以前从未接触过语料库,现在是必修课。现老师让一起做一个小project:在一个美语网聊数据库的基础上研究网聊文本中,影响单词拼写简化的因素,并最终建立一个statistical model 来测量这些因素在多大程度上影响里网聊中的拼写简化。
项目分步骤进行:
现在,对数据库的ANNOTATION已经结束,已经归纳出了网聊中单词拼写简化的大体分类:
1. 标准的固定缩略词汇形式,一般是词汇中每个单词首字母的组合, 聊天中一般不以未缩略前的词汇形式出现。eg lol=laugh out loudly.
2.可与原词汇相互替代的减缩形式: eg wanna=want to...