如何使用标注好的语料库阿——一个弱智问题

[greatlion]

我用Gotagger对生语料库进行了自动标注，然后再检索，奇怪的是，没有标注的时候，我检索一个词， 比如people， Antconc3.2还可以行，现在标注完了，检索什么都没有啊。迷茫。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

应该是两个软件所使用的附码形式不匹配引起的问题。用Gotagger标注完的文本使用的是Word_Tag（下划线）的形式，而Antcon所适用的要么是未附码的文本，要么是带<Tag>（尖括号）附码的。
可以使用Dr. Xiao在该坛子里提供的Perl程序，将Gotagger附码后的语料转换为附码在尖括号内的后，再使用Antcon检索即可，

 

[oscar3]

回复: 如何使用标注好的语料库阿——一个弱智问题

我用Gotagger对生语料库进行了自动标注，然后再检索，奇怪的是，没有标注的时候，我检索一个词， 比如people， Antconc3.2还可以行，现在标注完了，检索什么都没有啊。迷茫。

你是不是設置的問題，檢查一下Global settings里面的設置。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

更改附码形式的方法及程序在这里：
http://www.corpus4u.org/showthread.php?t=1682

 

[greatlion]

回复: 如何使用标注好的语料库阿——一个弱智问题

谢谢大家，呵呵。感觉真得很好，大家互相出谋划策。我正在收集生语料，建库。（虽然信度赶不上权威的语料库）。

 

[oscar3]

回复: 如何使用标注好的语料库阿——一个弱智问题

应该是两个软件所使用的附码形式不匹配引起的问题。用Gotagger标注完的文本使用的是Word_Tag（下划线）的形式，而Antcon所适用的要么是未附码的文本，要么是带<Tag>（尖括号）附码的。
可以使用Dr. Xiao在该坛子里提供的Perl程序，将Gotagger附码后的语料转换为附码在尖括号内的后，再使用Antcon检索即可，

应该不存在这种问题，本人经常使用Antconc 检索word_tag风格的标注语料也并没有出现问题。Antconc 可以兼容其他格式的标注风格。请参见截图。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

很明显，oscar3所提供的截图中有一个很值得注意的地方：在search Term中，所给的三个选项words、case和regex 没有选中任何一个。
我想这肯定会引出个问题，即检索准确度的问题。用oscar3的检索办法， 如果检索词是the,使用word_tag形式的语料进行检索后，所得到的检索行中的结点词除了包含有the之外，还会有其他含有the字符的词，如another.furtherd等。
请见下面截图。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

上面一张截图不清楚，再上传一张。

 

[oscar3]

回复: 如何使用标注好的语料库阿——一个弱智问题

很明显，oscar3所提供的截图中有一个很值得注意的地方：在search Term中，所给的三个选项words、case和regex 没有选中任何一个。
我想这肯定会引出个问题，即检索准确度的问题。用oscar3的检索办法， 如果检索词是the,使用word_tag形式的语料进行检索后，所得到的检索行中的结点词除了包含有the之外，还会有其他含有the字符的词，如another.furtherd等。
请见下面截图。

chrisyang的问题我有点不明白。以上oscar3的提供的检索示例截图仅仅是想说明，word_tag风格的标注语料无需转换成<>形式，同样可以用Antconc来检索。举例仅限于此目的，oscar3并没有说所有的Antconc检索仅有此一种方法，请不要误解。是否选择words，case，regex要根据检索的目的来决定，如果检索的是词（words），当然要选择words前面的复选框，而如果检索的是字串而不是词，就没有必要选择words复选框。所以，在没有限定检索目的的条件下，我认为很难判断检索结果准确与否。希望，我已经将问题讲清楚而不至于再引起误会。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

谢谢oscar3的解释！regex检索功能强大，chrisyang正在学习使用PowerGrep, 对其还只是略知皮毛。但是我还是想知道，如何具体设置Antconc（我这边用的是Antconc 3.2.0）才能对word_tag形式的语料进行词（words）的检索。
希望能够利用下面提供的语料给个截图解释一下。向您学习啦！

 

[oscar3]

回复: 如何使用标注好的语料库阿——一个弱智问题

谢谢oscar3的解释！regex检索功能强大，chrisyang正在学习使用PowerGrep, 对其还只是略知皮毛。但是我还是想知道，如何具体设置Antconc（我这边用的是Antconc 3.2.0）才能对word_tag形式的语料进行词（words）的检索。
希望能够利用下面提供的语料给个截图解释一下。向您学习啦！

呵呵，我也并非专家，只是一个业余的语料库爱好者，关于Antconc检索中的设置问题你可以查查本坛里关于Antconc的帖子，相关的帖子大概有好几个，内容非常翔实，恕不重复。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

与Antconc使用有关的帖子汇总

1. 请问antconc的concordance 的检索功能的高级检索context功能如何使用？
http://www.corpus4u.org/showthread.php?t=3424
2. 用AntConc统计语料中模糊限制语的出现频率,请问需要编码?
http://www.corpus4u.org/showthread.php?t=3186
3. 用AntConc处理中文concordance, wordlist, N-gram
http://www.corpus4u.org/showthread.php?t=1714
4. keyword in AntConc
http://www.corpus4u.org/showthread.php?t=3138
5. 请问如何用Antconc3.2.1 来统计英语新闻中的n+n搭配？
http://www.corpus4u.org/showthread.php?t=3118
6. AntConc3.2加入了file-based concordancing功能
http://www.corpus4u.org/showthread.php?t=2345
7. AntConc的cluster功能
http://www.corpus4u.org/showthread.php?t=2617
8. AntConc3.2.0 New Release Announcement
http://www.corpus4u.org/showthread.php?t=2501
9. AntConc Lastest Release 060907
http://www.corpus4u.org/showthread.php?t=2326
10. [求助]请问使用Antcon如何检索二词以上词组的搭配词
http://www.corpus4u.org/showthread.php?t=2248
11. AntConc 3.1.3 for Windows and Linux
http://www.corpus4u.org/showthread.php?t=1471
12.AntConc Keyword list generation function
http://www.corpus4u.org/showthread.php?t=1474

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

又老老实实趴在坛子里把有关Antconc使用的帖子看了一遍，发现多数帖子都在讨论如何使用Antconc的高级使用功能以及用Antconc处理中文，似乎没有一个帖子提到Antconc 3.2.0以及以前版本对不同形式附码语料（特别是word_tag形式，而<tag>形式是其默认格式）检索时进行设置的问题。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

chrisyang用Antconc 3.2.0（包括以前的3.1.2和3.1.3）试验过很多次，发现这个版本在Search term 设置为Words时，根本无法对word_tag格式的英语语料进行处理。即使是在其Global Settings－Token/word definition－User-defined Definition中加入"_"后，还是无法处理Word_tag形式语料。

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

刚从中国外语教育研究中心BBS 网站上下载到了Antconc 3.2.1，试了一下，对Word_tag形式的语料很容易处理。即使使用其默认设置，也没有出现Search term 设置为Words时无法检索到的情况。

chrisyang已经习惯用WST3.0/4.0了，刚开始对Antconc也没有太在意。这次真让我收获不小啊！
真应了那句话：学问是苦藤上结出来的甜瓜啊！

 

[chrisyang]

回复: 如何使用标注好的语料库阿——一个弱智问题

再发两张截图作为结束语吧