中英语料库对比问题

[bettyccnu]

各位高手前辈好！最近想做一个关于中英文歌词语言中超常规搭配现象对比的研究。在准备小小的语料库的时候有个疑问，用什么来衡量这两个语料库的对应程度呢？是从语篇的数量上还是总字数上呢？例如，是说中英文各100首歌歌词还是中英文各3万字呢？谢谢解答！

 

[leanne]

回复: 中英语料库对比问题

各位高手前辈好！最近想做一个关于中英文歌词语言中超常规搭配现象对比的研究。在准备小小的语料库的时候有个疑问，用什么来衡量这两个语料库的对应程度呢？是从语篇的数量上还是总字数上呢？例如，是说中英文各100首歌歌词还是中英文各3万字呢？谢谢解答！

会不会没结论呢？中，你指的是哪中方言啊，只是普通话吗？普通话有台湾省的因素，如果他们的搭配有不同，能代表全中国吗？如果不能，你的选择是否很难找到较多歌词？英，你指哪国的英？泛指？全世界？我觉得这是很需要解决的问题，而不是数量的多少或字数的多少。

 

[volfer]

回复: 中英语料库对比问题

100首肯定太少了。1000首差不多吧。正如leanne说的，如何选取有代表性的语料，是个问题。歌曲类型，歌手（不能全是一两个人的吧），年代，等等，都要考虑的。

 

[bettyccnu]

回复: 中英语料库对比问题

中文仅限于普通话（包括台湾和香港歌手的普通话歌曲），英文也没有特别限定。因为找的歌词是从2000-10年中英文歌曲权威排行榜前10（剔除粤语歌）中选取的，因此应该具有一定的普遍性吧！

 

[zhouwj1]

什么叫reference corpora

请教楼主一个小小的问题：什么叫reference corpora？使用条件是什么？即，何时可以为相互reference？
万分感谢。

 

[volfer]

回复: 什么叫reference corpora

请教楼主一个小小的问题：什么叫reference corpora？使用条件是什么？即，何时可以为相互reference？
万分感谢。

reference corpus意为参照语料库，是针对你研究所选取的语料库（称为observed corpus观察语料库）作为参照的，其作用就如同一把尺子，提供相应的参照标准。例如LZ要研究歌词的语言特征，那么可以自己先建立一个英文歌词语料库，再选取一个通用语料库，如美国英语口语语料库，作为reference corpus。两相比较，如通过主题词表，就可以发现歌词与普通日常口语不同的显著语言特征。通常参照语料库与观察语料库应尽量保持一致。如后者为口语语料库，那么前者也必须是口语库。且通常前者的库容要比后者大些。