自然語言結構計算——BCC語料庫

荀恩東

北京語言大學信息科學學院院長，教授，博士生導師。漢語國際教育技術研發中心主任 ，教育部新世紀優秀人才，中國電腦學會名詞專委會副主任，中國標準化研究院特聘研究員。1999畢業於哈爾濱工業大學電腦應用與科學系，獲得電腦應用專業博士學位。1999年～2001年微軟亞洲研究院副研究員。2001年～2003年通過"香港引入優秀人才計劃"，在香港科技大學工作。發表研究論文數十篇，主持多項國家863計劃和國家自然科學基金項目，承擔多項部委和公司合作的項目。目前研究領域包括：自然語言處理、電腦輔助語言學習技術研究和開發工作；非母語作文電腦水平自動評判；基於因特網多元信息作文輔助寫作；漢字字形結構評判與輔助漢字書寫練習研究；機器翻譯。

目錄

第 一章 緒論 4

1.1 語料庫簡介 4

1.1.1 基本特徵 4

1.1.2 發展歷程 6

1.2 語料庫類型 7

1.2.1 按語料模態分類 7

1.2.2 按語料語體分類 8

1.2.3 按語料狀態分類 8

1.2.4 按語料時間分類 8

1.2.5 按語料加工程度分類 9

1.2.6 按語料組織形式分類 9

1.2.7 按語料庫用途分類 10

1.3 語料庫技術 10

1.4 語料庫應用 12

1.4.1 服務對象 12

1.4.2 應用方式 14

1.5 BCC語料庫 15

1.6 本書章節介紹 16

第二章 BCC語料庫的建設 18

2.1 概述 18

2.2 BCC語料庫數據 21

2.2.1 數據概況 21

2.2.2 數據加工 22

2.3 BCC語料庫系統 34

2.3.1 構建索引 35

2.3.2 檢索語言 36

2.4 BCC語料庫服務 39

2.4.1 服務對象 39

2.4.2 服務方式 40

2.4.3 使用方式 43

第三章 BCC語料庫交互式查詢語言 46

3.1 概述 46

3.2 交互式查詢語言設計 46

3.2.1 序列語料的檢索式組成 47

3.2.2 結構語料的檢索式組成 49

3.3 交互式查詢語言功能 51

3.3.1 基本檢索 51

3.3.2 高級檢索 59

第四章 BCC語料庫交互式查詢語言應用 65

4.1 語素檢索 65

4.2 詞語檢索 67

4.2.1 基礎檢索 67

4.2.2 合成詞 71

4.2.3 離合詞 78

4.3 短語檢索 81

4.4 構式檢索 85

4.4.1 無變項構式的檢索 85

4.4.2 有變項構式的檢索 86

4.5 句子檢索 90

4.5.1 單句檢索 90

4.5.2 復句檢索 94

第五章 BCC語料庫腳本式編程語言 96

5.1 概述 96

5.2 檢索原理 96

5.2.1 檢索框架 97

5.2.2 檢索單元 100

5.3 BCC腳本式編程語言設計 110

5.3.1 基本查詢 112

5.3.2 組合查詢 115

5.3.3 條件約束 122

5.3.4 功能操作 131

5.3.5 輸出操作 137

5.4 BCC腳本式編程語言功能 141

5.4.1 基本檢索 142

5.4.2 組合檢索 146

5.4.3 高級檢索 151

第六章 BCC語料庫腳本式編程語言應用 157

6.1 概述 157

6.2 定中結構的抽取 157

6.2.1 限定詞性序列的檢索 157

6.2.2 限定結構標記的檢索 161

6.2.3 限定詞語範圍的檢索 163

6.2.4 限定語料特徵的檢索 164

6.2.5 限定檢索基點的檢索 167

6.3 小結 168

第七章 個性化語料庫的構建 170

7.1 數據準備 170

7.1.1 數據信息 170

7.1.2 數據預處理 171

7.2 索引構建 182

7.2.1 硬件基礎 182

7.2.2 預備文件 185

7.2.3 構建索引 189

7.3 語料庫使用 196

7.3.1 啟動服務 196

7.3.2 網絡使用 196

7.3.3 離線使用 204

第八章 BCC語料庫在線網站 208

8.1 概述 208

8.2 基礎檢索 208

8.2.1 檢索步驟 208

8.2.2 結果處理 210

8.3 歷時檢索 213

8.3.1 單檢索式 213

8.3.2 雙檢索式 214

8.4 對比檢索 215

8.4.1 單檢索式 215

8.4.2 雙檢索式 216

8.5 自選範圍檢索 217

8.6 詞典 218

8.6.1 簡介 218

8.6.2 查詢方式 221

8.6.3 查詢結果 223

參考文獻 228