现想针对大学生四六级作文中的搭配情况进行研究，可是不解的是怎样对clec的st3和st4中的作文进行随机取样，它是一个整体啊（我用的是wst 3.0）
clec只有字数说明 没有篇数说明啊
还有 我只想从最简单的研究做起，只当是练习 不知100篇是否有价值？
clec只有字数说明 没有篇数说明啊
还有 我只想从最简单的研究做起，只当是练习 不知100篇是否有价值？
怯怯地问个低级问题
- 主题发起人 lansingzhu
- 时间
回复: 怯怯地问个低级问题
谢谢许博
如果是硕士论文，不知最少应该多少篇，应该怎样随机选取预料呢，重新建立文本文档么
谢谢许博
如果是硕士论文，不知最少应该多少篇，应该怎样随机选取预料呢，重新建立文本文档么
回复: 怯怯地问个低级问题
楼上误解了。我是说
楼上误解了。我是说
[FONT=宋体]clec的这两个子库是把许多作文放到一个大文档里，（这与文老师的[/FONT]sweccl[FONT=宋体]不同，每篇作文是单独的文档，这样方便随机取样），随机取样怎么进行，需要手工剪切粘贴到新文档里么？[/FONT]
回复: 怯怯地问个低级问题
在EditPlus里使用Regular Expression查找和替换，把那个大文档以每篇作文为单独的文档进行分切，完成后随机取样不就行了。例如，ST2 就可以分成1483个，ST3 就可以分成1317个等....
也可以适用WordSmith里的Splitter来进行文本分切。具体怎么做，阅读说明。
在EditPlus里使用Regular Expression查找和替换，把那个大文档以每篇作文为单独的文档进行分切，完成后随机取样不就行了。例如，ST2 就可以分成1483个，ST3 就可以分成1317个等....
也可以适用WordSmith里的Splitter来进行文本分切。具体怎么做，阅读说明。
回复: 怯怯地问个低级问题
thanks so~ much, laohong! it's of great help to me.
thanks so~ much, laohong! it's of great help to me.
回复: 怯怯地问个低级问题
laohong, 我在分切文档时遇到麻烦：对clec光盘里的st3进行切分，end of text separator设置为<ST 3>, 文件成功切分，而且也是1317个，但是得到的所有小文档都只含有有<>,什么内容也没有，可是用同样的方法切分st4却没有问题。我比较了下，发现st3中每篇文章之间有空行，st4没有，所以我想应该是separator有问题，可是试了几个都不行，你又什么办法？
谢谢！
laohong, 我在分切文档时遇到麻烦：对clec光盘里的st3进行切分，end of text separator设置为<ST 3>, 文件成功切分，而且也是1317个，但是得到的所有小文档都只含有有<>,什么内容也没有，可是用同样的方法切分st4却没有问题。我比较了下，发现st3中每篇文章之间有空行，st4没有，所以我想应该是separator有问题，可是试了几个都不行，你又什么办法？
谢谢！
回复: 怯怯地问个低级问题
WordSmith Splitter的bug， 这里是解决办法：
1、用EditPlus打开ST3文本，敲菜单中Search， Replace， 然后在Find What里填入\n\n，在Replace With里填入\n，勾选Regular Expression，敲Replace All得到没有空行的新文件；
2、然后敲菜单中Search， Replace， 然后在Find What里填入<ST 3>，在Replace With里填入</text>\n<ST 3>，勾选Regular Expression，敲Replace All得到新文件；
3、删掉新文件的第一行，存下；
4、打开WordSmith Splitter， 在End of text separator里删掉!#，填入</text>；并把Bracket first line后的勾去掉，OK即可进行分割。
WordSmith Splitter的bug， 这里是解决办法：
1、用EditPlus打开ST3文本，敲菜单中Search， Replace， 然后在Find What里填入\n\n，在Replace With里填入\n，勾选Regular Expression，敲Replace All得到没有空行的新文件；
2、然后敲菜单中Search， Replace， 然后在Find What里填入<ST 3>，在Replace With里填入</text>\n<ST 3>，勾选Regular Expression，敲Replace All得到新文件；
3、删掉新文件的第一行，存下；
4、打开WordSmith Splitter， 在End of text separator里删掉!#，填入</text>；并把Bracket first line后的勾去掉，OK即可进行分割。
回复: 怯怯地问个低级问题
谢谢laohong的热心回答！非常感激laohong花时间回答一些菜鸟的低级问题。要知道初学者尤其是自学的初学者会遇到各种问题，这种问题对高手来说可能不屑一顾，可是对他们来说却十分苦恼，找不到出路且无从下手，即使是看书或相关帖子也找不到答案，只好抱着惴惴不安的心情到论坛上求助，希望高手理解。
另外，在laohong指点之前，我自己也摸索了一个办法，解决了我的问题，办法虽然苯，但是解决了（嘿嘿，窃喜）。我是手工把st3.txt文件改了一下，在文本标头和作文之间加了回车。使作文另起一段，花了我近两个小时，不过也比守着论坛干等着强啊。
再次感谢！
谢谢laohong的热心回答！非常感激laohong花时间回答一些菜鸟的低级问题。要知道初学者尤其是自学的初学者会遇到各种问题，这种问题对高手来说可能不屑一顾，可是对他们来说却十分苦恼，找不到出路且无从下手，即使是看书或相关帖子也找不到答案，只好抱着惴惴不安的心情到论坛上求助，希望高手理解。
另外，在laohong指点之前，我自己也摸索了一个办法，解决了我的问题，办法虽然苯，但是解决了（嘿嘿，窃喜）。我是手工把st3.txt文件改了一下，在文本标头和作文之间加了回车。使作文另起一段，花了我近两个小时，不过也比守着论坛干等着强啊。
再次感谢！
如何区分clec 语料库中4，6级(st3, st4) 作文中的考试作文和自由作文？
只能回帖还不能发新帖，所以就发在这里了。
请教大家：
我想区分一下Clec 语料库中4，6级考试作文和自由作文， 手头有书和光盘。据书上说这两个字库里有少量的自由作文，想把这部分自由作文清理出去， 但是看了下光盘上的数据， 不知道哪些是自由作文，只知道说有六个考试题目， 书上也没有提哪六个题目， 要不然还可以根据题目搜索。书上有提到考试作文有30万文字，而st3, st4的考试作文和自由作文加在一起是40万字左右。 那么该怎么区分哪些是自由作文，哪些是考试作文呢？
作文前面有一些标记 <WAY 1> <TYP 1> <SCH 2703> <DIC ?> 等等，但是不知道它们是什么意思， 书上也没有说。 哪位高手可以帮一下吗？ 万分感谢！
只能回帖还不能发新帖，所以就发在这里了。
请教大家：
我想区分一下Clec 语料库中4，6级考试作文和自由作文， 手头有书和光盘。据书上说这两个字库里有少量的自由作文，想把这部分自由作文清理出去， 但是看了下光盘上的数据， 不知道哪些是自由作文，只知道说有六个考试题目， 书上也没有提哪六个题目， 要不然还可以根据题目搜索。书上有提到考试作文有30万文字，而st3, st4的考试作文和自由作文加在一起是40万字左右。 那么该怎么区分哪些是自由作文，哪些是考试作文呢？
作文前面有一些标记 <WAY 1> <TYP 1> <SCH 2703> <DIC ?> 等等，但是不知道它们是什么意思， 书上也没有说。 哪位高手可以帮一下吗？ 万分感谢！
