小 小其子 2013-05-05 #1 大家好，我已经收集了几十篇汉语文章，是从Pdf格式转换成Text格式，还没做标注整理。请问 1.直接转换过来的Text文本需要做些其他什么处理呢？ 2.里面出现的页码数字可否删除？ 3. 我只需要概率和频率数据，以及一些关键词的搜索处理，还不需要句型处理，需要使用到什么工具呢？ 去年参加了外研社的语料库基础课程研修班，初步了解了语料库，里面介绍的工具不知道能否运用在汉语方面。比如ANTCONC。 谢谢指教。
大家好，我已经收集了几十篇汉语文章，是从Pdf格式转换成Text格式，还没做标注整理。请问 1.直接转换过来的Text文本需要做些其他什么处理呢？ 2.里面出现的页码数字可否删除？ 3. 我只需要概率和频率数据，以及一些关键词的搜索处理，还不需要句型处理，需要使用到什么工具呢？ 去年参加了外研社的语料库基础课程研修班，初步了解了语料库，里面介绍的工具不知道能否运用在汉语方面。比如ANTCONC。 谢谢指教。
xujiajin 管理员 Staff member 2013-05-05 #2 回复: 自建一个小型的汉语语料库 汉语用BFSU PowerConc1.0beta20.zip检索比较方便 http://ishare.iask.sina.com.cn/f/35649470.html
小 小其子 2013-05-06 #3 回复: 自建一个小型的汉语语料库 作者 xujiajin: 汉语用BFSU PowerConc1.0beta20.zip检索比较方便 http://ishare.iask.sina.com.cn/f/35649470.html Click to expand... 非常感谢许老师，去年有幸听了你的课，受益匪浅！
回复: 自建一个小型的汉语语料库 作者 xujiajin: 汉语用BFSU PowerConc1.0beta20.zip检索比较方便 http://ishare.iask.sina.com.cn/f/35649470.html Click to expand... 非常感谢许老师，去年有幸听了你的课，受益匪浅！
X xizero00 2013-05-06 #4 回复: 自建一个小型的汉语语料库 你首先需要对这些语料进行标注-》赋码然后就可以做成语料库了 如果想读取pdf，你可能需要了解tika，来读取pdf里面的文字。
