deGLOBE德语平衡语料库发布 The deGLOBE German written corpus available

xujiajin

管理员
Staff member
The deGLOBE Corpus (V1.0)

INTRODUCTION

The deGLOBE Corpus (Version 1.0) is a balanced collection of contemporary German written texts, totaling one million words.The text samples in the corpus were gathered and cleaned up by Guying Zhou and four students of German, namely, Zhe Shu, Yingming Song, Yu Sun and Liang Xu, at Beijing Foreign Studies University (BFSU), China.The online version of the deGLOBE Corpus is available at BFSU CQPweb Corpus Portal (http://114.251.154.212/cqp/). Both user ID and passcode are "test".
KEY INFORMATION
Project leader: Guying Zhou of the National Research Centre for Foreign Language Education (NRCFLE), BFSU
Text collectors: Yingming Song of the National Research Centre for Foreign Language Education (NRCFLE), BFSU; Zhe Shu , Yu Sun and Liang Xu of the School of German Studies, BFSU
Time of compilation: September 2021 – September 2022
Size: Approximately one million words
Language: Contemporary German
Number of texts/samples: 500 samples of 2000+ words each (Short texts are pieced together to form one 2000-word text, but saved separately and marked with A, B, C etc. in the filenames.)
Period: The texts were published between 2010 and 2022.
Released in: September 2022
BACKGROUND
On 29 December 2021, Jiajin Xu launched the GLOBE (Global Languages Out of BFSU Expertise) Corpus project, an initiative which aims to collect present-day written texts in all 101 languages that are taught at BFSU. The sampling frame of the Brown Corpus was followed to make the multilingual GLOBE corpus family comparable to the Brown family corpora. The immediate application of the GLOBE is meant to be corpus-based dictionary compilation. The first batch of the corpora covers about 30 languages.
Table 1. Text categories in the GLOBE Corpus.
(Adapted from https://varieng.helsinki.fi/CoRD/corpora/BROWN/basic.html)
Genre groupCategoryContent of category#. of texts
I. Informative prose (374)Press (88)AReportage44
BEditorial27
CReview17
General prose (206)DReligion17
ESkills, trades and hobbies36
FPopular lore48
GBelles lettres, biographies, essays75
HMiscellaneous30
Learned (80)JScience80
II. Imaginative prose (126)Fiction (126)KGeneral fiction29
LMystery and detective fiction24
MScience fiction6
NAdventure and Western29
PRomance and love story29
RHumour9
Total500

The deGLOBE Corpus is a sub-project of the BFSU-funded GLOBE Corpus projects (Ref. 2022SYLZD015 and 2022SYLPY004), whose principal investigator is Prof. Jiajin Xu at the National Research Centre for Foreign Language Education, BFSU.
Please cite: Zhou, Guying et al. 2022. The construction of the deGLOBE Corpus. Yuliaoku Yuyanxue (Corpus Linguistics) 9(2).
 
deGLOBE语料库(1.0版)
介绍

deGLOBE语料库(1.0版)为当代德语平衡语料库。该库总容量约为100万词。
deGLOBE中的语料样本由北京外国语大学中国外语与教育研究中心周顾盈及三位德语专业学生舒哲、孙昱、徐亮及德语二外学生宋瑛明共同采集、加工完成。
该库可通过“北外CQPweb多语种语料库平台”在线访问:http://114.251.154.212/cqp/。账号、密码皆为test。
关键信息
deGLOBE语料库负责人:周顾盈(北外中国外语与教育研究中心)
主要语料文本采集者:宋瑛明(北外中国外语与教育研究中心);舒哲、孙昱、徐亮(北外德语学院)
建库周期:2021年9月至2022年9月
库容:约100万词
语言:当代德语
文本数:500个2000词文本(少于2000词的多个文本会在文件名末尾标注A、B、C等,以标明同属一个2000词的文本。)
文本原始出版年份:所收集文本均发表/出版于2010-2022年间。
语料库发布时间:2022年9月
背景
2021年12月29日,北外启动了“北外全球语料库集群”项目,又称“GLOBE语料库”项目。GLOBE的英文全称为Corpus of Global Languages Out of BFSU Expertise。该语料库集群旨在建设北外开设的101个语种的当代书面语语料库。
北外全球语料库集群中的单语平衡库借鉴布朗语料库的采样方案,使之与现有布朗家族语料库具有可比性,从而可开展相关外英或外汉对比研究。建设该系列语料库的首要应用目的是开展基于语料库的多语种词典编纂。首批建设的GLOBE家族语料库约为30个语种。
表1. 语料类型及相应篇数
(改自https://varieng.helsinki.fi/CoRD/corpora/BROWN/basic.html)
体裁大类体裁
类型
子体裁代码子体裁
类型说明
文本数量(篇)
信息类(374篇)新闻A新闻报道44
B社论27
C报刊评论17
通用D宗教17
E日常技艺及消遣爱好36
F通俗读物48
G传记、回忆录等75
H政府或机构公文及文宣30
学术J学术80
虚构类
(126篇)
小说K一般小说50
L侦探小说12
M科幻小说12
N历险悬疑小说13
P言情小说30
R幽默9
合计500
deGLOBE德语平衡语料库是北外中国外语与教育研究中心许家金教授主持的北外双一流项目“北外全球语料库集群”(项目编号:2022SYLZD015及2022SYLPY004)的子课题。
deGLOBE德语平衡语料库的引用方法:周顾盈等,2022,deGLOBE德语平衡书面语语料库的创建,《语料库语言学》(2)。
 
Das deGLOBE-Korpus (V1.0)
Einleitung

Das deGLOBE-Korpus (Version 1.0) ist eine ausgewogene Sammlung von geschriebenen deutschsprachigen Texten aus der Gegenwart mit insgesamt einer Million Wörtern.
Die Textstücke im Korpus wurden von Guying Zhou und vier Studierenden des Fachs Germanistik, nämlich Yingming Song, Zhe Shu, Yu Sun und Liang Xu, der Beijing Foreign Studies University (BFSU), China, gesammelt.
Die Online-Version des deGLOBE-Korpus ist unter http://114.251.154.212/cqp/ verfügbar. Sowohl Benutzer-ID als auch Passcode sind „test".
SCHLÜSSELINFORMATION
Projektleiterin: Guying Zhou, National Research Centre for Foreign Language Education (NRCFLE), BFSU
Textsammler*innen: Yingming Song, National Research Centre for Foreign Language Education (NRCFLE), BFSU; Zhe Shu, Yu Sun und Liang Xu von der School of German Studies, BFSU
Erstellungszeitraum: September 2021 – September 2022
Umfang: Ungefähr eine Million Textwörter
Sprache: Zeitgenössisches Deutsch
Anzahl der Textsamples: 500 Textauszüge mit je 2000+ Wörtern (Kurztexte werden zu einem 2000-Wörter-Textsample zusammengesetzt, aber separat gespeichert und mit A, B, C etc. im Dateinamen gekennzeichnet.)
Erscheinungszeitraum der gesammelten Texte: 2010 – 2022
Veröffentlichung des Korpus: im September 2022
HINTERGRUND
Am 29. Dezember 2021 startete Prof. Dr. Jiajin Xu das Projekt GLOBE-Korpora (Global Languages Out of BFSU Expertise). Das Ziel der Initiative ist die Sammlung von zeitgenössischen, schriftlichen Texten in allen 101 Sprachen, die an der BFSU unterrichtet werden. Um die mehrsprachigen Korpora der GLOBE-Familie mit den Korpora der Brown-Familie vergleichbar zu machen, wurde das Stichprobenverfahren des Brown-Korpus übernommen. Die unmittelbare Anwendung von GLOBE-Korpora ist die korpusbasierte Wörterbucherstellung. Die erste Serie der GLOBE-Korpora umfasst etwa 30 Sprachen.
Tabelle 1. Textkategorien im GLOBE-Korpus.
(nach https://varieng.helsinki.fi/CoRD/corpora/BROWN/basic.html adaptiert)
TextsorteKategorieInhalt der Kategorie#. der Texte
I.
Gebrauchsprosa (374)
Zeitung (88)AReportage44
BEditorial27
CRezension17
Gebrauchsliteratur (206)DReligiöser Text17
EAnweisung36
FFolklore48
GBiografie75
HBericht und offizielles Dokument30
Wissenschaft (80)JFachliteratur80
II.
Literarische Prosa (126)
Belletristik (126)KAllgemeine Fiktion29
LKrimi und Thriller24
MScience-Fiction6
NAbenteuerroman29
PLiebesroman29
RHumor9
Total500
Das deGLOBE-Korpus ist ein Teilprojekt des von der BFSU finanzierten GLOBE-Korpus-Projekts (Ref. 2022SYLZD015 und 2022SYLPY004), dessen leitender Forscher Prof. Dr. Jiajin Xu am National Research Centre for Foreign Language Education (NRCFLE), BFSU ist.
 
Back
顶部