语料库
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。
根据语料库的特征,可以分为单语语料库、双语语料库、平行语料库等,根据语料的来源,可以分为书面语语料库、口语语料库、作文语料库、学习者语料库、古文书语料库等。[1]
语料库列表
多语
- 点通多语言语音语料库
- 宾州大学语料库(页面存档备份,存于互联网档案馆)
- Wikipedia XML 语料库
- 绍兴文理学院--中国汉英平行语料大世界 (页面存档备份,存于互联网档案馆) 中英平行文本双语语料库
英语
- https://www.english-corpora.org (页面存档备份,存于互联网档案馆)
- The Collins Corpus (页面存档备份,存于互联网档案馆)
- Collin's Cobuild Project - 成果:Collin's当代英语辞典、及当代英语文法。
- Corpus of Political Speeches (页面存档备份,存于互联网档案馆)(香港浸会大学图书馆 (页面存档备份,存于互联网档案馆)提供)
汉语
- LIVAC汉语共时语料库 (页面存档备份,存于互联网档案馆)
- 兰开斯特大学汉语平衡语料库 (页面存档备份,存于互联网档案馆)
- 兰开斯特-洛杉矶汉语口语语料库 (页面存档备份,存于互联网档案馆)
- 政治人物演讲语料库 (页面存档备份,存于互联网档案馆)(香港浸会大学图书馆 (页面存档备份,存于互联网档案馆)提供)
繁体中文
简体中文
日语
- 现代日语书面语均衡语料库BCCWJ (页面存档备份,存于互联网档案馆)
- 日语口语词汇语料库CSJ (页面存档备份,存于互联网档案馆)
- 筑波网络语料库TWC (页面存档备份,存于互联网档案馆)
研究机构
等
外部链接
- Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese(页面存档备份,存于互联网档案馆)
- 开放目录项目中的“Computational Linguistics”
- ACL SIGLEX Resource Links: Text Corpora
- The Leipzig Glossing Rules(页面存档备份,存于互联网档案馆): Conventions for interlinear morpheme-by-morpheme glosses
- Developing Linguistic Corpora: a Guide to Good PracticeArchive.is的存档,存档日期2012-12-22
- 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.(页面存档备份,存于互联网档案馆)
- Turkish National Corpus - A general-purpose corpus for contemporary Turkish(页面存档备份,存于互联网档案馆)
- Free web-based English corpus to download (3 billion words)(页面存档备份,存于互联网档案馆)