語料庫的制作和應(yīng)用(編輯修改稿)
2024-11-16 09:38 本頁面
【文章內(nèi)容簡介】 ching and replacing all ? $line=~s/^\s*$//g。 matching and replacing all ? $line=~s/\\s{0,}/\s/g。 matching and replacing all ? $line=~s/\\s\n/\n/g。 matching and replacing all ? $line=~s/\Z\n//g。 matching and replacing all ? $line=~s/ +/ /g。 replace more whitespaces with just one ? $line=~s/\s+({2,})/$1/g。 matching and replacing all 語料文本的基本處理：主要處理方式 5 ? 添加 metadata后的語料樣態(tài) 語料文本的基本處理：主要處理方式 6 雙語語料的對齊：方式和方法 1 ? 對齊就是源文和譯文對應(yīng)。翻譯語料的主要特征是對齊。 ? 對齊的語言層級： o 段對齊 o 句對齊 o 段對齊中的句對齊 ? 對齊方式不同，與創(chuàng)建語料庫的目的有關(guān)。比如，如果僅僅用于輔助翻譯，就可以采用句對齊。而要用于翻譯研究，就需要考慮段落層面的語言使用信息，如銜接、話語標(biāo)記等。對齊軟件有很多， CAT類軟件 、 Paraconc、專門軟件。 雙語語料的對齊：方式和方法 2 ? 初始對應(yīng)：源語、目標(biāo)語文本段對齊， word下完成校對。這一步最重要。 ? Paraconc可以考慮添加 s標(biāo)記。 ? 對齊：軟件對齊。如 aligner， paraconc； Trados，dejavu， bitext2tmx。前兩者提供段對齊和句對齊；后三個軟件一般只提供句對齊。 語料賦碼 ? Annotation, 就是加標(biāo)簽（ tagging） . ? 標(biāo)注 的分類：自動標(biāo)注、人工標(biāo)注； 詞性 句法標(biāo)注、功能標(biāo)注 ；標(biāo)注標(biāo)記 _、 /、 。 ? 人工標(biāo)注主要是指功能性標(biāo)注，如語義標(biāo)注、翻譯手段的標(biāo)注，以及為滿足特定研究目的進(jìn)行的附碼如話輪、間接、直接言語行為，等等。從一定意義上說，人工標(biāo)注涉及更深語言層面，標(biāo)注充分對于研究自然更有意義。 ? 自動標(biāo)注主要包含詞性標(biāo)注和句法標(biāo)注，可以通過軟件來實現(xiàn)。 語料編碼、存儲格式 ? 使用 text文本時，缺省編碼為 ANSI。用于 WordSmith用的語料文本一般應(yīng)為 un
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1