搜寻结果

BootCat是Bootstrap Corpora and Terms的缩写，是WaCky (Web-As-Corpus Kool Yinitiative)兴趣小组开发的软件，用于从互联网自动采集语料。可按用户指定的搜索词（称为seeds）借助Bing.com搜索引擎从网络上搜索网页，然后下载到本地硬盘构成语料库。这个软件被SketchEngine用作采集网络语料的后台工具（称为WebBootCaT）。由于SketchEngine是收费的，而且对试用用户有不少限制，而BootCat则是自由软件，因此强烈推荐有兴趣者下载安装BootCat。 说明： 1. 需要先在电脑系统中安装JRE。...

Hi, you could try the "Restricted Query" menu item.

I assume that you mean LOCNESS. You could search this forum for related posts. BTW, LOCNESS is a corpus of written English.

http://corpora.lancs.ac.uk/lancsbox/ LancsBox是2015年由Lancaster University的Vaclav Brezina等开发的基于Java的工具，用于从语料中提取特定词的搭配，按搭配强度以动态图形方式显示出来，并可继续显示其中的某些搭配词的搭配词，这样方便观察二者的共同搭配，非常直观生动。该工具同时也包含了一个比较简单的KWIC检索。

You can go to https://cqpweb.lancs.ac.uk/ and export a specified part of BNC.

词性标注工具只标表面的词性，不可能标转换过程，过程是隐性的

语料库工具只是计算机程序，对语言一窍不通，只能通过语言表面形式来检索。隐喻则是语义层面的，与形式没有明确对应关系，所以要用语料库工具来检索隐喻原则上办不到。建议做文献检索，看人们对用自动方法识别隐喻表达的诸多看法。

今年十月份我跟Laurence确认了这个bug，他迅速发布了1.1.1版，此问题已解决。

asking说得对，古汉语没有可用的分词工具，目前的主要方法是以字为单位字间加空格。不过古文中的字多义和歧义现象太多，不好计算TTR，勉强计算意义非常有限。 至于译文的排比结构与句式有关，要看定义为句子层面还是短语层面。如果是句层面可先做sentence split，然后再选择性地找某些排比结构。 另外估计你想将原文与译文相对照检索，这就需要对齐了。建议看下AntPConc软件

sourceforge上可以下载xaira-1.26版的msi安装文件。检索肯定离不开index，索引文档非常复杂，也很占空间。不过为了检索BNC还是值得的。 另外也可以上cqpweb.lancs.ac.uk 来检索

TIBETAN FOLK TALES CORPUS Source: http://www.sacred-texts.com/asia/tft Compiler: Jiayue Wang Time: 9 December 2016 The texts were extracted from web pages downloaded from the website. Each line that begins with a hashtag (#) indicates the webpage and its relative path in the...

如armstrong所说，AntConc经过一点设置可以直接检索未分词的汉语和日语文本。MLCT (Multilingual Corpus Tool)也可以。 仅检索其实不难，其他就要看想怎么分析了

这本教材里每章后面有很好的练习 McEnery, T. and Hardie, A. 2011. Corpus linguistics : method, theory and practice. Cambridge: CUP.

Copyright note about the open-domain texts at sacred-texts.com: http://www.sacred-texts.com/cnote.htm

BUDDHIST SACRED TEXTS CORPUS Source: http://www.sacred-texts.com/bud Compiler: Jiayue Wang Time: 8 December 2016 The texts were extracted from web pages downloaded from the website. Each line that begins with a hashtag (#) indicates the webpage and its relative path in the...

你要标的是词还是短语？如果是短语层面，CLAWS或TreeTagger做不到，需要用到语义分析了。其实多数分析器是基于词表和术语表的，计算机要先知道哪些是术语才能正确标出来。NLP界现在很多人在研究multiword expressions (MWEs)

Hi, Go to this url http://www.sacred-texts.com/bud/ and you can build one for yourself

Hi Kayee, Lawrence Anthony and Claire Hardaker's tool FireAnt can be used to extract and analyse Twitter stuff. Check this out: http://www.laurenceanthony.net/software/fireant/

据我所知还不存在古代汉语的分词系统

从网页中提取文本制作语料库时会发现网页中包含大量重复性内容，如copyright, ads, headers, footers等等。这些显然不是这类语料库使用者所关心的内容。我近期就遇到这个问题。由于建设这类语料库要处理的网页数量往往特别多，手工删除这些并不现实。 推荐使用jusText工具，是用python实现的，有效去除语料中的多余杂质，保持肌肤活力。 http://corpus.tools/wiki/Justext Quick start wget -O page.html http://planet.python.org/ justext -s English...