求教XML标注语料库的检索

R

ruy_lau

各位老师好，我想在薛学彦老师创建的大学英语教材语料库（COLEN）中检索包含被动语态的索引句，打开标记文件发现好像是用XML标注的（我才开始学习语料库，也不知道自己的理解是否正确，标记语言是以尖括号的形式成对出现的），我试了好久，没办法像词+码的标注那样用正则表达式检索出来，请问各位老师这样形式的标记应该怎样进行检索呢？实在很想知道，希望能得到老师们的指点，谢谢！
 
Haiyang Ai

Haiyang Ai

Administrator
用 AntConc，在 Concordance 检索时不用勾选 Words, Case, Regex，通配符 * 就可以
<w BE?>*</w> <w VBN>*</w>
 
R

ruy_lau

之前百思不得其解，只好用TreeTagger将PLAIN文本做了词_码的转换，这才用正则式检索到想要的结果。艾老师教的这个方法方便多了，谢谢您的指点，但是我没看明白这个检索式的意思，VBN在TreeTagger和CLAWS赋码集中不是表示been吗，为什么能检索到诸如known的过去分词呢？如果想检索到been和done之间有否定词或副词修饰的情况，又应该用什么检索式呢？想要进一步了解“如何检索这种尖括号形式的标记”，在哪里可以找到相关学习资料呢？我的语料库学习还处于入门阶段，艾老师见笑了，恳请能得到您的帮助，谢谢您！
 
You must log in or register to reply here.
顶部