语料库 入门
• “快速导航”翻译成“fast guide” 对不对？ • 上海世博会英文网站
• 在口头表达、写作或翻译中如何确定某些用 法是地道的？ • 学习者一般要有多大词汇量才能读懂英文报 纸？ • 哪些是商务英语中最常用的单词和短语? • 某种考试中，哪些单词、词组或其他语言现 象出现的频率特别高？ • 如何通过量化统计来分析文学作品的写作风 格？
语料库语言学常用术语
• Concordance索引（又称“语境中的关键词， Key Word In Context, KWIC”） 指的是运用索引软件在语料库中查询某词 或短语的使用实例，然后将所有符合条件 的语言使用实例及其语境以清单的形式列 出 AntConc、WordSmith Tools等检索软件
熟 语 语 料 库
语料库语言学常用术语
• Types of corpora
• General corpus通用语料库 • Annotated标注 corpus: a corpus enhanced with various types of linguistic information (or tagged corpus). An annotated corpus may be considered to be a repository of linguistic information, because the information which was implicit in the plain text has been made explicit through concrete annotation (“added value附加值”).
• 语料库的方法基于真实的语言使用 情况，事实胜于雄辩
• 我们通过对语料库的检索结果进行分析，可 以找到很多问题的答案，例如： • “学知识”在英语中是“study knowledge” 吗？ • “快速导航”翻译成“fast guide”对不对？ • “只为点滴幸福”这句广告语，对应的英文 翻译是“Little happiness matters.”吗？ • 为何“The bad weather set in on Monday.” 是正确的，但“The good weather set in on Monday.”却是错误的？
语料库
按用途
按时效性
按语体
按语种
按是否 母语
按是否 被标注
通 用 语 料 库
专 用 语 料 库
共 时 语 料 库
历 时 语 料 库
书 面 语 语 料 库
口 语 语 料 库
单 语 语 料 库
双 语 / 平 行 语 料 库
多 语 语 料 库
母 语 语 料 库
外 语 学 习 者 语 料 库
生 语 语 料 库
热烈欢迎来自全国各地的老师们！
语料库入门
Outline
• 1. 基本概念 • 2. 著名网络语料库 • 3. 常用软件
Corpus(语料库，尸体): (pl. corpora or corpuses): a collection of text, now usually in machinereadable form and compiled to be representative of a particular kind of language and often provided with some kind of annotation（标注）. 按照一定的采样标准采集而来的、 能代表一种语言或者某语言的一种 变体或文类的电子文本集。
语料库语言学常用术语
• Monolingual单语 corpus: a corpus which contains texts in a single language. • Multilingual多语 corpus: a corpus which represents small collections of individual monolingual corpora (or subcorpora) in the sense that they use the same or similar sampling procedures and categories for each language but contain completely different texts in those several languages. • Parallel平行 (aligned) corpus: a multilingual corpus where texts in one language and their translations into other languages are aligned, sentence by sentence, preferably phrase by phrase.
著名语料库
BNC (British National Corpus) 英国国家语 料库 COCA (Corpus of Contemporary American English) 美国当代英语语料库 CLEC 中国英语学习者语料库 桂诗春、杨惠中
• /coca/
何谓语料库检索
Concordancers are developed to produce concordance lines of a specific string of text.
Wordsmith Tools
AntConc
Many others
语义韵semantic prosody
• The sentence "Rose is a rose is a rose is a rose." was written by Gertrude Stein as part of the 1913 poem Sacred Emily .
语料库语言学常用术语 • type/token ratio（TTR）类符/形符比， 形次比 Rose句的TTR：4/10*100=40 TTR是衡量文本中词汇密度的常用方法。 可辅助说明文本的词汇难度。 但是，文本中有大量功能词（function words,如the、a、of等）反复出现，文 本每增加一个词，形符就会增加一个， 但类符却未必随之增加。这样文本越长， 功能词重复次数越多，TTR会越低。因 此用TTR衡量词汇密度就不合理。
• 当今世界上最大的英语语料库之一——COBUILD语料库的领导者John Sinclair教授是第一个注意到语义韵现象的学者，他通过定位检索发现 happen和set in（发生）常常与“不愉快的事件”（unpleasant events） 联系在一起（Sinclair，1991）。“SET in”（SET大写表示包括该词的各 种变化形式，下同）的主语绝大多数是不愉快的事情，如rot、decay （腐败、腐烂）、ill-will（歹义）、decadence（颓废）、 impoverishment （陷入贫困）、infection（感染）、prejudice（偏见）、 vicious circle（恶性循环）、rigor mortis（僵硬死尸）、numbness（麻 木）、bitterness（痛苦）、mannerism（癖性）、anticlimax（兴奋之后 突然平淡而令人失望的情景）、anarchy（无政府状态）、disillusion、 disillusionment （幻灭）和slump（萧条）等。Sinclair诙谐地称set in长期 与坏蛋（bad company）为伍，其结果是只要SET in一出现，人们就知道 被描写的事情一定是不愉快的。另一方面，由于SET in已经染上了“贬 韵”（imbued with an “unfavourable prosody”），一般来说它便没有资 格在褒扬场合中抛头露面了。 • 假如有人说这样一句话：“Good times set in（好日子临头了）”，那么 讲话人很可能是为了营造某种诙谐或讥讽的效果，否则听话人一定会感 到很别扭（转引自纪玉华等，2000）。
语料库语言学常用术语
• Token形符: an individual word • Type类符: word form. 指不重复计算 的形符数。"I see a cat and a dog" contains seven tokens but only six types (the type 'a' occurs twice).
• Corpus 视频
Corpus Linguistics 语料库语言学
为何要建立语料库？ 为何要用语料库方法研究语言并将其运用 于语言学习？
Example： Start or begin？在口语中哪个 更常用？ 我们的老师经常说Let’s begin！之 类的话，对吗？
• 但有人在BNC等语料库中查到，在 口语中，start更常用。
• 有专门的软件根据词形还原表，自动对文本进行 词形还原。
语料库语言学常用术语
• Keywords 关键词
– Keywords are words whose normalized frequency in one corpus (observed corpus) is significantly higher or lower than that in another comparable corpus (reference corpus). – Positive keywords and negative keywords
• 褒义、贬义 • 例如,通过查询语料库，我们发现cause后面 的名词，多为贬义
• 词汇的语义韵（semantic prosody）类似我们经常说的褒 义、中性和贬义等色彩，大体可分为积极语义韵 （positive prosody）、中性语义韵（neutral prosody）和 消极语义韵（negative prosody）等类型（Stubbs， 1996）。 • 例如汉语中的“广大”不能与含贬义的词搭配，我们不 能说“广大犯罪分子”，只能说“广大人民群众”等。 • 英语中像happen、incur、utterly和commit这样的词会搭 配一些具有显著消极意义的词，而career和provide这样 的词则会搭配一些有显著积极意义的词。这些特殊的节 点词总是习惯性和某一类拥有相同或者相似语义特点的 词语共现，使它们的语义相互影响、相互作用、相互渗 透，在一定的语境内形成一种语义氛围，同时该节点显 示出明显的语义韵特点（张瑜，2009）。我们可以利用 语料库去探索发现单词的语义韵特点。
专业的语料库利用技巧
专业的语料库利用技巧语料库（Corpus）是指收集而成的大规模文本数据库，其中包含了各种语言的实际语言数据。
语料库是语言学研究、自然语言处理以及其他相关领域的重要资源。
在现代信息时代，语料库的利用技巧对于深入理解语言以及提高语言能力至关重要。
本文将介绍一些专业的语料库利用技巧，帮助读者更好地利用语料库进行学习与研究。
一、选择适合的语料库语料库有很多种类，包括通用语料库、专业领域语料库以及特定语言的语料库等。
在利用语料库之前，确保选择适合自己需求的语料库非常重要。
比如，如果你是英语学习者，可以选择通用的英语语料库，如British National Corpus（BNC）或者Corpus of Contemporary American English（COCA）。
如果你是专业翻译或者研究某一领域的学者，可以选择相关专业领域的语料库，如生物医学语料库或金融领域语料库。
二、设定查询限定条件在利用语料库进行查询时，设定合适的查询限定条件可以提高查询的准确性。
比如，设定查询单词的所在位置、所属文本类型、词性等条件，可以帮助你找到更精准的语料示例。
另外，一些语料库还提供强大的高级查询功能，如模糊搜索、正则表达式和语法查询等，这些技巧可以帮助你更好地操纵语料库，找到所需数据。
三、分析语料示例对于查询得到的语料示例，要进行仔细的分析和解读。
首先，注意上下文，观察单词的用法和搭配情况。
其次，关注词组、短语或句式的使用，这些都是丰富自己语言表达的重要资源。
同时，注意语境中的语法结构、语气和修辞手法等，这些都有助于提升自己的语言能力。
四、比较语料示例利用语料库进行比较分析，可以深入探究语言的变化和差异。
比如，可以比较不同时间段、不同地域或不同语言之间的语料示例，找出共同点和差异。
这种比较分析有助于揭示语言的演变规律和文化差异，对于学术研究和翻译工作都非常有价值。
五、利用频率统计语料库可以提供单词、短语、句式等的频率统计数据，帮助我们了解语言的使用规律和常用表达方式。
语料库的分类、创建和检索简述
语料库的分类
语料库的分类
根据不同的标准，语料库可以分为多种类型。常见的语料库类型包括： 1、通用语料库：包含来自不同领域、不同语言的语料，适用于广泛的研究和 应用领域。
语料库的分类
2、专业语料库：针对特定领域或专业构建的语料库，例如医学、法律、金融 等。
3、口语语料库：包含口头语言 材料，如录音、口语表达等。
二、图像分类技术
另外，降维技术也可以用于图像分类。降维技术可以将高维的图像特征降维 到低维的空间，从而使得分类更加简单和高效。常用的降维技术有PCA、t-SNE和 autoencoder等。
三、图像语义检索与分类技术的 研究现状
三、图像语义检索与分类技术的研究现状
近年来，图像语义检索和分类技术的研究取得了显著的进展。在图像语义检 索方面，研究者们提出了多种基于内容、语义相似度和向量空间模型等方法。在 图像分类方面，SVM、神经网络和降维技术等算法的应用取得了重要突破。
一、图像语义检索技术
图像语义检索是指通过自然语言描述或者用户提交的查询关键词，从图像库 中检索出与查询相关的图像。近年来，研究者们提出了多种图像语义检索的方法。
一、图像语义检索技术
基于内容的图像语义检索是通过分析图像的内容，提取出图像的特征，然后 根据这些特征进行检索。例如，可以通过提取图像的颜色、纹理、形状等特征进 行检索。另外，还可以利用深度学习技术，如卷积神经网络（CNN）来提取图像 的特征，提高检索的准确性。
语料库的创建
此外，为了便于语料库的管理和检索，需要构建语料库的索引和词典。索引 可以记录每个单词在语料库中出现的位置和频率，而词典则包含了单词的语义信 息和语法信息等。最后，语料库的创建还需要注意保证数据的安全性和隐私保护。
你绝对要收藏！！日语学习新利器——语料库
你绝对要收藏！！⽇语学习新利器——语料库”语料库“是个啥东东？其实这是⼀个能够帮助语⾔学习者整理词汇⽤法、理清句式结构背单词、写⽂章、做翻译、搞研究的超级神器哦！「语料库」とは语料库，英语名corpus，⽇语名コーパス。
是语料库语⾔学研究的基础资源，也是经验主义语⾔研究⽅法的主要资源。
应⽤于词典编纂，语⾔教学，传统语⾔研究，⾃然语⾔处理中基于统计或实例的研究等⽅⾯。
随着计算机技术和教育资源开始受到关注，各种各样的语料库相继投⼊建设，语料库作为⼀种数字化的学习资源和教育资源开始受到关注。
语料库在外语教学中的应⽤、以外语教学为⽬的的语料库开发与应⽤，已经成为新的重要课题。
从外语教学和学习的⾓度，可以将相关的各种语料库分为以下两⼤类和⼗⼆⼩类：学习资源语料库教育资源语料库本族语料库：青空⽂库、新潮⽂库语料库等课标语料库：来⾃教学⼤纲和课程标准全⽂平⾏语料库：中⽇对译语料库等参照语料库：学习词汇语料库，功能话题库等⽹络语料库：筑波⼤学WEB⽇与语料库等测试语料库：各类题库表达语料库：⽐喻表达语料库等教材语料库：中国⽇语教材语料库等⽤例语料库：与⽹络辞典和电⼦辞典挂接课堂语料库：来⾃课堂教学的录⾳录像译例语料库：与⽹络和电⼦翻译软件挂接学习者语料库：KY⼝试语料库等看了上⾯的介绍相信各位⼩伙伴已经对语料库有⼀些⼤概的了解了吧~由于语料库的研发⼗分耗费⼈⼒物⼒所以许多语料库需要购买正版光盘才能使⽤但值得感谢的是为了⼤众充分享受到这些来之不易的资源仍旧有许多开发者在⽹络上⽆偿提供开源版本供⼴⼤学习者使⽤！在此谨向他们致以由衷的感谢❤所以，下⾯终于来到了激动⼈⼼的⼲货时间！⽇语君将列出10个语料库⽹站并详细讲述每个⽹站的特点和⽤法哦~⼲货⼤整理！适合学⽇语的10个数据库⽹站1、寺村误⽤例集——你是否也犯了这些错误这个⽹站是根据寺村秀夫（1990）『外国⼈学習者の⽇本語誤⽤例集』整理⽽成的。
包括中国、韩国、美国等⼏⼗个国家和地区的⽇语学习者在命题作⽂、会话作⽂、听⼒总结、看图写作、短篇作⽂、⾃由作⽂等⽂章中出现的各类错误。
语料库语言学
4. Extraction of multiword units or clusters of items in a text.
Chapter II: Analyzing Corpus Data
Word Lists 词表
定义：根据单词或 词组在语篇中出现 的频率大小而排列 形成的列表。
Lemma：词目，词元 SAY： say, says,said, saying 在ELT中的应用
Historical corpora(历史语料库）: texts from different periods of time, allow for the study of language change when compared with corpora from other periods. Monitor corpora(监控语料库）：focus on current changes in the language. Parallel corpora(平行语料库）：texts in at least two languages that have either been directly translated, or produced in different languages for the same purpose.
Technical: a large collection of written or spoken language ,that is used for studying the language.语料 库，语料汇编
What is corpus linguistics?
• Corpus linguistics :the study of machine-readable spoken and written language samples that have been assembled in a principled way for the purpose of linguistics research. It is concerned with language use in real contexts.
语料库基本知识
.
6
计算语言学
◦ “计算语言学是研究用机器来处理自然语言的学科。它是由信息技
术和语言学交叉而成的”（CuS：1）。SLP没有直接提出计算语言 学的确切定义。SLP的作者在开篇借用了Stanley Kubrick科幻片中 的人物HAL，HAL是一个通晓英语的机器人。作者引入HAL的目 的在于说明，为了构建这样一个可与人通过自然语言进行交流的机 器人，需要哪些知识和技术：语言理解方面有语音识别和自然语言 理解（包括唇读技术），表达方面需要自然语言生成和语音合成， 另外HAL也需要信息检索、信息提取和推理方面的技能。而解决这 些问题一般涉及以下学科：自然语言处理，计算语言学，语音识别 和合成。SLP的作者将这三者合起来称为语音及语言处理，除了以 上HAL所用的这些技能外，SLP也囊括了其他重要的语言处理领域， 如：拼写校正、语法检查和机器翻译。
.
42
语言设定
.
43
.
44
(如逗号、句号等) 包括在内，但这一点有例外，如数字3.1415925 和整数的千分位分隔符(如100，000) 中的逗号等。
为了便于统计，对英语进行分词时通常在以上我们所说的“ 形符” 后加空格，使得他们与文本中的其他形符或符号分离开来。
.
11
类符(type)作为一个统计量，指语料库文本中任何一个独特的词形(word form)。换言之，在一个文本中，重复出现的形符只能记作一个类符。
◦ 都可以对语言学的语音、词汇、句法和语义等层面进行
统计和研究。
.
8
联系： ◦ 统计语言学和计量语言学都是利用统计方法来实现对语言成
分的统计，计量语言学以发现语言成分或语言成分间的数学 规律为目标。而统计语言学以所统计的语言特征在统计学上 显著和不显著为目标。
语料库ppt课件
• 从研究路径上看，基于语料库的译学研究表现为 自上而下和自下而上方法相结合的特征，而语料 库驱动的译学研究主要采用自下而上的方法。
三：什么是语料库翻译学
• 语料库翻译学是指采用语料库方法，在观 察大量翻译事实或翻译现象并进行相关数 据统计的基础上，系统分析翻译本质和翻 译过程的研究。
四：语料库翻译学的发展
• 语料库翻译学的发展相当迅速。许多翻译 语料库、平行语料库和可比语料库先后建 成并投入使用，如：
• 翻译英语语料库（Translation English Corpus）
• 2)提取研究所需的语料和数据，进行数据统计和 分析;（自下而上）
• 3)描写数据所反映的总体特征和趋势，归纳出关 于某一翻译事实或翻译现象的结论;（自下而上）
• 4)解释有关翻译事实的成因。（自下而上）
• 语料库驱动的译学研究所采取的步骤与基于语料 库的译学大体相同，不过没有后者的第一个研究 步骤。
studied both quantitatively and qualitatively
二：语料库的分类
• Specialized corpus • General corpus • Comparable corpus • Parallel corpora • learner corpus • Pedagogical corpus • Historical/diachronic corpus • Monitor corpus
4)定量研究方法的应用
• 定量研究方法是指提取关于研究对象的数据，并 对数据进行检验和分析，以测定关于研究对象特 征的数值或求出因素间量的变化规律，以获取有 意义的结论。
专业的语料库构建方法
专业的语料库构建方法语料库是语言学研究中重要的工具之一，它是指用来收集、储存和研究自然语言的一大批语言材料。
构建一个专业的语料库需要遵循一定的步骤和方法，本文将介绍一些常用的语料库构建方法。
一、语料库的收集与选择语料库的质量对研究结果的准确性和可靠性有重要影响，因此在构建语料库时需要注意收集和选择合适的材料。
一般来说，语料库可以从以下几个途径进行收集：1. 书面语料：可收集包括书籍、期刊、报纸等印刷媒体中的文本资料。
这些书面语料具有标准化、规范化的特点，适用于研究文学、新闻、法律等领域。
2. 口语语料：可通过录音或录像等方式收集口语资料，如面对面的采访、会话记录等。
口语语料更贴近实际语言使用，适用于研究口语交际、语音学等领域。
3. 网络语料：可以利用网络搜索引擎收集互联网上的文本资料。
网络语料丰富多样，涵盖各个领域，但需要注意筛选，排除垃圾信息和重复内容。
二、语料库的清洗与标注语料库收集完毕后，需要进行数据清洗和标注，以提高数据质量和可利用性。
1. 数据清洗：清洗过程包括去除非文本信息（如HTML标签、图片等），去除重复文本和噪音，统一编码格式等。
2. 数据标注：标注可以根据需要进行不同级别的标注，如词性标注、句法标注、命名实体识别等。
标注过程需要借助专业的工具和标注规范，确保标注的准确性和一致性。
三、语料库的存储与管理构建好的语料库需要进行存储和管理，以便后续的查询和分析。
1. 存储方式：语料库可以选择将原始文本存储在本地服务器或云端服务器上。
根据语料库的规模和需求，选择适当的存储方式。
2. 数据管理：建议使用数据库管理系统对语料库进行管理，以便进行高效的数据查询和管理操作。
数据库管理系统可以根据语料库的特点和需求选择合适的工具和技术。
四、语料库的利用与分析语料库构建完成后，可以进行各种形式的利用和分析。
1. 词频统计：通过词频统计可以了解词汇的使用情况，找出高频词汇和低频词汇，有助于研究词汇的分布和语言的特点。
语料库基础知识
/yingyong/courses/corpusbase.htm语料库研究与应用综述语料库研究与应用综述 一 概述 语料库通常指为语言研究收集的、用电子形式保存的语言材料，由自然出现的书面语或口语的样本汇集而成，用来代表特定的语言或语言变体。
经过科学选材和标注、具有适当规模的语料库能够反映和记录语言的实际使用情况。
人们通过语料库观察和把握语言事实，分析和研究语言系统的规律。
语料库已经成为语言学理论研究、应用研究和语言工程不可缺少的基础资源。
语料库有多种类型，确定类型的主要依据是它的研究目的和用途，这一点往往能够体现在语料采集的原则和方式上。
有人曾经把语料库分成四种类型：（1）异质的（Heterogeneous ）：没有特定的语料收集原则，广泛收集并原样存储各种语料；（2）同质的（Homogeneous ）：只收集同一类内容的语料；（3）系统的（Systematic ）：根据预先确定的原则和比例收集语料，使语料具有平衡性和系统性，能够代表某一范围内的语言事实；（4）专用的（Specialized ）：只收集用于某一特定用途的语料。
除此之外，按照语料的语种，语料库也可以分成单语的（Monolingual ）、双语的（Bilingual ）和多语的（Multilingual ）。
按照语料的采集单位，语料库又可以分为语篇的、语句的、短语的。
双语和多语语料库按照语料的组织形式，还可以分为平行（对齐）语料库和比较语料库，前者的语料构成译文关系，多用于机器翻译、双语词典编撰等应用领域，后者将表述同样内容的不同语言文本收集到一起，多用于语言对比研究。
语料库建设中涉及的主要问题包括：（1） 设计和规划：主要考虑语料库的用途、类型、规模、实现手段、质量保证、可扩展性等。
（2） 语料的采集：主要考虑语料获取、数据格式、字符编码、语料分类、文本描述，以及各类语料的比例以保持平衡性等。
（3） 语料的加工：包括标注项目（词语单位、词性、句法、语义、语体、篇章结构等）标记集、标注规范和加工方式。
BNC语料库使用说明ppt课件
编辑课件
23
如跟在 “smile前面的形容词” （图2.2-2）
规则：在words里输入: smile.[n*]，表示作为名词的smile； 在context里输入: [aj*]表示其前后出现形容词的语境。
编辑课件
24
Confidence前使用的行用词 图2.2-3
编辑课件
25
2.3 搜索在子语料库(register)内(或之间) 出现的频率(或比较)(不同语域中的用法)
得到的结果都是white后面跟的名词短 语 (图2.1.2-2)，检索表达式为：white [n*]
编辑课件
10
图2.1.2-1
•规则：输入名词的话用正则表 达式: [n*]；动词: [v*]; 形容词: [aj*]; 副词: [av*]……
编辑课件
11
图2.1.2-2
White+名词的短语
编辑课件
如在Fiction和Newspaper子数据库中 passionate后面可以跟任何名词的词及频率， 分别如两图(2.3-1和2.3-2)
编辑课件
26
图2.3-1
图2.3-2
编辑课件
27
但是也可以之间对两者子语料库中它们出 现频率的对比，操作：分别选择section 1&2,如下图(图2.3-3)：
编辑课件
16
图2.1.4-1
规则：若要得到某个单词的所有单复数和时态形式，那么 就要在输入时，在这个单词外加 [ ]。
编辑课件
17
图2.1.4-2
形容词early的圆形，比较级和最高级三种形式一次性检索出 来检索
编辑课件
18
2.1.5 输入某种词性且部分带有某些字母的命令， 如要得到以un-开头、-ed结尾的所有形容词的所 有 形 式 （ 见 图 2.1.5-1 ） 和 得 到 动 词 + 任 何 词 +ground的所有词组（见图2.1.5-2）:
语料库
语料库语言学
• 语料库语言学是一门新型科学，它指的是在文本语料的基 础上进行语言研究的一门学科。
• 基于语料库分析的主要特点： 1.具有实验性，分析自然语言文本中语言使用的实际模式。 2.搜集大量的真实文本(语料库)，以语料库作为分析基础。 3.使用计算机的自动与交互技术进行分析。 4.使用定量与定性分析的技术。
• 词汇联结：一个单词与其他单词之间存在强的联结模式， 比如词的搭配。
• 语法联结：一个语法结构与相关语境中的语法特征之间存 在强的联结模式，比如名词化在学术语域和对 话语料中的分布。
• 词汇-语法联结：单词与语法结构之间存在的联结。这种 关系的研究主要有两方面：单词与语法 环境之间的关系；语法结构和单词环境 之间的关系。
语篇结构特征
• 语篇结构特征的研究： 1.语篇连贯和衔接的语言的分析 2.不同类型的语篇的描述和比较 3.语篇中从句间修辞关系的描述和比较 …
书面语篇与口语语篇 医学论文和生态学论文 …
语言变异
• 语料库与语言变异研究指通过使用语料库来观察单词的频 度、单词的意义和用法等变异参数，来研究语言的地域差 异、性别差异、社会群体差异、语域差异等。
L/O/G/O
语料库语言学
Contents
1 语料库和语料库语言学
2
语料库的发展
3
语料库的应用
4
结语
语料库
• 语料库：大规模自然语言文本的集合。 • 现代的语料库是指存放在计算机里的原始语料文本或经过加
工后带有语言学信息标注的语料文本。
双语语料库
北大计算语言学 研究所的双语语 料库
哈尔滨工业大学 的英汉双语语料 库