语料库

2018-09-06 14:12:54 所属分类：自然语言处理

语料库一词在语言学上意指大量的文本，通常经过整理，具有既定格式与标记；事实上，语料库英文 "text corpus" 的涵意即为 "body of text"。

目录

1 语料库列表
- 1.1 多语
- 1.2 英文
- 1.3 中文
2 外部链接

语料库列表

多语

点通多语言语音语料库
宾州大学语料库
XML 语料库

英文

Collin's Cobuild Project - 成果：Collin's当代英语辞典、及当代英语文法。

中文

中央研究院平衡语料库
LIVAC汉语共时语料库
北京大学语料库
兰开斯特大学汉语平衡语料库
兰开斯特-洛杉矶汉语口语语料库
语料库语言学在线
北京森林工作室汉语句义结构标注语料库^{[永久失效链接]}

外部链接

Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese
开放式目录计划中和Computational Linguistics相关的内容
ACL SIGLEX Resource Links: Text Corpora
The Leipzig Glossing Rules: Conventions for interlinear morpheme-by-morpheme glosses
Developing Linguistic Corpora: a Guide to Good Practice^{[永久失效链接]}
An interface for querying automatically-constructed virtual corpora^{[失效链接]}.
TEP: Tehran English-Persian Parallel Corpus.
1 Building synchronous parallel corpora of the languages taught at the Faculty of Arts of Charles University.
TS Corpus - A Turkish Corpus freely available for academic research.
Turkish National Corpus - A general-purpose corpus for contemporary Turkish
Free web-based English corpus to download (3 billion words)

词干提取

XHTML MP