111
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
小白也要开始学习语料库研究方法了，吉老师很有亲和力。
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、
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. 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)
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？
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)
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)
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
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）
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
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）
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
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
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
、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
授课教师
外交学院
助教
