怯怯地问个低级问题

[lansingzhu]

现想针对大学生四六级作文中的搭配情况进行研究，可是不解的是怎样对clec的st3和st4中的作文进行随机取样，它是一个整体啊（我用的是wst 3.0）
clec只有字数说明 没有篇数说明啊
还有 我只想从最简单的研究做起，只当是练习 不知100篇是否有价值？

[xujiajin]

当练习的话，100篇完全可以了。

[lansingzhu]

谢谢许博
如果是硕士论文，不知最少应该多少篇，应该怎样随机选取预料呢，重新建立文本文档么

[hazhihan]

韩宝成的《外语教学科研中的统计方法》中提到三类抽样方法：简单随机抽样、等距抽样和分层抽样。供楼主参考

[lansingzhu]

韩宝成的《外语教学科研中的统计方法》中提到三类抽样方法：简单随机抽样、等距抽样和分层抽样。供楼主参考

楼上误解了。我是说
clec的这两个子库是把许多作文放到一个大文档里，（这与文老师的sweccl不同，每篇作文是单独的文档，这样方便随机取样），随机取样怎么进行，需要手工剪切粘贴到新文档里么？

[laohong]

楼上误解了。我是说
clec的这两个子库是把许多作文放到一个大文档里，（这与文老师的sweccl不同，每篇作文是单独的文档，这样方便随机取样），随机取样怎么进行，需要手工剪切粘贴到新文档里么？


在EditPlus里使用Regular Expression查找和替换，把那个大文档以每篇作文为单独的文档进行分切，完成后随机取样不就行了。例如，ST2 就可以分成1483个，ST3 就可以分成1317个等....

也可以适用WordSmith里的Splitter来进行文本分切。具体怎么做，阅读说明。

[lansingzhu]

thanks so~ much, laohong! it's of great help to me.

[lansingzhu]

laohong, 我在分切文档时遇到麻烦：对clec光盘里的st3进行切分，end of text separator设置为<ST 3>, 文件成功切分，而且也是1317个，但是得到的所有小文档都只含有有<>,什么内容也没有，可是用同样的方法切分st4却没有问题。我比较了下，发现st3中每篇文章之间有空行，st4没有，所以我想应该是separator有问题，可是试了几个都不行，你又什么办法？

谢谢！

[laohong]

WordSmith Splitter的bug， 这里是解决办法：

1、用EditPlus打开ST3文本，敲菜单中Search， Replace， 然后在Find What里填入\n\n，在Replace With里填入\n，勾选Regular Expression，敲Replace All得到没有空行的新文件；

2、然后敲菜单中Search， Replace， 然后在Find What里填入<ST 3>，在Replace With里填入</text>\n<ST 3>，勾选Regular Expression，敲Replace All得到新文件；

3、删掉新文件的第一行，存下；

4、打开WordSmith Splitter， 在End of text separator里删掉!#，填入</text>；并把Bracket first line后的勾去掉，OK即可进行分割。

[mayerniu]

用wordsmith splitter切分后，只得到如下显示：st3.txt:2637lines. 拆分后的文本却看不到。请问老洪，这种情况如何解决？

[mayerniu]

Splitter has been done in Editplus, thank you, loahong!

[laohong]

用wordsmith splitter切分后，只得到如下显示：st3.txt:2637lines. 拆分后的文本却看不到。请问老洪，这种情况如何解决？

你需要指定output directory。

[lansingzhu]

谢谢laohong的热心回答！非常感激laohong花时间回答一些菜鸟的低级问题。要知道初学者尤其是自学的初学者会遇到各种问题，这种问题对高手来说可能不屑一顾，可是对他们来说却十分苦恼，找不到出路且无从下手，即使是看书或相关帖子也找不到答案，只好抱着惴惴不安的心情到论坛上求助，希望高手理解。
另外，在laohong指点之前，我自己也摸索了一个办法，解决了我的问题，办法虽然苯，但是解决了（嘿嘿，窃喜）。我是手工把st3.txt文件改了一下，在文本标头和作文之间加了回车。使作文另起一段，花了我近两个小时，不过也比守着论坛干等着强啊。
再次感谢！