出处是中国网站，不可免俗地会有（四）出现....... --- http://www.cnblogs.com/a198720/p/3993093.html 国内可用免费语料库（已经整理过，凡没有标注不可用的链接均可用） (一) 国家语委 1国家语委现代汉语语料库http://www.cncorpus.org/ 现代汉语通用平衡语料库现在重新开放网络查询了。重开後的在线检索速度更快，功能 更强，同时提供检索结果下载。现代汉语语料库在线提供免费检索的语料约2000万字， 为分词和词性标注语料。 2古代汉语语料库http://www.cncorpus.org/login.aspx 网站现在还增加了一亿字的古代汉语生语料，研究古代汉语的也可以去查询和下载。同 时，还提供了分词、词性标注软件、词频统计、字频统计软件，基於国家语委语料库的 字频词频统计结果和发布的词表等，以供学习研究语言文字的老师同学使用。 (二) 北京大学计算语言学研究所 1《人民日报》标注语料库http://www.icl.pku.edu.cn/icl_res/ 《人民日报》标注语料库中一半的语料(1998年上半年)共1300万字已经通过《人民日报 》新闻信息中心公开提供许可使用权。其中一个月的语料(1998年1月)近200万字在互联 网上公布，供自由下载。 (三) 北京语言大学 汉语国际教育技术研发中心：HSK动态作文语料库 http://202.112.195.192:8060/hsk/login.asp 语言研究所：北京口语语料查询系统（B J K Y） http://www.blcu.edu.cn/yys/6_beijing/6_beijing_chaxun.asp （四）台湾中央研究院 中研院语料库ＷＷＷ版所有功能均开放使用，但为防主机资源耗用过剧及顾及数据传输 之实际限制，暂以检索结果为限制的条件：院内检索限两万行数据，院外检索限两千行 数据。 1现代汉语平衡语料库http://www.sinica.edu.tw/SinicaCorpus/ 专 门针对语言分析而设计的，每个文句都依词断开，并标示词类。语料的蒐集也尽量 做到现代汉语分配在不同的主题和语式上，是现代汉语无穷多的语句中一个代表性 的 样本。现有语料库主要针对语言分析而设计，由中央研究院信息所、语言所词库小组完 成，内含有简介、使用说明，现行的语料库是4.0的版本。 2古汉语语料库http://www.sinica.edu.tw/ftms-bin/ftmsw 古汉语语料库包含以下五个语料库: 上古汉语、中古汉语(含大藏经)、近代汉语、其他 、出土文献。部分数据取自史语所汉籍全文数据库，故两者间略有重迭。此语料库之出 土文献语料库，全部取自史语所汉简小组所制作的数据库。 3近代汉语标记语料库http://www.sinica.edu.tw/Early_Mandarin/ 为 应汉语史研究需求而建构的语料库。目前素语料库所蒐集的语料已含盖上古汉语（ 先秦至西汉）、中古汉语（东汉魏晋南北朝）、近代汉语（唐五代以後）大部分的 重 要语料，并己陆续开放使用；在标记语料库方面，上古汉语及近代汉语都已有部分语料 完成标注的工作，并视结果逐步提供上线检索。 4树图数据库http://treebank.sinica.edu.tw/ 「中文句结构树资料库」(Sinica Treebank Version 3.0) 包含了6个档案，61,087个 中文树图，361,834个词，是中央研究院词库小组从中央研究院平衡语料库 (Sinica Corpus) 中抽取句子，经由电脑剖析成结构树，并加以人工修正、检验後所得的成果。 在中文句结构树中，我们标示了中文句语意和语法的讯息。此一「中文句结构树资料库 」目前开放网上检索及资料移转，以供学者专家在中文句法、语意关系研究参考之用。 另有1000个句结构树开放下载。 5中英双语知识本体词网http://bow.sinica.edu.tw/ 结合词网，知识本体，与领域标记的词汇知识库。 6搜文解字http://words.sinica.edu.tw/ 包含「搜词寻字」、「文学之美」、「游戏解惑」、「古文字的世界」四个单元，可由 部件、部首、字、音、词互查，并可查询在四书、老、庄、唐诗中的出处，及直接连结 到出处，阅读原文。 7文国寻宝记http://www.sinica.edu.tw/wen/ 在搜文解字的基础之上，以华语文学习者为对象，进一步将字、词、音的检索功能与国 编、华康、南一等三种版本的国小国语课本结合，与唐诗三百首、宋词三百首、红楼梦 、水浒传等文学典籍结合，提供网络上国语文学习的素材。 8唐诗三百首http://cls.admin.yzu.edu.tw/300/ 以 国中、小学学生为主要使用对象，提供吟唱、绘画、书法等多媒体数据，文字数据 报含作者生平、读音标注、翻译、批注、评注、典故出处等资料；检索点包含作 者、 诗题、诗句、综合资料、体裁分类等；检索结果可以列出全文，并选择标示相关之文字 及多媒体数据。并提供了一套可以自动检查格律、韵脚、批改的「依韵入 诗格律自动 检测索引教学系统」，协助孩子们依韵作诗，协助教师批改习作。 9汉籍电子文献http://www.sinica.edu.tw/~tdbproj/handy1/ 包含整部25史 整部阮刻13经、超过2000万字的台湾史料、1000万字的大正藏以及其他 典籍。 10红楼梦网络教学研究数据中心http://cls.hs.yzu.edu.tw/HLM/home.htm 元智大学中国文学网络系统研究室所开发的「网络展书读—中国文学网络系统」，为研 究中心负责人罗凤珠老师主持，红楼梦是其中一个子系统，其他还包括善本书、诗经、 唐宋诗词、作诗填词等子系统。此网站为国内Internet最大中国文学研究数据库，提供 用户最完整的中国文学研究数据。 （五）中国传媒大学 1中国传媒大学文本语料库检索系统 http://ling.cuc.edu.cn/RawPub/ 2在线分词标注系统 http://ling.cuc.edu.cn/cucseg/ 3新词语研究资源库 http://ling.cuc.edu.cn/newword/web/index.asp 4音视频语料检索系统 http://ling.cuc.edu.cn/mmcpub（目前系统正在升级改造中） （六）哈尔滨工业大学 1哈工大信息检索研究室对外共享语料库资源 http://ir.hit.edu.cn/demo/ltp/Sharing_Plan.htm 该语料库为汉英双语语料库，10万对齐双语句对，文本文件格式，同义词词林扩展版， 77,343条词语，秉承《同义词词林》的编撰风格，同时采用五级编码体系，多文档自动 文摘语料库，40个主题，文本文件格式，同一主题下是同一事件的不同报导，汉语依存 树库，不带关系5万句，带关系1万句，LTML化，分词、词性、句法部分人工标注，可以 图形化查看，问答系统问题集，6264句，已标注问题类型，LTML化，分词、词性、句法 、词义、浅层语义等程序处理得到，单文档自动文摘语料库，211篇，分不同体裁， LTML化，文摘句标注，分词、词性、句法、词义、浅层语义、文本分类、指代消解等程 序处理得到。 （七）清华大学 汉语均衡语料库TH-ACorpus：http://www.lits.tsinghua.edu.cn/ainlp/source.htm（ 似乎在改版，一直上不去） （八）香港教育学院 语言资讯科学中心及其语料库实验室http://www.livac.org/index.php?lang=sc 自1995年开始，以「共时」方式处理了超常的大量汉语语料，通过精密的技术，累积众 多精确的统计数据，建立了LIVAC (Linguistic Variation in Chinese Speech Communities)共时语料库。 本语料库最大特点是采用「共时性」视窗模式，严谨地定 时分别收集来自多地的定量同类语料，可供各种客观的比较研究，方便有关的信息科技 发展与应用。此外，语料库又兼顾了「历时性」，方便各方人士客观地观察与研究视窗 内的有代表性的语言发展全面动态。 （九）中国科学院计算技术研究所 跨语言语料库http://mtgroup.ict.ac.cn/new/resource/index.php（目前不可用，不 知道是否在升级） 目前的双语句对数据库中有约180,000对已对齐的中英文句子。 本数据库支持简单的中 英文查询服务。 查询结果包括句对编号、中文句子、英文句子、句对来源。 （十）中文语言资源联盟 中文语言资源联盟http://www.chineseldc.org/ (Chinese Linguistic Data Consortium,简称ChineseLDC)的建立。ChineseLDC是吸收 国内高等院校,科研机构和公司参加的开放式语言资源联盟。其目的是建成能代表当今 中文信息处理水平的,通用的中文语言信息知识库。ChineseLDC 将建设和收集中文信息 处理所需要的各种语言资源,包括词典,语料库,数据,工具等。在建立和收集语言资源的 基础上,分发资源,促成统一的标准和规范,推荐给用户,并且针对中文信息处理领域的关 键技术建立评测机制,为中文信息处理的基础研究和应用开发提供支持。（之所以排名 这麽後，是因为是国家出钱的项目，却没有什麽免费资源） --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 121.140.19.4 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Linguistics/M.1499710409.A.452.html