行推广。本文主要介绍CLiC在线语料库资源的主要内容及其检索、主题词、词簇、自定义标注和文本分类五大功能,并举例说明如何利用CLiC在线语料库资源开展英国文学教学、文体学和文学翻译研究。

摘要： 随着信息技术的不断提升、互联网的普及，汉语自然语言处理的难题不断得到解决，汉语语料库的发展和语料库语言学的应用也面临着新的契机。如何持续充分应用庞大的多种语料库，并协同与配合语言学和人文、社会科学多个领域，来追踪了解各种语言现象及其背后的社会文化深层含义，是语料库语言学可以承担的新任务。 LIVAC汉语共时语料库持续处理和分析泛华语七个地区十七年四亿字的语料，可真正起到“时间锦囊”的作用，为紧密追踪、科学观察泛华地区语言现象及有关社会文化演变，提供了坚实的基础和科学依据。该文介绍LIVAC如何由汉语“共时语料库”演变为“追踪语料库”。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 语料库作为自然语言处理及语言学其他分支学科的研究和实验对象,越来越受到重视。其实从揭示语言规律的角度看,语料一直受到研究者的重视。随着计算机技术的发展与普及,获得并处理海量的语料已经变得简单容易了,语料库已经成为一种常规的工具。黄曾阳先生曾经形象地将语料库比喻为农业时代的耕地和工业时代的工厂。从语料库建设角度看,语料库的规模,静态或动态,平衡等方面无疑是重要的影响因素。然而从研究的角度讲,语料库所扮演的角色,所起的作用则更为重要。从语言研究的角度看,语料库经常被用来寻找和收集微观的语言现象,以语料库作为语言规律描写的起点,目前在词典编纂方面取得很好的结果。而自然语言处理,需要使用语料库获取语言处理所需的知识,经常采取以统计为基础的处理方法,语料是统计的对象。语料库到底为我们提供什么样的知识? 自然语言处理是一个跨文理工学科的研究领域,它不仅需要有研究和实验的对象,更需要有理性的假设,以及对假设的验证与完善。基于这种认识,HNC认为语料库应当定位于：自然语言空间内各种现象的分布数据,辅助人激活概念联想脉络,理论及技术的验证。

摘要： 确定搭配候选的观察窗口是词语搭配自动抽取工作的基础。该文首先在大规模汉语语料中统计了名词、动词、形容词的搭配词语的分布情况，得出抽取这三类词搭配词语的最佳观察窗口。然后，进行了搭配自动抽取的对比实验，结果表明利用搭配词语的分布特征可以显著提高自动抽取的准确率和召回率。最后，该文得出两点结论：（1）搭配的分布与具体语言相关：（2）搭配的分布与其中的词类和语法关系相关。

摘要： 确定搭配候选的观察窗口是词语搭配自动抽取工作的基础。该文首先在大规模汉语语料中统计了名词、动词、形容词的搭配词语的分布情况，得出抽取这三类词搭配词语的最佳观察窗口。然后，进行了搭配自动抽取的对比实验，结果表明利用搭配词语的分布特征可以显著提高自动抽取的准确率和召回率。最后，该文得出两点结论：（1）搭配的分布与具体语言相关：（2）搭配的分布与其中的词类和语法关系相关。

摘要： 确定搭配候选的观察窗口是词语搭配自动抽取工作的基础。该文首先在大规模汉语语料中统计了名词、动词、形容词的搭配词语的分布情况，得出抽取这三类词搭配词语的最佳观察窗口。然后，进行了搭配自动抽取的对比实验，结果表明利用搭配词语的分布特征可以显著提高自动抽取的准确率和召回率。最后，该文得出两点结论：（1）搭配的分布与具体语言相关：（2）搭配的分布与其中的词类和语法关系相关。

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： 本发明涉及一种低资源语言问答语料库生成方法，该方法包括以下步骤：采用生成对抗网络生成问答语料库，通过最大似然估计对随机问句序列进行初始化，然后送入生成器准循环神经网络中产生问题，同时优化强化学习中蒙特卡洛搜索加速模型迭代速度，最后使用语言模型对产生的问题进行语法优化，使得问题更加准确、自然。本发明通过优化生成对抗网络模型，自动地构建出大规模的低资源语言问答语料库，为进一步开展低资源语言问答系统研究提供了支撑；并通过对生成对抗网络模型进行优化，通过使用准循环神经网络模型作为生成器的基本单元，以及优化蒙特卡罗搜索算法降低模型的收敛时间。

摘要： 本发明涉及一种基于图片构建资源稀缺语言可比语料库的方法及系统，该方法包括：S110，下载资源稀缺语言的网页，并作为资源稀缺语言文本，所述网页包括文本中的图片；S120，搜索包含资源稀缺语言文本相同或相似图片的资源丰富语言的网页，作为资源丰富语言文本；S130，对资源稀缺语言和资源丰富语言的网页进行特征提取；S140，基于所述特征计算具有相同或相似图片的资源稀缺语言和资源丰富语言网页的相似度值；S150，选取相似度值最高的资源丰富语言文本作为资源稀缺语言文本的可比文本；S160，重复S120‑S150，直至所有资源稀缺语言网页找到资源丰富语言的可比文本。本发明不受资源稀缺语言信息处理技术以及资源的限制，可以较低成本、快速构建资源稀缺语言的跨语言可比语料库。

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： 本发明涉及一种基于多语言平行语料库的医学术语提取方法及系统，包括：对医学知识数据中的所有句子进行语义相似度计算，得到平行语料；对每一平行语料的空缺语言进行翻译后将所有类型语言的句子构建为多语言平行语料库；对各平行语料中的句子进行分词，提取医学术语并结合对应的术语类型对所有句子进行编码标注，得到每一句子的编码序列并结合对应的句子训练神经网络模型，根据训练后的神经网络识别待识别的医学文本，得到待识别的医学文本的编码序列；根据待识别的医学文本的编码序列确定所述待识别的医学文本中的医学术语和对应术语类型。通过多语言平行语料库和对应语言的医生术语训练神经网络模型，从而准确的提取更多语言类型的医学术语。

摘要： 本发明公开的属于人机交互技术领域，具体为一种基于语料库的自然语言处理对话交流的人机交互系统，包括控制器、语音采集模块、语音信号转换模块、数据储存模块、语意分析模块和语音播报模块，所述控制器与语音采集模块、语音信号转换模块、数据储存模块、语意分析模块和语音播报模块连接，所述数据储存模块内设置有语料库模块，所述语音采集模块连接有噪声去除模块，所述语音采集模块用于采集语音信息，所述噪声去除模块用于将语音采集模块采集的语音信息进行处理，本发明基于语料库模块中的语料数据进行语音人机交互，将语料库模块中的语料数据与处理后的使用者的数字语音信息进行分析对比，确定其含义，提高语音识别的准确性。

摘要： 本发明公开了一种基于语言模型的年报语料库构建方法，具体步骤为：步骤1、通过网络爬取进行数据收集，并使用PDFBox进行数据提取；步骤2、利用正则表达式进行目录提取；步骤3、运用语言模型进行数据分析；步骤4、进行模型训练并建立语料库，本发明涉及语料库构技术领域。该基于语言模型的年报语料库构建方法，解决了一般的规则对种类繁多、各式各样的标题适应性很差，需要人为不断修改规则进行改良，加上财务报告中含有众多表格，从中产生了许多干扰项，对机器自动识别造成阻碍的问题。

摘要： 本发明涉及一种低资源语言问答语料库生成方法，该方法包括以下步骤：采用生成对抗网络生成问答语料库，通过最大似然估计对随机问句序列进行初始化，然后送入生成器准循环神经网络中产生问题，同时优化强化学习中蒙特卡洛搜索加速模型迭代速度，最后使用语言模型对产生的问题进行语法优化，使得问题更加准确、自然。本发明通过优化生成对抗网络模型，自动地构建出大规模的低资源语言问答语料库，为进一步开展低资源语言问答系统研究提供了支撑；并通过对生成对抗网络模型进行优化，通过使用准循环神经网络模型作为生成器的基本单元，以及优化蒙特卡罗搜索算法降低模型的收敛时间。

摘要： 本发明公开的语篇的语料库语言学自动分析系统，语篇自动分析系统包括记录有本资料库数据信息的数据库的数据储存及控制系统、以及右板、左板、隔层板组成的资料架，所述右板与所述左板的上端固定设置有遮灰板，所述资料架上连接有信号接收器并通过所述信号接收器、所述资料架受所述数据储存及控制系统的控制，左右放置的所述左板与所述右板之间固定设置有隔层板，所述隔层板前侧且位于所述左板与所述右板之间可转动的设置有驱动转轴，所述驱动转轴与所述左板及所述右板之间转动连接且可拆卸设置，本例旨在设计一种能够通过某一准确或模糊的语篇对内部数据库进行搜索并最终对其实体资料所在位置进行标记、以实现精准寻找某一资料的自动分析系统。