語料庫
外觀
語料庫一詞在語言學上意指大量的文本,通常經過整理,具有既定格式與標記。
根據語料庫的特徵,可以分為單語語料庫、雙語語料庫、平行語料庫等,根據語料的來源,可以分為書面語語料庫、口語語料庫、作文語料庫、學習者語料庫、古文書語料庫等。[1]
語料庫列表
[編輯]多語
[編輯]- 點通多語言語音語料庫
- 賓州大學語料庫(頁面存檔備份,存於網際網路檔案館)
- Wikipedia XML 語料庫
- 紹興文理學院--中國漢英平行語料大世界 (頁面存檔備份,存於網際網路檔案館) 中英平行文本雙語語料庫
英語
[編輯]- https://www.english-corpora.org (頁面存檔備份,存於網際網路檔案館)
- The Collins Corpus (頁面存檔備份,存於網際網路檔案館)
- Collin's Cobuild Project - 成果:Collin's當代英語辭典、及當代英語文法。
- Corpus of Political Speeches (頁面存檔備份,存於網際網路檔案館)(香港浸會大學圖書館 (頁面存檔備份,存於網際網路檔案館)提供)
漢語
[編輯]- LIVAC漢語共時語料庫 (頁面存檔備份,存於網際網路檔案館)
- 蘭開斯特大學漢語平衡語料庫 (頁面存檔備份,存於網際網路檔案館)
- 蘭開斯特-洛杉磯漢語口語語料庫 (頁面存檔備份,存於網際網路檔案館)
- 政治人物演講語料庫 (頁面存檔備份,存於網際網路檔案館)(香港浸會大學圖書館 (頁面存檔備份,存於網際網路檔案館)提供)
繁體中文
[編輯]簡體中文
[編輯]日語
[編輯]- 現代日語書面語均衡語料庫BCCWJ (頁面存檔備份,存於網際網路檔案館)
- 日語口語詞彙語料庫CSJ (頁面存檔備份,存於網際網路檔案館)
- 筑波網絡語料庫TWC (頁面存檔備份,存於網際網路檔案館)
研究機構
[編輯]等
外部連結
[編輯]- Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese(頁面存檔備份,存於網際網路檔案館)
- 開放目錄專案中的「Computational Linguistics」
- ACL SIGLEX Resource Links: Text Corpora
- The Leipzig Glossing Rules(頁面存檔備份,存於網際網路檔案館): Conventions for interlinear morpheme-by-morpheme glosses
- Developing Linguistic Corpora: a Guide to Good PracticeArchive.is的存檔,存檔日期2012-12-22
- An interface for querying automatically-constructed virtual corpora[失效連結].
- TEP: Tehran English-Persian Parallel Corpus.
- [1] Building synchronous parallel corpora of the languages taught at the Faculty of Arts of Charles University.
- TS Corpus - A Turkish Corpus freely available for academic research.(頁面存檔備份,存於網際網路檔案館)
- Turkish National Corpus - A general-purpose corpus for contemporary Turkish(頁面存檔備份,存於網際網路檔案館)
- Free web-based English corpus to download (3 billion words)(頁面存檔備份,存於網際網路檔案館)