搜寻结果

It took me time to do this stuff, and any bombings and comments are really appreciated. http://corpus.htu.cn AND observation of rules posted ARE also greatly, thankfully appreciated.

我顺着本站提供的链接，下载了TAIParse Part-of-Speech (POS) Tagger。结果如下： And/CC Durbeyfield/UNKNOWN lay/UNKNOWN back/UNKNOWN comfortably/RB on/IN [ the/DT grass/NN ] ./. '/' 这个结果和 TOSCA/LOB 相比： <w CC>And</w> <w NP>Durbeyfield</w> <w VBD>lay</w> <w RP>back</w> <w RB>comfortably</w> <w IN>on</w> <w...

作为一个商业软件，BNC 的安装确实复杂了些，因为大家都复制。所以，我从来就没有使用它的应用程序，而使用自己的方法。 本人对 BNC 做了一些修改，使其真正成为 xml 格式的语料库。修改后的格式为： <!--s--><w NN1>Beer</w> <w VVZ>seems</w> <w DT0>such</w> <w AT0>a</w> <w AJ0>simple</w> <w NN1-VVB>drink</w> <w CJT>that</w> <w PNP>we</w> <w VVB>tend</w> <w TO0>to</w> <w VVI>take</w> <w...

前两天看了出版社寄来的 SWECCL 语料库，看了以后不禁失望。 三张光盘，其中两张多的内容是声音，而文本的内容约 78mb。当然，这已经很不容易了。我本人的体会也很深。 就说这 78mb 的文本，除了raw data之外，标注文本的内容随便引用几行 [WECCL\Tagged Data\Narration\A1147ND.CLS:1-6] ： <s> <WCOMP> <NAR> <GRADE1> <YR03> <TIMED> <SCORE?> <LENGTH362W> Join <VV0> Us <PPIO2> ! <!> </s> <s> It <PPH1> is...

COLEN 语料库是我在2003年前后建立的一个“教材文本”库。当时主要用于网站浏览，后来就把它标注，自己在课堂上使用。 COLEN 收集了我国大学英语教材中的阅读文章，共930篇。 COLEN 的结构为 xml 结构，头部信息大都没有提供，但正文部分使用 TOSCA/LOB 标注，它的准确率大概有 95% 左右。 COLEN 从标注的角度来讲应该是一个标准的 POS-TAGGED CORPUS，它的词性码结构如下： <!--s--><w ATI>The</w> <w NN>idea</w> <w IN>of</w> <w VBG>becoming</w> <w...