xujiajin的最近内容

其实有关建模的知识，问大模型就很管用。

根据您提供的信息，个人建议： 就低。即若出现次数最少朝代“来”的频次为100次，其他13个朝代则均随机抽取100条。 如每个朝代量均很多，则以某一两个朝代先期开展预研究，探索大约几百条例证可以得到较为稳定的词汇语义用法规律，则定在该基础频数，同时余下12-13个朝代随机抽取相近频次。 仅供参考。 其他需要考虑的因素： （1）检索结果是否都是合法例证。比如，是否只研究黏着语素用法，或是同时考虑双音词/复合词？ （2）是否开展相应的统计检验或建模？相关统计方法有最低样本数/例证数的要求。 等。

我前几个月做了个随机抽样工具，主要针对语料库研究中最常见的两种随机取样问题。https://corpus.bfsu.edu.cn/BFSU_Text_Randomizer2.zip 不知能否解决您的问题？ 如果不能的话，不知您讲的针对年代进行分层抽样的具体含义。 举例说，是否：（1）您有5000个文本，分属不能年份，要在每10年一个区间随机抽取一定数量的文本，存为若干个子文件夹？ 或者是：（2）您对检索所得结果需按年份区间随机抽取索引行？ 您的需求描述越具体，我们越能帮到您。

DEAP语料库中所收均为学术期刊论文原文，全文分享有违版权。 DEAP语料库家族只能提供在线检索。 您可在“北外CQPweb多语种语料库平台”上找到DEAP (Database of English for Academic Purposes) family corpora http://114.251.154.212/cqp/ 账号：test 密码：test 有关自己学术论文库的步骤，可参考：冯欣、吴菁菁、齐晖、许家金，2017，MedAca医学学术英语语料库的创建，《语料库语言学》（2）：107-113。

DEAP语料库中所收均为学术期刊论文原文，全文分享有违版权。 DEAP语料库家族只能提供在线检索。 您可在“北外CQPweb多语种语料库平台”上找到DEAP (Database of English for Academic Purposes) family corpora http://114.251.154.212/cqp/ 账号：test 密码：test

https://corpus.bfsu.edu.cn/ChiLex1_2.zip 说明文档已随软件附上。 这个说明文档是请ChatGPT同学写的，完全达到我期待的技术细节和语言表达要求。 我请GPT基于软件的源代码写一个Readme，人家分分钟就完成了。

请各位也关注一下雷蕾老师的AlphaReadabilityChinese工具 https://github.com/leileibama/AlphaReadabilityChinese/releases/tag/AlphaReadabilityChinese

请试一下这一版，已加入TTR，并做了其他少量优化。 https://corpus.bfsu.edu.cn/ChiLex1_2.zip

好的。谢谢Ray_Bai的反馈，TTR可以加上。我有意不显示TTR的，因为STTR正是为解决TTR缺陷而提出的，有STTR就没有再看TTR的必要了。算法说明会在定稿后版本的说明文档里加上。 Cf. Limitations of TTR: https://www.sketchengine.eu/glossary/type-token-ratio-ttr/

https://corpus.bfsu.edu.cn/ChiLex1.zip 请大家帮忙测试，并提宝贵意见。 软件的说明文档等功能测试完善后一并附上。

这个应该可以的。我稍后写一个小程序传上来，然后请大家测试，并征求大家的修改意见。

“主要是词汇”这个需求过于笼统。

不支持中文及其他语种，只能分析英文文本。

可到孔夫子旧书网（https://www.kongfz.com）搜索： （1）《中国学习者英语口语语料库建设与研究》 （2）《中国学生英语口笔语语料库》 这两本书都配有语料库光盘。最便宜的都是30块钱。 如果不愿花30块钱，可到学校图书馆借阅这两本书。

可到孔夫子旧书网（https://www.kongfz.com）搜索： （1）《中国学习者英语口语语料库建设与研究》 （2）《中国学生英语口笔语语料库》 这两本书都配有语料库光盘。最便宜的都是30块钱。 如果不愿花30块钱，可到学校图书馆借阅这两本书。