工具與案例

理論篇
1 語料庫語言學概述 ／ 2
1.1 語料庫語言學的學科基礎(chǔ) ／ 2
1.1.1 語料庫語言學的產(chǎn)生原因 ／ 2
1.1.2 語料庫語言學的理論基礎(chǔ) ／ 2
1.2 語料庫的定義、特點與分類 ／ 3
1.2.1 語料庫的定義 ／ 3
1.2.2 語料庫的特點 ／ 4
1.2.3 語料庫的分類 ／ 5
1.3 語料庫語言學的定義 ／ 6
1.3.1 前人論述 ／ 6
1.3.2 語料庫語言學定義 ／ 7
1.4 語料庫語言學的研究內(nèi)容與方法 ／ 8
1.4.1 語料庫語言學的研究內(nèi)容 ／ 8
1.4.2 語料庫語言學的研究方法 ／ 8
2 語料庫的建設(shè) ／ 10
2.1 概述 ／ 10
2.1.1 語料庫建設(shè)的基本過程 ／ 10
2.1.2 語料庫建設(shè)面臨的問題 ／ 10
2.2 語料庫建設(shè)的原則和規(guī)范 ／ 11
2.2.1 語料庫總的建設(shè)原則 ／ 11
2.2.2 語料庫的不規(guī)范性 ／ 12
2.3 語料庫建設(shè)的平衡性與代表性 ／ 13
2.3.1 規(guī)模、語體、時間與空間 ／ 13
2.3.2 流通度 ／ 15
2.4 語料庫建設(shè)的元數(shù)據(jù)與信息字段 ／ 19
2.4.1 元數(shù)據(jù) ／ 19
2.4.2 信息字段 ／ 23
2.4.3 元數(shù)據(jù)、信息字段舉例 ／ 24
2.5 語料庫建設(shè)方法 ／ 27
2.5.1 總體設(shè)計 ／ 27
2.5.2 具體實施 ／ 27
3 語料庫的加工標注 ／ 31
3.1 中文自動分詞 ／ 32
3.1.1 詞與自動分詞 ／ 32
3.1.2 中文分詞的特點和難點 ／ 32
3.1.3 常見的中文分詞方法 ／ 34
3.2 中文詞性標注 ／ 35
3.2.1 詞性、詞類與詞性標注 ／ 35
3.2.2 詞性標注難點 ／ 35
3.2.3 常見詞性標注方法 ／ 36
3.3 自動句法分析 ／ 37
3.3.1 概述 ／ 37
3.3.2 句法分析分類 ／ 38
3.3.3 依存句法分析 ／ 39
3.4 語義分析 ／ 41
3.4.1 詞語級語義分析 ／ 41
3.4.2 句子級語義分析 ／ 43
3.4.3 篇章級語義分析 ／ 44
4 術(shù)語說明 ／ 46
4.1 頻次 頻率 文本數(shù) ／ 46
4.1.1 頻次 ／ 46
4.1.2 頻率 ／ 46
4.1.3 文本數(shù) ／ 46
4.2 累加頻率 覆蓋率 使用率 高頻詞語 ／ 47
4.2.1 累加頻率 ／ 47
4.2.2 覆蓋率 ／ 47
4.2.3 使用率 ／ 47
4.2.4 高頻詞語 ／ 48
4.3 頻序 頻序比 頻率差 ／ 48
4.3.1 頻序 ／ 48
4.3.2 頻序比 ／ 48
4.3.3 頻率差 ／ 49
4.4 字種 字種數(shù) 詞種 詞種數(shù) ／ 49
4.4.1 字種 ／ 49
4.4.2 字種數(shù) ／ 49
4.4.3 詞種 ／ 49
4.4.4 詞種數(shù) ／ 49
4.5 共用 獨用 ／ 50
4.5.1 共用 ／ 50
4.5.2 獨用 ／ 50
工具篇
5 網(wǎng)頁批量下載 ／ 52
5.1 具有數(shù)字序列規(guī)律的網(wǎng)頁下載 ／ 52
5.1.1 搜索網(wǎng)頁 ／ 52
5.1.2 批量生成網(wǎng)址 ／ 54
5.1.3 創(chuàng)建工程 ／ 55
5.1.4 運行工程 ／ 57
5.2 具有時間序列規(guī)律的網(wǎng)頁下載 ／ 58
5.3 無數(shù)字、無日期序列的規(guī)律網(wǎng)頁下載 ／ 59
5.4 無任何規(guī)律網(wǎng)頁的批量下載 ／ 60
6 網(wǎng)頁信息抽取建庫 ／ 65
6.1 網(wǎng)頁內(nèi)容解析原理 ／ 65
6.2 程序操作圖示 ／ 67
6.2.1 打開待處理html 文件夾 ／ 67
6.2.2 展示待處理html 文件的文本內(nèi)容 ／ 68
6.2.3 選擇抽取字段的起止標記 ／ 69
6.2.4 選擇抽取結(jié)果保存的文件夾和文件名 ／ 70
6.2.5 檢查所有網(wǎng)頁的抽取起止標記是否正確 ／ 71
6.3 語料庫結(jié)果展示 ／ 71
7 例句檢索 ／ 73
7.1 程序操作圖示 ／ 73
7.1.1 打開、保存文件夾 ／ 73
7.1.2 選擇檢索模式 ／ 73
7.1.3 單擊運行程序 ／ 74
7.2 檢索結(jié)果展示 ／ 74
8 例句分析 ／ 75
8.1 程序操作圖示 ／ 75
8.1.1 檢索語料例句 ／ 75
8.1.2 打開、保存文件夾 ／ 75
8.1.3 選擇例句集來源、輸入前后標記 ／ 76
8.1.4 單擊運行程序 ／ 76
8.2 統(tǒng)計結(jié)果展示 ／ 77
9 用字統(tǒng)計分析 ／ 78
9.1 程序操作圖示 ／ 78
9.1.1 打開語料庫文件夾 ／ 78
9.1.2 設(shè)置保存結(jié)果文件夾及名稱 ／ 79
9.1.3 運行統(tǒng)計功能 ／ 80
9.2 統(tǒng)計結(jié)果展示 ／ 81
9.2.1 總的漢字使用的摘要報告 ／ 81
9.2.2 漢字分類使用情況 ／ 81
9.2.3 標點符號和漢字部件的使用情況 ／ 82
9.2.4 漢字字表的覆蓋率情況 ／ 83
9.2.5 不同排序方式的字表 ／ 83
9.2.6 與其他字表對比的數(shù)據(jù) ／ 85
10 用詞用語統(tǒng)計分析 ／ 86
10.1 程序操作圖示 ／ 86
10.2 統(tǒng)計結(jié)果展示 ／ 86
10.2.1 基本詞語表 ／ 86
10.2.2 頻次與詞種數(shù) ／ 87
10.2.3 高頻詞語用字統(tǒng)計 ／ 87
10.2.4 高頻詞語詞長統(tǒng)計 ／ 88
10.2.5 覆蓋率與詞種數(shù)關(guān)系 ／ 88
10.2.6 詞性及其頻次的統(tǒng)計結(jié)果 ／ 89
10.2.7 詞性及其詞種數(shù)的統(tǒng)計結(jié)果 ／ 89
10.2.8 成語使用結(jié)果 ／ 89
10.2.9 與《漢語水平詞匯與漢字等級大綱》（詞匯大綱）對比 ／ 90
11 字詞表對比分析 ／ 91
11.1 程序操作圖示 ／ 91
11.1.1 選擇對比項目和參數(shù) ／ 91
11.1.2 打開、保存文件夾 ／ 91
11.1.3 單擊運行程序 ／ 92
11.2 統(tǒng)計結(jié)果展示 ／ 92
11.2.1 頻率差結(jié)果 ／ 92
11.2.2 頻序比結(jié)果 ／ 93
11.2.3 共獨用結(jié)果 ／ 94
12 字詞表分布分析 ／ 95
12.1 程序操作圖示 ／ 95
12.1.1 選擇分布計算的大綱和項目 ／ 95
12.1.2 打開、保存文件夾 ／ 96
12.1.3 單擊運行程序 ／ 96
12.2 統(tǒng)計結(jié)果展示 ／ 97
12.2.1 在《等級大綱》中的分布 ／ 97
12.2.2 在《新漢語水平考試大綱》中的分布 ／ 97
13 詞語搭配抽取及分析 ／ 98
13.1 搭配抽取 ／ 99
13.1.1 程序操作圖示 ／ 99
13.1.2 統(tǒng)計結(jié)果展示 ／ 99
13.2 搭配過濾 ／ 101
13.2.1 程序操作圖示 ／ 101
13.3 搭配分析 ／ 102
13.3.1 程序操作圖示 ／ 102
13.3.2 統(tǒng)計結(jié)果展示 ／ 102
14 詞語按主題聚類 ／ 104
14.1 程序操作圖示 ／ 104
14.1.1 打開、保存文件夾 ／ 104
14.1.2 選擇聚類的底表和詞語數(shù) ／ 105
14.1.3 單擊運行程序 ／ 105
14.2 統(tǒng)計結(jié)果展示 ／ 105
15 篇章風格統(tǒng)計分析 ／ 107
15.1 程序操作圖示 ／ 108
15.1.1 打開、保存文件夾 ／ 108
15.1.2 輸入特定字詞 ／ 108
15.1.3 單擊運行程序 ／ 108
15.2 統(tǒng)計結(jié)果展示 ／ 109
案例篇
16 國際漢語教學語料庫建設(shè) ／ 112
16.1 漢語口語教學語料庫 ／ 112
16.1.1 話題庫建設(shè) ／ 112
16.1.2 話題分類、難度分級的常用會話資源庫 ／ 113
16.2 商務(wù)漢語教材語料庫 ／ 114
16.2.1 商務(wù)漢語教材語料庫 ／ 114
16.2.2 商務(wù)漢語功能項目庫 ／ 114
16.2.3 商務(wù)漢語功能項目分類語料庫 ／ 115
16.3 中小學華文教材語料庫 ／ 116
16.4 少兒漢語教材語料庫 ／ 117
16.4.1 主題庫 ／ 117
16.4.2 教材語料庫 ／ 117
16.4.3 主題分類語料庫 ／ 118
16.5 旅游漢語教材語料庫 ／ 118
16.5.1 旅游漢語教材語料庫 ／ 118
16.5.2 旅游漢語話題分類語料庫 ／ 118
17 全球華語語料庫建設(shè)及功能研究 ／ 120
17.1 全球華語語料庫建設(shè)的必要性和意義 ／ 120
17.2 全球華語語料庫建設(shè) ／ 122
17.2.1 語料庫建設(shè)的基本原則 ／ 122
17.2.2 語料來源與獲取方法 ／ 124
17.2.3 語料庫構(gòu)成及比例 ／ 125
17.2.4 語料庫信息字段及存儲格式 ／ 126
17.3 全球華語語料庫深加工 ／ 127
17.3.1 選取核心庫 ／ 127
17.3.2 分詞標注詞性、人工校對 ／ 128
17.3.3 基本字詞信息統(tǒng)計 ／ 128
17.3.4 音視頻資源標注處理 ／ 128
17.3.5 華裔學習者作文和口語語料庫偏誤標注 ／ 129
17.4 全球華語語料庫網(wǎng)絡(luò)服務(wù)平臺介紹 ／ 129
17.4.1 子語料庫定制系統(tǒng) ／ 129
17.4.2 網(wǎng)絡(luò)版字詞檢索系統(tǒng) ／ 129
17.4.3 網(wǎng)絡(luò)版全文例句檢索系統(tǒng) ／ 129
17.4.4 音視頻資源點播系統(tǒng) ／ 130
17.5 結(jié)語 ／ 130
18 東南亞小學華文教材課文用字研究 ／ 132
18.1 語料和調(diào)查對象說明 ／ 132
18.2 各教材課文用字基本情況 ／ 133
18.2.1 字次與字種數(shù) ／ 134
18.2.2 各教材前100 字共用獨用情況 ／ 134
18.2.3 各教材課文用字在《等級大綱》（漢字大綱）中的分布情況 ／ 136
18.2.4 新加坡兩套教材課文用字對比 ／ 138
18.2.5 越南、泰國、印尼五套教材課文用字對比 ／ 139
18.3 各教材課文用字分年級情況 ／ 140
18.3.1 各教材分年級字次和字種數(shù)基本情況 ／ 140
18.3.2 分年級課文用字的《等級大綱》（漢字大綱）分布情況 ／ 142
18.3.3 課文用字字種數(shù)按年級增量情況 ／ 144
18.4 東南亞小學華文教材和中國小學語文教材課文用字對比 ／ 145
18.4.1 基本情況 ／ 146
18.4.2 分段的共用獨用調(diào)查 ／ 147
18.4.3 基于頻序比的漢字使用對比分析 ／ 149
19 東南亞小學華文教材課文用詞研究 ／ 151
19.1 馬來西亞《華文》教材課文用詞調(diào)查 ／ 151
19.1.1 基本情況 ／ 151
19.1.2 頻次與詞種數(shù)的關(guān)系 ／ 151
19.1.3 詞語的覆蓋率 ／ 152
19.1.4 高頻詞的詞長分布 ／ 154
19.1.5 成語調(diào)查 ／ 155
19.1.6 課文用詞與《等級劃分》（詞匯大綱）的比較 ／ 159
19.1.7 課文用詞按年級統(tǒng)計情況 ／ 160
19.2 馬來西亞《華文》教材課文用詞與新課標小學《語文》對比 ／ 161
19.2.1 基本情況 ／ 161
19.2.2 頻次與詞種數(shù)的關(guān)系對比 ／ 162
19.2.3 詞語的覆蓋率對比 ／ 163
19.2.4 高頻詞的詞長分布 ／ 166
19.2.5 成語的對比分析 ／ 167
19.2.6 按年級對比馬-《華文》與人教新課標《語文》課文用詞情況 ／ 168
19.2.7 高頻詞的頻序比 ／ 170
19.3 東南亞不同層次小學華文教材對比 ／ 171
19.3.1 各層級教材課文用詞基本情況對比 ／ 172
19.3.2 各層級教材課文用詞按年級統(tǒng)計情況 ／ 178
19.3.3 各層級教材課文用詞與《等級劃分》（詞匯大綱）的比較 ／ 187
19.4 結(jié)語 ／ 191
20 少兒漢語話題及話題詞表構(gòu)建 ／ 194
20.1 術(shù)語及語料庫介紹 ／ 195
20.1.1 話題詞表、話題種子詞 ／ 195
20.1.2 詞語聚類 ／ 195
20.1.3 話題詞語、話題通用詞、話題專類詞 ／ 196
20.1.4 相關(guān)語料 ／ 196
20.2 少兒漢語話題與話題庫的構(gòu)建 ／ 199
20.3 少兒漢語話題詞表的構(gòu)建標準與方法 ／ 203
20.3.1 少兒漢語話題詞表的構(gòu)建理論 ／ 203
20.3.2 少兒漢語話題詞表的選詞標準 ／ 205
20.3.3 少兒漢語話題詞表的分類 ／ 205
20.3.4 話題詞表的構(gòu)建方法 ／ 207