《语料库常用术语》由会员分享,可在线阅读,更多相关《语料库常用术语(1页珍藏版)》请在金锄头文库上搜索。
1、语料库常用术语Type 类符Tokens 形符例如“I see a cat and a dog”类符6个,形符7个Type/token ratio =TTR TTR 是衡量文本中词汇密度的常用方法,可以辅助说明文本的词汇难度。但是,文本中有大量功能词出现,文本每增加一个词,形符就会增加一个,但类符却未必随之增加。这样文本越长,功能词重复次数越多,TTR会越低。因此用TTR衡量词汇密度不合理,于是,出现了标准化类符/形符比,即STTR。例如,计算每个文本1000词的TTR,均值处理,得出STTR。Frequency(频率)例如每百万词、十万词中,某单词出现次数。常常将某个单词在两个语料库中出现的
2、频率参照两个语料库的容量,用卡方检验或对数似然率进行对比,来确定两个库中该单词的使用是否有差异。Wordlist词表根据单词或词组在语篇中出现的频率大小而排列形成的列表。RanksLemma词目,词元比如go是lemma,对应各种屈折变化形式(inflections),go,goes,went,going,gone共5种屈折变化形式。在分析语言时,需要将它们全部归到go名下,这个过程叫词形还原。Keywords关键词、主题词 positive keywords 正关键词negative keywords 负关键词Concordance 索引(KWIC 语境中的关键词key words in c
3、ontext)运用索引软件在语料库中查询某词或短语的使用实例,然后将所有符合条件的语言使用实例及其语境以清单的形式列出。通过前后语境,可以分析“collocation词汇搭配”“colligation类连接、语法搭配”“semantic preference语义倾向”“semantic prosody语义韵”Collocation词汇搭配搭配强度MI,T-score ,Z-score Colligation类连接、语法搭配semantic prosody语义韵词汇的语义韵大体可分为积极语义韵、中性语义韵、消极语义韵。POS tagging 词性赋码Regular expression regex 正则表达式