语料库

语料库一詞在語言學上意指大量的文本，通常經過整理，具有既定格式與標記，可用於人工智能的基礎訓練。根据语料库的特征，可以分为单语语料库、双语语料库、平行语料库等；根据语料的来源，可以分为书面语语料库、口语语料库、作文语料库、学习者语料库、古文书语料库等。语料库被广泛运用在语言研究、外语教学科研与实践、翻译研究、历史与人文学研究等领域，随着人工智能的发展，语料库也成为了人工智能研究的重要工具。

語種
多語

• [https://archive.today/20121208123647/http://www.dmcbc.com.cn/ 点通多语言语音語料庫]
• [http://www.ldc.upenn.edu/ 賓州大學語料庫]
• [https://web.archive.org/web/20060512161550/http://www-connex.lip6.fr/~denoyer/wikipediaXML/ Wikipedia XML 語料庫]
• [http://corpus.usx.edu.cn/ 绍兴文理学院--中国汉英平行语料大世界] 中英平行文本双语语料库

英语

• https://www.english-corpora.org
• [https://collins.co.uk/pages/elt-cobuild-reference-the-collins-corpus The Collins Corpus]
• Collin's Cobuild Project - 成果：Collin's當代英語辭典、及當代英語文法。

*[https://digital.lib.hkbu.edu.hk/corpus/index.php Corpus of Political Speeches] （[https://digital.lib.hkbu.edu.hk/digital/project.php 香港浸會大學圖書館] 提供）

汉语

• [http://www.livac.org/index.php?lang=tc LIVAC漢語共時語料庫]
• [https://www.lancaster.ac.uk/fass/projects/corpus/LCMC/default.htm 兰开斯特大学汉语平衡语料库]
• [https://www.lancaster.ac.uk/fass/projects/corpus/LLSCC/index.htm 兰开斯特-洛杉矶汉语口语语料库]
• [https://digital.lib.hkbu.edu.hk/corpus/index.php 政治人物演講語料庫] （[https://digital.lib.hkbu.edu.hk/digital/project.php 香港浸會大學圖書館] 提供）

繁體中文

• [https://coct.naer.edu.tw/ 臺灣華語文語料庫]
• [http://asbc.iis.sinica.edu.tw/ 中央研究院漢語平衡語料庫]
• [https://tggl.naer.edu.tw/ 臺灣台語語料庫]

*[https://corpus.hakka.gov.tw 中華民國客家委員會臺灣客語語料庫]

簡體中文

• [http://corpus.zhonghuayuwen.org/cncindex.aspx 國家語委現代漢語語料庫]
• [http://ccl.pku.edu.cn:8080/ccl_corpus/ 北京大學語料庫]
• [http://www.corpus4u.org/ 語料庫語言學在線]

日语
*[https://ccd.ninjal.ac.jp/bccwj/ 现代日语书面语均衡语料库BCCWJ]
*[https://ccd.ninjal.ac.jp/csj/ 日语口语词汇语料库CSJ]
*[https://tsukubawebcorpus.jp/ 筑波网络语料库TWC]

研究机构

• 上海外国语大学语料库研究院
• 日本国立国语研究所

外部連結

• [http://corpus.byu.edu/ Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese]

*

• [https://web.archive.org/web/20130813141813/http://www.clres.com/corp.html ACL SIGLEX Resource Links: Text Corpora]
• [http://www.eva.mpg.de/lingua/resources/glossing-rules.php The Leipzig Glossing Rules]: Conventions for interlinear morpheme-by-morpheme glosses
• [http://www.ahds.ac.uk/linguistic-corpora Developing Linguistic Corpora: a Guide to Good Practice]
• [http://explorer.csse.uwa.edu.au/research/data_virtualcorpus.pl An interface for querying automatically-constructed virtual corpora].
• [https://web.archive.org/web/20100918004255/http://ece.ut.ac.ir/NLP/resources.htm TEP: Tehran English-Persian Parallel Corpus].
• [https://web.archive.org/web/20130728224138/http://www.korpus.cz/intercorp/] Building synchronous parallel corpora of the languages taught at the Faculty of Arts of Charles University.
• [http://www.tscorpus.com/ TS Corpus - A Turkish Corpus freely available for academic research.]
• [http://www.tnc.org.tr/ Turkish National Corpus - A general-purpose corpus for contemporary Turkish]
• [http://ebiquity.umbc.edu/resource/html/id/351 Free web-based English corpus to download (3 billion words)]

参考文献