※ 引述《moistwin (winner)》之铭言： : 想请问 what is computer corpus (or machine-readable corpus)? : And, what is linguistically annotated corpus?? 在电脑普及之前，有些语料库并不是使用电脑分析的。比方说，Quirk等人先做了大规模 的问卷调查，再据此写成着名的《A Comprehensive Grammar of the English Language》 。 1960年代，Kucera和Francis建立Brown Corpus，是世界上第一个电脑语料库，达到100万 字的规模。Brown Corpus包含500篇文章，每篇2000字。当然，以现代的观点来看，Brown Corpus只是「迷你」语料库，但在电脑尚未普及的时代，可说是一大创举了，也由此开启 了语料库语言学之路。 有些语料库是没有添加任何标记(annotation)的，特别是早期的语料库、以及第二语言语 料库。不过，为了便於检索、研究，大多数的语料库都会加上标记，语料标记端视研究目 的而定，除了标记词性以外，也有句法、语音、语用、风格等标记。 早期语料库的标记例如： present_NN1 (singular common noun) present_VVB (base form of a lexical verb) present_JJ (general adjective) 现代的语料库则借监标记语言(markup language)，采用XML来标记，用起始和结束两种标 签，将文本包在其中。例如： <w pos="t">现在</w> <w pos="w">，</w> <w pos="r">我</w> <w pos="n">代表</w> <w pos="m">第十五</w> 然而，古典语料库学者John Sinclair认为，语料库不该添加标记。因为不论是人工标记、 还是用演算法自动标记，必定会有错误。不过，像这种极端的意见毕竟是少数。现在， 我们所熟知的语料库，大多都是经过标记的电脑语料库了。 【延伸阅读】 1. Brown Corpus, Wikipedia http://en.wikipedia.org/wiki/Brown_Corpus 2. 黄希敏〈语料语言学概述〉《敦煌电子报》 http://cet.cavesbooks.com.tw/htm/m0131100.htm 3. Wynne, M. (Ed.). (2005). Developing linguistic corpora: A guide to good practice. Oxford: Oxbow Books. http://www.ahds.ac.uk/creating/guides/linguistic-corpora/index.htm --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.122.111.130