问“中国英语(China English)语料库（河南师范大学）”的详细情况?
- 主题发起人 一江春水
- 时间
xieang_007
初级会员
今晚他又到PLA University of Foreign Languages讲座了，还真抢手呢，他要在2007年出一本六卷的CL合集，是IJOCL文章的大杂烩，据说可以当Handbook用。
回复: 问“中国英语(China English)语料库（河南师范大学）”的详细情况?
我也好想知道啊～～～
以前找到过一篇关于CEC标注的文章，希望对大家有用。见下面附件
我也好想知道啊～～～
以前找到过一篇关于CEC标注的文章，希望对大家有用。见下面附件
xusun575
高级会员
回复: 问“中国英语(China English)语料库（河南师范大学）”的详细情况?
谢谢fionale提供CEC标注方法的文章，对语料库建设很有借鉴参考意义。
若理解无误，该文的CEC建库的思路可总结为：
1.文本收集；2.文本分类;
3.Head info标注(头部信息,包括"元元信息"和"文献信息";XML标准、TEI 标注模式附码)；
4.Body info标注（三维“词坐标标注”和库建成后的“词性标注”）
请教两点：
一、什么是“点对点的直接搜索”，在什么情况下需要进行“点对点的直接搜索”？有什么替代方式吗？
二、“三维”词坐标标注在单语和双语CEC语料库的意义。
引文如下：
此外，由于目前我们正在建库，希望见到一份直观的标注样本供我们学习借鉴。谢谢！
谢谢fionale提供CEC标注方法的文章，对语料库建设很有借鉴参考意义。
若理解无误，该文的CEC建库的思路可总结为：
1.文本收集；2.文本分类;
3.Head info标注(头部信息,包括"元元信息"和"文献信息";XML标准、TEI 标注模式附码)；
4.Body info标注（三维“词坐标标注”和库建成后的“词性标注”）
请教两点：
一、什么是“点对点的直接搜索”，在什么情况下需要进行“点对点的直接搜索”？有什么替代方式吗？
二、“三维”词坐标标注在单语和双语CEC语料库的意义。
引文如下：
“三维词坐标标注模式③
为了对语料库中单个文本以及文本中每个词、句子以及段落实现实时有效定位,CEC 政府文件子语料库和整个大语料库一样,在语料库建设的后期对每个词、句子和段落进行三维坐标标注。三维词坐标标注方案是一项基于Java 算法的语料标注方案。在标注中对文本中的每一个词都以数学坐标的方式赋予特定标签,标签由数位阿拉伯数字组成。(刘国兵,2008) 如我们把段落值标记为X,句子标记为Y,而词标记为Z ,所以一个词在语料库中的标记就可以写为XXX2YYY2ZZZZ 的形式。我们把所有词的三维坐标值都记录到语料库的附件中,那么当我们在搜索某一个词的时候,计算机就打破了以往传统的搜索模式,有效地实现了点对点的直接搜索,大大提高了其工作效率。”
为了对语料库中单个文本以及文本中每个词、句子以及段落实现实时有效定位,CEC 政府文件子语料库和整个大语料库一样,在语料库建设的后期对每个词、句子和段落进行三维坐标标注。三维词坐标标注方案是一项基于Java 算法的语料标注方案。在标注中对文本中的每一个词都以数学坐标的方式赋予特定标签,标签由数位阿拉伯数字组成。(刘国兵,2008) 如我们把段落值标记为X,句子标记为Y,而词标记为Z ,所以一个词在语料库中的标记就可以写为XXX2YYY2ZZZZ 的形式。我们把所有词的三维坐标值都记录到语料库的附件中,那么当我们在搜索某一个词的时候,计算机就打破了以往传统的搜索模式,有效地实现了点对点的直接搜索,大大提高了其工作效率。”
此外，由于目前我们正在建库，希望见到一份直观的标注样本供我们学习借鉴。谢谢！
xusun575
高级会员
回复: 问“中国英语(China English)语料库（河南师范大学）”的详细情况?
Some large online corpora like the BYU corpora rely on indexing for speed. Offline corpus exloration tools like Xaira also index corpora before they can be searched.
The files on your computer are also indexed constantly to expedite searching (but you can choose to turn off the indexing service). So indexing is not a new technology in information retrieval.
Some large online corpora like the BYU corpora rely on indexing for speed. Offline corpus exloration tools like Xaira also index corpora before they can be searched.
The files on your computer are also indexed constantly to expedite searching (but you can choose to turn off the indexing service). So indexing is not a new technology in information retrieval.
