语料库语言学综合
专业的语料库使用技巧
专业的语料库使用技巧语料库是在语言学和应用语言学研究中非常重要的工具。
它是大规模文本的集合，可以用来研究语言的使用情况和规律。
对于语言学研究者、翻译人员、教师和学生来说，掌握语料库的使用技巧是必不可少的。
本文将介绍一些专业的语料库使用技巧，帮助读者更好地利用语料库进行学习和研究。
一、选择合适的语料库选择合适的语料库是使用语料库的第一步。
不同的语料库有不同的特点和用途，因此我们需要根据具体的需求选择合适的语料库。
常见的语料库包括：1. 综合性语料库：这些语料库收录了各种类型的文本，涵盖了不同的话题和领域。
例如，BNC（British National Corpus）是一个英语综合性语料库，适合于对英语的整体使用情况进行研究。
2. 学科专业语料库：这些语料库针对特定学科的使用情况进行了收集和整理。
例如，法律语料库和医学语料库分别用于研究法律和医学领域的语言使用。
3. 历时语料库：这些语料库收录了不同时期的文本，可以用来研究语言的演变。
例如，COHA（Corpus of Historical American English）是一个用来研究美国英语历史演变的语料库。
二、设置搜索条件在使用语料库进行检索时，我们需要设置适当的搜索条件，以便找到所需的文本。
以下是一些常用的搜索条件：1. 词汇：我们可以输入一个或多个词汇，以搜索包含这些词汇的文本。
还可以设置搜索词的位置（如句首、句中、句末）和词性（如名词、动词、形容词等）。
2. 短语：除了单个词汇，我们还可以搜索特定的短语。
短语搜索可以通过添加引号来实现，以确保搜索结果仅包含完整的短语。
3. 上下文：为了更精确地定位所需的文本，我们可以指定搜索词的上下文。
上下文可以是一个特定的句子、段落或文档。
4. 语言特征：语料库通常提供一些基于语言特征的搜索选项，如词频、词汇搭配、句法关系等。
这些选项可以帮助我们更深入地了解和研究语言的使用。
三、分析搜索结果搜索结果的分析是使用语料库的关键步骤之一。
语料库语言学及其在语言学习中的应用
语料库语言学及其在语言学习中的应用随着计算机技术的发展，语料库语言学在语言学中日益被重视。
语料库语言学是指运用计算机分析大规模语言语料库的一门学科。
语料库语言学的基本思想是依赖数据出发，通过对大量实际语言使用中的文本数据进行统计和分析，揭示语言的规律和规则。
这种方法能够根据实际的语言使用情况，去除主观的预设规则，使语言的研究更接近于实际情况，有助于提高语言教学质量。
一、语料库语言学的基本思想语料库语言学的基本思想是依赖数据出发。
语料库语言学是指运用计算机分析大规模语言语料库的一门新兴学科。
它的研究对象是实际使用中的语言文本，其目的是探究语言的规律和规则。
因此，语料库语言学的基本思想是建立在大量的真实语言数据的基础上的。
通过对大量真实的语言文本进行分析，统计出语言的规律和规则，从而更加准确地描绘出语言的本质，帮助我们更好地了解语言。
二、语料库语言学在语言学习中的应用语料库语言学在语言学习中有许多的应用，例如：1. 调整教学重心语料库语言学可以根据语料库中的文本数据，分析词汇和语法的使用频率，识别出高频词语和常见语法，可以为语言学习者提供更加实用、更加贴近实际的课程内容。
通过提供实际使用频率较高的词汇和语法内容，可以使学生更快地适应实际语言环境，提高学习效率，帮助学生更好地掌握语言。
2. 帮助学生结合实际语境学习语言语料库语言学可以提供真实的语料库数据，可以帮助学生更好地理解词语和语法的实际应用。
通过语料库分析，学生可以了解词语和语法在实际语境中的使用情况，帮助学生更好地掌握语言。
3. 提供语言交际中的真实场景语料库语言学可以提供真实的语言数据，可以帮助学生更好地了解语言交际中的真实场景。
通过语料库分析，学生可以更好地了解语言交际的真实场景，帮助学生更好地掌握语言。
4. 改善标准语音学习语料库语言学可以为标准语音学习提供更加科学的方法。
通过对语料库中的语音数据进行分析，可以找出发音和语音的规律和规则，根据这些规律，制定更加科学的语音教学计划，帮助学生更好地学习语音。
语料库语言学简介
语料库语言学简介语料库语言学是指利用语料库（一种大规模的文本数据集合）进行语言学研究的方法和理论。
通过构建、标注和分析语料库，可以揭示语言在不同层面上的特征和规律，为自然语言处理、机器翻译等领域提供基础和支持。
语料库语言学的研究内容包括：语言的音系、形态、句法以及语义等方面；语言的变异、演化和变化；语言使用者的使用习惯、语言背景和社会属性等。
语料库语言学的主要方法包括：语料库的构建和管理、语料库的标注和注释、语料库的查询和分析、语料库的应用和评估等。
语料库语言学的应用领域包括：机器翻译、信息检索、语音识别、文本分类、自然语言生成等。
此外，语料库语言学还被广泛应用于各种语言教学、语言规划和语言政策制定等领域。
总的来说，语料库语言学已经成为现代语言学和自然语言处理领域不可或缺的一部分，对于研究和应用语言都有着重要的意义。
一、语料库语言学的意义（一）定义和概述语料库语言学是指利用计算机对大规模语料库进行统计学分析、计算和比较，从而研究语言规律和现象的语言学方法。
语料库是指收集、整理、储存在计算机中的自然语言文本，包括书面文本和口语文本。
语料库语言学旨在通过对语言数据的分析，揭示语言的内在规律和现象，为语言学、语言教学、翻译等领域提供科学依据。
（二）语料库语言学的历史语料库语言学起源于20世纪50年代的美国，当时ChomSky等人提出了生成文法理论，但是这个理论无法解释自然语言的很多现象。
50年代后期，美国普林斯顿大学的SinClair教授提出了使用实际语言数据进行语言研究的观点，并开始编制语料库，由此开启了语料库语言学的先河。
之后，随着计算机技术的发展，语料库语言学得以快速发展，成为现代语言学研究和应用的重要领域。
二、语料库语言学的重要性（一）提供真实语言数据语料库收集大量的自然语言文本，包括书面语和口语，具有代表性和真实性。
这些数据包含了语言使用中的各种现象和规律，是研究语言的最基本素材。
（二）揭示语言规律和现象语料库语言学可以对语言数据进行分析、计算和比较，从而揭示语言的内在规律和现象。
语料库语言学名词解释
语料库语言学名词解释1. 什么是语料库语言学？语料库语言学是一门研究自然语言的学科，通过收集和分析大量的实际文本数据（称为语料库），以揭示自然语言的结构、用法和变化规律。
它结合了计算机科学、统计学和语言学等多个领域的方法和理论，旨在提供对自然语言的全面、详细和深入的理解。
2. 什么是语料库？语料库是指由大量实际文本组成的数据集合，可以包括书籍、报纸、杂志、网页、社交媒体帖子等。
这些文本通常经过数字化处理并按照一定规则进行标注，以便进行进一步的分析和研究。
3. 为什么要使用语料库进行研究？使用语料库进行研究有以下几个优点：•自然性：语料库中的文本来自真实世界，反映了人们在不同情境下使用自然语言的方式。
•大规模性：大型语料库包含了大量文本数据，可以提供更加全面且具有代表性的样本。
•可比性：通过比较不同文本之间的共同点和差异，可以揭示语言的普遍规律和个体差异。
•可验证性：研究者可以重复使用相同的语料库进行验证和复制研究结果。
•数据驱动性：语料库语言学强调通过数据来推动理论的发展，以实证为基础进行研究。
4. 常用的语料库类型4.1. 平衡语料库平衡语料库是指在不同领域、不同类型文本中均匀采样而得到的语料库。
它旨在保持各个领域和类型的文本在整个语料库中的比例相对均衡，以便更好地反映自然语言的使用情况。
4.2. 非平衡语料库非平衡语料库是指在采集过程中没有保持各个领域和类型文本比例均衡的语料库。
这种类型的语料库可能更加关注某些特定领域或主题，适用于特定研究目标。
4.3. 同步平行语料库同步平行语料库是指包含两种或多种不同自然语言版本（例如英文、法文、汉文）的对应文本。
这些文本在句子或段落级别上具有相同的语义内容，可以用于机器翻译、跨语言信息检索等领域的研究。
4.4. 异步平行语料库异步平行语料库是指包含两种或多种不同自然语言版本的对应文本，但其对应关系并不是在句子或段落级别上一一对应。
这种类型的语料库适用于跨语言补全、跨语言文本摘要等研究。
语料库语言学
我们认为较为准确全面定义：
语料库(corpus 或corpora [复数]) ：是指按 照一定的语言学原则, 运用随机抽样方，收 集自然出现的连续语言运用文本或话语片 段而建成的具有一定容量的大型电子文本 库。
语料库语言学：在文本语料的基础上进行 语言研究的一门学科。
语料库语言学的研究对象
语料库语言学是以语料库中收集储存的真实语言材 料做为唯一的研究对象，以语言现象出现的概率为 依据。因此，语料库语言学为语言学研究提供了一 种全新的研究思路。一个合格的语料库必须以电子 计算机为载体来存放语言材料，这些存放在电子计 算机中的语言材料是在语言的实际使用中真实出现 过的。因此，它们可以如实地反映语言现象，克服 语言学家观察语言现象时的主观性。
（7）语料库语言学与语用学和语篇分析。语料库 常常是把话语从上下文或语篇中分离出来，因此
其所收语料在很大程度上脱离了上下文或社会背
景，而语用学和语篇分析对于场景和上下文又具
有一定的依赖性。故以语料库为基础的语用或语
篇研究相对较少，但语料库为这些领域所作的贡
献是不可否认的。语用学及相关领域的研究通常 是以会话为基础的，如伦敦—伦特语料库 (London - Lund Corpus) 和柯林斯出版公司与伯 明翰大学联合开发的“英语库”( The Bank of Eng2lish ,简称BOE) ，前者收集的是日常会话， 后者的口语部分包括日常会话会议、讨论、采访、 电台广播等。
3、语料库语言学与辞典编纂
语料库不仅能够提供更完备和详尽的关于词义和 词汇搭配的信息，而且利用语料库中的频率统计 可以直观的反映词汇用法的使用情况。如英国考 林斯出版社和伯明翰大学编辑出版的《国际通用 词典》在很大程度上打破了词典编撰的传统，从 词条的选定及解释、用法到释义的先后顺序等都 依据了由2亿词次的COBUILD语料库中统计出的 频率。由于语料库的素材来自实际使用的语言， 利用其素材作为词典的例句更具真实性和准确性。 利用语料库编撰词典不仅能反映语言的真实变化， 而且编撰周期也会大大缩短。
语言学常用语料库
语言学常用语料库
语言学常用语料库有很多，以下是一些常用的语料库：
1. Brown语料库：美国布朗大学语言学部于1960年代编制的语料库，是英语语料库中最早的、最著名的语料库之一。
2. Penn Treebank语料库：由宾夕法尼亚大学开发的语料库，主要用于句法分析和语言学研究。
3. CoNLL语料库：共享任务（Conference on Computational Natural Language Learning）所使用的语料库，包括各种语言的语料。
4. Europarl语料库：包括欧洲议会会议的多种语言翻译版本，用于机器翻译和跨语言研究。
5. Google语料库：由Google搜索引擎收集的大规模网络文本语料库，可用于研究自然语言处理和文本挖掘等领域。
6. Corpus of Contemporary American English (COCA)：包括当代美国英语的语料库，涵盖了各种不同类型的文本。
7. British National Corpus (BNC)：出版物、广播和会话等来源的英国英语语料库，是英国英语的重要资源。
这些语料库提供了大量的文本数据，可用于研究不同语言的语
言学现象，如词汇使用、语法结构和语义等。
它们对于语言学研究和自然语言处理的发展起着重要作用。
50-语料库语言学
中国海洋大学本科生课程大纲课程属性：公共基础/通识教育/学科基础/专业知识/工作技能，课程性质：必修、选修一、课程介绍1.课程描述（中英文）：语料库语言学（Corpus Linguistics）是基于大规模语料进行语言研究的学科。
本课程针对英语系本科生开设。
课程内容包括：语料库语言学的基本情况、发展历程、主要流派及理论模型、语料库在各类研究中的应用等。
通过课程学习，要求学生掌握语料库语言学的基本理论及研究方法，从而初步形成利用语料库探索语言学及相关领域的科研能力。
Corpus linguistics probes into linguistic problems by analyzing a large quantity of real-life language data. This course is intended for the undergraduate English majors. The course covers the basic topics of corpus linguistics, including an overview of the field, its history, major theoretical schools, research methods as well as its application in other branches of linguistics. After taking the course, students are expected to acquire a basic understanding of the fundamental theories and methods of corpus linguistics and are able to design and conduct simple corpus based linguistic studies.2.设计思路：- 1 -本课程将介绍语料库语言学的整体情况及理论基础。
语料库语言学的理论解析
一、图式理论应用
3、形式图式：形式图式是指学生对所学语言的语篇结构、修辞手法和表达方 式等方面的掌握程度。在外语教学中，教师应注重培养学生的语篇分析能力，帮 助他们了解不同语篇类型的结构特点和修辞手法，以提高他们的口语和写作能力。
二、语料库语言学在外语教学中 的应用
二、语料库语言学在外语教学中的应用
英语语料库语言学的发展与国际语料库语言学年会ICAME
在今年的ICAME年会上，来自世界各地的学者、专家和从业者齐聚一堂，共同 探讨语料库语言学的未来发展。在会议上，一些领先的英语语料库研究者分享了 他们的最新研究成果，包括大规模语料库的建设、文本数据的自动标注、语料库 数据的可视化呈现以及基于语料库的语言模型的开发等。
内容摘要
在语料库在自然语言处理中的应用方面，学者们重点探讨了如何利用语料库 提高自然语言处理的性能和效率。例如，利用语料库进行词性标注、命名实体识 别、情感分析等方面的研究，为机器翻译、智能客服等应用提供了更加准确和高 效的技术支持。
内容摘要
总之，通过这次语料库语言学国际会议，我们对语料库语言学发展趋势有了 更加清晰的认识。未来，语料库语言学将继续发挥重要作用，推动自然语言处理 技术的不断进步。同时，我们也应该认识到语料库建设与标注的瓶颈问题，以及 自然语言处理技
内容摘要
念进行深入解析，并举例说明其在实际应用中的价值。
理论基础和概念
理论基础和概念
语料库语言学以语言学、统计学和计算机科学为基础，强调对语言数据的分 析和研究。其核心概念包括：
理论基础和概念
1、语料库：语料库是语料库语言学同的领域和语种，以满足研 究者的需求。
挑战与解决方案
2、数据代表性：建立语料库需要收集大量的语言数据，但数据的代表性是一 个关键问题。为了确保语料库能够涵盖各种语言现象和表达方式，需要采取多种 策略和方法来收集和处理数据，包括选择多样化的语料来源、进行数据平衡和处 理等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
语料库语言学基础知识2008-09-11 01:45:34| 分类：学术|举报|字号订阅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。
（4）语料管理系统的建设：包括数据维护（语料录入、校对、存储、修改、删除及语料描述信息项目管理）、语料自动加工（分词、标注、文本分割、合并、标记处理等）、用户功能（查询、检索、统计、打印等）。
（5）语料库的应用：针对语言学理论和应用领域中的各种问题，研究和开发处理语料的算法和软件工具。
我国语料库的建设始于80年代，当时的主要目标是汉语词汇统计研究。
进入90年代以后，语料库方法在自然语言信息处理领域得到了广泛的应用，建立了各种类型的语料库，研究的内容涉及语料库建设中的各个问题。
90年代末到新世纪初这几年是语料库开发和应用的进一步发展时期，除了语言信息处理和言语工程领域以外，语料库方法在语言教学、词典编纂、现代汉语和汉语史研究等方面也得到了越来越多的应用。
语料库与语言信息处理有着某种天然的联系。
当人们还不了解语料库方法的时候，在自然语言理解和生成、机器翻译等研究中，分析语言的主要方法是基于规则的（Rule-based）。
对于用规则无法表达或不能涵盖的语言事实，计算机就很难处理。
语料库出现以后，人们利用它对大规模的自然语言进行调查和统计，建立统计语言模型，研究和应用基于统计的（Statistical-based）语言处理技术，在信息检索、文本分类、文本过滤、信息抽取等应用方向取得了进展。
另一方面，语言信息处理技术的发展也为语料库的建设提供了支持。
从字符编码、文本输入和整理，语料的自动分词和标注，到语料的统计和检索，自然语言信息处理的研究都为语料的加工提供了关键性的技术。
下面先简要叙述1998年到2003年中国语料库建设的基本情况，然后介绍语料库的加工、管理和规范问题，最后谈谈语料库方法在语言研究和语言工程等方面的应用。
由于以前的《中国语言学年鉴》很少谈及语料库问题，为了尽可能全面地反映我国语料库研究和应用的情况，必要时会将时间上限向前延伸几年。
二中国语料库建设的基本情况90年代末到新世纪初这几年投入建设或开始使用的语料库有数十个之多，不同的应用目的使这些语料库的类型各不相同，对语料的加工方法也各不相同。
下面是其中已开始使用并且具有一定代表性的语料库。
（一）现代汉语通用语料库这是一个由国家语言文字工作委员会主持建立、面向全社会应用需求的大型通用语料库，从90年代初开始建设，计划规模7000万字，主要应用目标是语言文字信息处理、语言文字规范和标准的制定、语言文字的学术研究、语文教育、以及语言文字的社会应用。
这个语料库收录的语料以书面语为主、以书面语转述的口语为辅。
语料来源是1919年至今，主要是1977年至今出版的教材、报纸、综合性刊物、专业刊物和图书。
在设计原则上，讲求通用性、描述性、实用性和抽样的科学性。
在语料分类方面，以“门类为主，语体为辅”为原则制定三个大类：第一类：人文与社会科学类（包括8个次类、30个细类）1．政法类：哲学政治宗教法律2．历史类：历史考古民族3．社会类：社会学心理语言文字教育文艺理论新闻民俗4．经济类：工业经济农业经济政治经济财贸经济5．艺术类：音乐美术舞蹈戏剧6．文学类：小说散文传记报告文学科幻口语7．军体类：军事体育8．生活类第二类：自然科学类（包括6个次类）1．数理类2．生化类3．天文地理类4．海洋气象类5．农林类6．医药卫生类第三类：综合类（包括6个次类，30多个细类）1．行政公文类：请示报告批复命令指示布告纪要通知等2．章程法规类：章程条例细则制度公约办法法律条文等 3．司法文书类：诉讼辩护词控告信委托书等4．商业文告类：说明广告调查报告经济合同等5．礼仪辞令类：欢迎词贺电讣告唁电慰问信祝酒词等6．实用文书类：请假条检讨申请书请愿书等在不同类别、不同来源、不同时期的语言材料中，按照不等密度的思路确定合适的语料选取比例，从共时和历时两个角度保证入选语料的平衡性，是这个语料库的特点。
譬如，在语言材料的年限方面，选材比例是：1919年– 1925年 5% 1926年– 1949年 15% 1950年– 1965年 25% 1966年– 1976年 5% 1977年以后 50%在语言材料的门类、语体和来源方面，选材比例是：人文与社会科学类占59.6%。
其中各个次类在本大类中的比例是：政法 12.7% 历史 8.4% 社会 14.0% 经济 9.8%艺术 6.7% 文学 44.9% 军体 2.3% 生活 1.4% 自然科学类占17.24%。
其中各个次类在本大类中的比例是：数理 17.2% 生化 19.1% 天文地理 14.1%海洋气象 9.1% 农林 22.8% 医药卫生 17.7% 综合类占9.36%。
其中各个次类在本大类中的比例是：各类应用文 91.1% 其他 8.9%报纸类占13.79%。
其中各个次类在本大类中的比例是：全国性报刊 25% 省市报刊 75%这个语料库在选材过程中收集和记录语料的有关描述信息，为每个语料样本设立了20个描述项目：总号、分类号、样本名称、类别、作者、写作时间、书刊名称、编著者、出版者、出版日期、期号（版面号）、版次（初版日期）、印册数、总页数、开本、选样方式、样本起止页数、样本字数、样本总数、繁简字。
用户可以利用这些语料描述标记根据各自的需要进行各种方式的检索。
语料库的建库工作分为两步，第一步先建立核心语料库（由7000万字的语料中筛选出2000万字语料组成）。
到90年代末，完成了2000万字生语料的收录工作。
从2001年开始，对2000万字核心语料进行分词和词性标注加工。
（二）《人民日报》标注语料库《人民日报》标注语料库由北京大学计算语言学研究所和日本富士通公司合作，从1999年开始，到2002年完成，原始语料取自1998年全年的《人民日报》，共约2700万字，到2003年又扩充到3500万字，是我国第一个大型的现代汉语标注语料库。
这个语料库加工的项目有词语切分和词性标注，还有专有名词（人名、地名、团体机构名称等）标注、语素子类标注、动词、形容词的特殊用法标注和短语型标注。
下面是一段语料标注的示例，对于1998年1月1日第5版第1篇文章的第11段：我国的国有企业改革见成效。
位于河南的中国一拖集团有限责任公司面向市场，积极调整产品结构，加快技术改造和新产品研制步伐。
图为东方红牌履带拖拉机生产线。
（赵鹏摄）标注后的形式是：19980101-05-001-011/m 我国/n 的/u 国有/vn 企业/n 改革/v 见/v 成效/n 。
/w 位于/v 河南/ns 的/u [中国/ns 一拖/j 集团/n 有限/a 责任/n 公司/n]nt 面向/v 市场/n ，/w 积极/ad 调整/v 产品/n 结构/n ，/w 加快/v 技术/n 改造/vn 和/c 新/a 产品/n 研制/vn 步伐/n 。
/w 图/n 为/v 东方红牌/nz 履带/n 拖拉机/n 生产线/n 。
/w （/w 赵/nr 鹏/nr 摄/Vg ）/w在每一个切分出来的词和标点符号后面，是该词语的标记。
譬如词性标记（n，v，a，u，m，w等），专有名词标记（nr，ns，nz等），语素子类标记（Vg等），动词和形容词特殊用法标记（vn，ad）。
所有的标记都是以北京大学的《现代汉语语法信息词典》为基础词库，在一个加工规范的指导下标注的。
利用《人民日报》标注语料库，人们可以从各个角度考察和分析语言事实，统计各种语言单位出现的频率，譬如，词语或词类的分布、搭配和共现，专有名词的结构方式、兼类词在句子中的表现，语素字的使用情况，等等。
也可以从语料里提取各种语言单位或语句片段作为研究实例。
与仅仅以汉字串的形式表示的“生语料”相比，经过标注的“熟语料”显然含有更多的语言学特征信息，对汉语词汇研究、语法研究和汉语信息处理系统来说是更好的语言知识资源。
《人民日报》标注语料库中一半的语料（1998年上半年）共1300万字已经通过《人民日报》新闻信息中心公开提供许可使用权。
其中一个月的语料（1998年1月）近200万字在互联网上公布，供自由下载。
（三）用于语言教学和研究的现代汉语语料库建立现代汉语语料库的主要目的之一是对外汉语教学和现代汉语研究，可以分为书面语语料库和以文本形式表示的口语语料库两类。
前者如北京语言大学的汉语中介语语料库、现代汉语研究语料库，后者如中国社会科学院语言研究所的北京地区现场即席话语语料库。
汉语中介语语料库的建设目标是为对外汉语教学、中介语研究、偏误分析和汉语本体研究提供资源，因此它的语料来源很有对外汉语教学的特点。
作者先在北京和其他省市的9所高等院校里，从来自96个国家和地区的1635位外国留学生那里收集了成篇成段的汉语作文或练习材料5774篇，共3528988字。
再从中抽取了740人的1731篇语料，共有44218句，1041274字。