类fu,是不重复的
两个对比文本对比时注意形刺比
WordSmith 分析软件
P柏拉图：变化 不可靠 真理 理想模型 回溯
自上而下 理性演绎
乔姆斯基：在沙发中思考的语言学家
A亚里士多德：现实 经验世界 归纳真理
自下而上 经验归纳
实地语言学家
文章：梁茂成 《理性主义、经验主义与语料库语言学》
Antconc: word list,,start; tool preference, lemma, apply, start; tool preference, use GSL
Taxsego词云
lemma：词目，不包括派生词
word family：词族
word clusters：词簇
基本类型
1. general corpus
英国国家语料库 BNC、现代美语语料库 COCA
2. specialized corpus
学术语料库 MICASE&MICUSP、儿童语料库PATTIE （吉创建的儿童读物及视听材料的语料库）、商英BEC
3. 学习者语料库 （learner corpus):
如中国学习者语料库CLEC（桂诗春 、SWECCL（文秋芳 口、笔语语料库）、英语学习者语料库ICLE
4. 历时语料库（diachronic corpus):
如布朗家族语料库 Brown Family、 美语COHA、赫尔辛基 HELSINKI
5. 平行语料库(parallel corpus)
如欧洲议会语料库 Europarl 、TED演讲语料库、 Babel 语料库
6. 可比语料库（ comparable corpus):
如 Crown、 CLOB、 ToRCH2009 语料库、国际英语语料库 ICE
#
chapter 2
形符和类符
a ollection of naturally-occuruing langage text. chosen to characterize a state or variety of a language. 自然、需要设计，有明确的目的性。
机器可读；真实语言；取样合理；代表性强 （需要合理设计，不同语言的比例）
常见类型：
通用语料库
BNC，COCA
专用语料库
学术预料库： MICASE & MICUSP，儿童预料库 PATTIE，商英 BEC
学习者语料库
CLEC，SWECCL （口笔语料），英语学习者国际语料库 ICLE
历时语料库：
Brown Family， COHA （1801-2000）， Helsinki
平行语料库
Europarl （欧洲议会语料库）
Ted 演讲语料库
Babel语料库
可比语料库
Crown，Clob Torch
频数
频率是标准化的频数，公式为频数/库容*1000（或者100也可以根据容量gai）
理性演绎回溯论
经验主义
理性主义、经验主义与语料库语言学《中国外语》
梁茂成 语料库语言学研究的两种范式：渊源、分歧及前景
基于
2语料库应该经过严格的设计和取样，应该是基于自然的语言
机器可读
真实语言
取样合理
代表性佳
语料库类型
1、 通用语料库
2、专用语料库
3、学*者语料库
4、历时语料库
5、平行语料库（涉及到原文和译文）
6、可比语料库
111
(基本概念
1. 形符 token（词的数量）
2. 类符 type（不重复出现的词）
3. 形次比 = 类符/形符*100%
形次比与 词汇密度（le*cal density ）及词汇丰富度（le*cal richness）相关
4. 标准形次比 STTR 每千词形次比的均值
+++++形次比越高，词汇越丰富
使用软件：wordSmith
wordlist-file-new-选择文件-ok-make a wordlist now-下方菜单statistics
频数
频率：标准化的频数= 频数/库容 *1000（可更改）
bfsu-files-选择打开-右侧设置区域stats，取消punctuation-左上角concordance-文本框输入词汇后检索-stats-显示总频数
之后勾选最上面的distribution-点击table
save 保存-复制到excel 去计算频率
多词检索前面步骤 一直到concordance
选择batch- load list - 后面步骤一致
学习数据库
索引 （concordance）
索引行（concordance lines）
检索词/节点词（search word/node）
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
步骤：前面一样 输入词汇，点击search，点击sort是自定义排序
点击simple sort 是简单排序
l1 指的是按照左侧第一个词字母排序
r1是按照右侧第一个词字母排序
重新点击loop 在选择就是重新排序
可以设置多级排序：settings-concordance-第一级排序-第二级排序-一共五级排序
再点击sort
就是按照刚刚设置的方式排序，就用sentence collector 软件
选用语料-选用sentence collector-
如果是要观察完整的一句话，就用
复杂检索的两种类型
1. 正则表达式 大范围限定（某一大范围内的）检索
2. 词性赋码集
如何看正则表达式的效果：edit pro
optiona-configure file types-text documnt-editor-edit-courrier new-colors and ...-customize-高亮取消下划线
1. 正则表达式的标注软件
2. 正则表达书辅助编写（相当于检索对应的正则表达式怎么写）
3. 有了正则表达式，就可以进行检索
（1）antconc
（2）powerconc
editpad pro 查看调试正则表达式
pattern builder 辅助编写正则表达式
antconc 和power conc 检索正则表达式
