语料库研究方法:基础与应用

语料库研究方法:基础与应用
465人加入学习
(16人评价)
价格 ¥399.00
学时 6.0
学时 6.0
学习有效期 180 天(随到随学)
会员免费学 购买课程

 TTR = TYPE/TOKEN *100%

库容不同的文本如何对比形次比

文本越长,形次比越低

STTR标准形次比 可以用来比较库容不同的文本的形次比--Wordsmith 软件

 

[展开全文]

小白也要开始学习语料库研究方法了,吉老师很有亲和力。

[展开全文]

2. 语言学和语料库语言学

1)语言学

明显的研究热点:隐喻、构式语法、

[展开全文]

第七章 语料库研究方法的应用(一):外语教学和语言学研究

1. 外语教学与二语习得:语料库很大的应用领域

1)学习者语料库

典型方法:将学习者语料库与本族者语料库进行对比(主题词表)

切入点:形容词、副词、词块、搭配、一般将来时、语篇功能

聚焦点:偏误分析、易混淆词

二语习得:对学习者语言特点的探索

外语教学:语料库技术在外语教学中的应用

[展开全文]

2. 主题词表

1)主题词(key word): 与其他语料库相比,频数具有显著差异的词汇

--如何寻找:将某个单词在两个库中的频数一一列出进行对比

---如何计算(卡方检验)

2)关键性(keyness): 对数似然率(loglikelihood)

3)观察语料(observed corpus):要考察的语料库(特定语体、群体的专用语料库)

      参照语料(reference corpus):库容相等或者更大(通用语料库)

4)操作技术:获取主题词,计算关键性

     软件:Keyword+, BFSU CQPweb(在线)

5)应用举例:新闻语料都有哪些主题词?

                      如何建立特殊用途英语主题词表?

[展开全文]

第六章 语料库方法五:使用分级词表及生成主题词

词表对语言学习和大纲编写有较强的指导作用;词汇大纲的实质就是要充分利用从语料库中提取出来的高频词表.

但词汇大纲对语料库中语言的难度没有很好控制,太大太具颠覆性,教学实用性不强。

1.分级词表:对两个语料库进行语料难度对比分析

1)英语常见分级词表:GSL,AWL(用于判断词语难度的基础词表——底表base word list), 四六级词表

2)操作技术:对比语料难度,生成子语料库

      软件:Range, AntWordProfiler,Sub-corpus Creator

3)应用举例:美国纽约时报和英国卫报的新闻,哪个更简单适合低年级学生阅读?

4)标记超纲词汇:BFSU Sentece Segment, BFSU NewWords Marker, BFSU Sentence Collector

5)标记大纲词汇:Antquicktools(在线)

 

[展开全文]

2. 词族、词簇、词块、多词序列、N元组

1)词目(lemma):词位(lexeme)原形+所有屈折形式,不包括派生词

Bsp.:  番茄-->番茄酱、番茄块。。。。

2)词族(word family):屈折形式+派生形式

Bsp.: 

3)词簇(word cluster)

同义词:词块/预制语块/多词单位/N元组:连续多个词构成的序列

词簇与固定搭配的区别:one of the是高频词簇,但不是语义完整的语法结构;词簇表给寻找短语和习语提供了路径

搭配多考察两个词之间的关系;词簇考察多个词

[展开全文]

第五章 语料库方法四:生成词表

1.词表、词形还原表、停用词表

1)词表(Word list):词汇列表,把语料库中每个词出现的频数/频率列成一个清单

2)词性还原表(lemma list): 同一个语言原型的不同变化形式(was,is-->be)

3)停用词表(stop list):把屏蔽不看的词列成表格

4)操作技术:生成词表、词形还原表、停用词表、词云

软件:AntConc,Tagxedo(在线)

5)如何得到学术文体的常见词表?

6)如何得到最近新闻的热点词汇?

[展开全文]

3. 应用举例

外语教学——数据驱动学习(Data driven learning DDL): 常用搭配检索,词义辨析(Writefull)

[展开全文]

2.操作技术

1)技术:计算搭配强度;生成类连接

2)软件:PowerConc, BFSU Calligator, Sketch Engine(多语种语料)

[展开全文]

第四章 语料库研究方法三:获取搭配形式

1. 基本概念

1)搭配 collocation:节点词前后的搭配(对理解具体语境中的词意很重要)

2)类连接 colligation:要对搭配进行分类(形式/词类)总结(区分词义、词性,对词典编辑和外语教学都很重要--介词搭配)

3)语义倾向 semantic  preference: 对搭配词的语义层面、态度层面进行归纳

4)语义韵 semantic prosody:分为积极,消极,中性

[展开全文]

2.词性赋码集 (POS Tageset)

1)词性标注(part-of-speech tagging, POS tagging)

-语料库建设:采集、整理、分词、标注(语音、词性、句法、语义、元信息、质性等)

软件:Tree Tagger (多语种、多系统、免费)

2)词性赋码集:不同标注软件中对同一单词的词性标注是不同的,因为他们的词性赋码集不同

赋码及含义:

3)操作技术:

-软件:Pattern  Builder (辅助编写正则表达式)

AntConc (检索正则表达式,支持多系统,多语种)

PowerConc(检索正则表达式,支持win,英汉语)

[展开全文]

 3)元字符:8个标点

.=任意字符

-逻辑符号:

\=转义符(\+字母后拥有了特定含义;\+具有特定意义的符号后就没有任何意义了)

( )=作为一个整体(经常与分隔符连用)

[ ]=取值范围

| =分隔符(或者)

-计量符号:

?=放在字母后,表示可有可无

*=放在字母后,表示该字母可以重复0次以上

+=放在字母后,表示该字母可以重复1次以上

Beispiel:to?=t,to

to*=t,to,too

to+=to,too

 

[展开全文]

第三章 语料库方法二:检索复杂结构

1. 正则表达式(大范围/限定性检索):用一些符号来匹配文本中的字符,将单词含义传达给计算机的媒介

2.操作技术:

-软件:EditPad Pro 文本查看及编辑器

3.

1)表达范围的符号:

.=任意字符

\s=空格

\S=非空格

\w=构词字符(所有的字母、数字。。。。)

\W=非构词字符(标点、空格)

\d=数字

\D=非数字

2)对字母进行限定性检索的符号:

\b=给字母(组合)前后加边界

\u=大写(case键检查)

\l=小写

2.词性赋码集(词类、格、时态、体、语态的检索)

[展开全文]

4. 索引、节点词

1)索引(concordanc,key word in Contex,KWIC):语境中的关键词;将包含关键词的句子罗列出来

2)索引行(concordance line):列出来的句子

3)检索词/节点词(search word/node):被查找的单词

4)中间为检索词,左右两侧的词也可以进行排序,从而得出检索词的不同搭配和含义

操作技术:

-技术:索引,索引行分析,索引行整句保存,节点词挖空

-软件:BFSU PowerConc,Sentence Collector, TestBuilder

 

[展开全文]

3. 频数、频率

1)频数(frequencies): 一个词在语料库中出现的实际次数,

we:100/2000,100/10000,100是频数

2)频率(frequency): 频数的标准化=频数/库容*1000(根据库容灵活变化)

we:100/2000*1000=50,100/10000*1000=10

操作技术:

-技术:检索词语并查看统计

-软件 :BFSU PowerCo'n'c

-应用:一个单词;批量单词

[展开全文]

第二章 语料库方法一:检索词语

1. 引入:教学/学习中的疑问

2. 形符、类符、形次比

1)行符(token):词

2)类符(type):不重复出现的行符

Let's go let's go let'go now!

3)形次比(TTR, Type token ratio):类符/形符,与词汇密度(le*cal density)、词汇丰富度(le*cal richness)紧密相关,较高的形次比能从一定程度上反映学生的词汇量及丰富程度,适用于一篇文章内部

Beispiel: 行:10,类:4,TTR=4/10*100%=40%, 词汇重复率=60%,可以推断出学生的词汇量较为有限

4)标准形次比(STTR, 每千词/百词TTR的平均值):库容(形符数)不同的文本之间(因为文本越长,形次比可能越低,冠词the)

操作技术:WordSmith语料分析软件

3.频数、频率

4. 索引、节点词

[展开全文]

、翻译共性

3. 语料库研究方法

梁茂成:《理性主义、经验主义与语料库语言学》

——语料库语言学家:

具体的言语/语言行为

以描述语言事实为目标,特定语言的语法

定量研究方法、概率论和统计学

语境中获取的真实语料

 ——语料库研究范式:

语料库驱动:用于语言描写,归纳——描述

基于语料库:用于不同领域,假设——验证

4. 语料库方法能研究什么?

1998-2013 三大研究热点:

中介语研究:外语教学、学习者语料库(趋缓)

翻译研究:平行语料库、翻译共性(见长)

短语学研究:搭配、意义单位

2014-2020 五大主题(交叉研究):

语言学:认知语言学、批评话语分析

语料库语言学(越来越热):语义、语块、词块、隐喻

外语教学/二语习得(传统研究领域)

翻译(最热门)

计算语言学:大数据、人工智能、机器翻译

 

研究范围:

文学(新的、大有可为的切入点)

 

研究工具:

北外语料库语言学

c

 

 

 

[展开全文]