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)
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)
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)
基本概念:
频数:出现的次数
频率:频数除以库容乘以1000?,1000可以随着库容的变化而变大或变下(不明白)
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?
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
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)
复杂概念简洁清晰易懂;使用类别手法,在今后的教学中可以借鉴;
频数和频率
基本概念
频数(frequencies/occurences)
频率(frenquency)
标准化频数(normalization)软件:BUFS Powerconc
第二章 语料库方法一:检索词语
目录
1. 形符、类符合、形次比
2. 频数、频率
3. 索引、节点词
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?
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
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、
mean word length 平均词长
sentences 句子数,越少说明句子越长
mean in words 句子平均词数
看sttr比较两个文本的词汇密度和词汇丰富度
看1-letter words等 看 文本使用词汇难度
任务9:基本概念
Question
情态动词在小说中更常用,还是新闻中更常用?
有语法称英式英语习惯用I earnt, burnt, 而美式英语更常用丨earned, burned, 是这样吗?
基本概念
•频数(frequencies / occurrences)
即一个词在一个文本中出现的频率
频率(frequency)
即标准化的频数(normalization)=频数/库容*1000
100/2000*1000=50 100/10000*1000=10
•技术:检索词语并查看统计
•软件:BFSU PowerConc
应用举例
情态动词must在不同语体(例如小说、新闻和学术语体)中,使用频率有否差异?
不勾count punctuations 即不算标点符号
对多个词jin'xing
检索外置主语
it_PP\s(\S+_MD\s)*(\S+_VH\w*\s)*\S+_VB\w*\s(\S_RB\w*\s)*\S+_JJ
小白也要开始学习语料库研究方法了,吉老师很有亲和力。
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
正则表达式:一些符号代表一些具体的范围操作