语料的采集与整理.ppt
《语料的采集与整理.ppt》由会员分享,可在线阅读,更多相关《语料的采集与整理.ppt(14页珍藏版)》请在咨信网上搜索。
1、语料的采集与整理语料的采集与整理中国外语教育研究中心 梁茂成1.主要内容主要内容什么是语料库?科学取样平衡问题几个常见问题语料的整理2.什么是语料库什么是语料库corpus(pl.corpora)指经过科学取样和加工的电子文本库。借助计算机分析工具,研究者可开展相关的语言理论及应用研究。3.什么是语料库什么是语料库语料库是数据数据不等于事实事实是偶发的数据是收集而来的对数据而言,量很重要数据是用来代表整体的分析数据所得到的结论可以推及整体4.科学取样科学取样随机取样Random sampling5.科学取样科学取样系统抽样Systematic sampling6.科学取样科学取样分层抽样Pop
2、ulationSampleProportional allocation Even allocation 18-2930-4950-6465+SampleStratified sampling7.平衡问题平衡问题语料库中各类文本的所占比例与语言的实际使用情况基本相当。8.平衡问题平衡问题9.几个常见问题几个常见问题建设学习者语料库时,学习者所犯的语言错误是否需要纠正?建设学习者语料库时,男女比例失调怎么办?建设新闻语料库时,人民日报等报纸有现成的电子文本,很方便收集。可否直接全部收录?10.几个常见问题几个常见问题建设“迷惘的一代”作家语料库,这个有意义吗?这样的语料库有什么用途?语料库的容量如何测量?应该有多大?网络语料库建设中应该注意什么?11.语料的整理语料的整理整理的目的我们喜欢我们喜欢 .12.语料的整理语料的整理语料整理的几个主要方面:段落相关(回车符等)问题;空格相关问题;字符相关问题。13.谢谢谢谢14.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 语料 采集 整理
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【天****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【天****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。