搜寻结果

CQPweb通常是在Linux中安装的，技术门槛不低。Peter Uhrig写了下面这个在Windows 10的Linux子系统中安装本地CQPweb的教程： http://peter-uhrig.de/cqpweb-on-windows-10-wsl/ 建议有兴趣的老师们尝试。

AntCorGen (Windows) Build 1.0.1 (Released June 5, 2017) Introduction AntCorGen is a freeware corpus generation tool. AntCorGen lets you search for documents in the PLOS ONE research database via search queries and/or subject category browsing and decide which sections (e.g. title, abstract...

http://www.nottingham.ac.uk/research/groups/cral/projects/clic.aspx Characterisation in the representation of speech and body language from a corpus linguistic perspective The CLiC Dickens project demonstrates through corpus stylistics how computer-assisted methods can be used to study literary...

http://chozelinek.github.io/sacoco/cqpwebsetup.html Andrew Hardie本人也说这个tutorial很不错，甚至想联系作者本人问是否可以把其中一部分“借”到CQPweb tutorial里去。

Corpus Finder: http://www.helsinki.fi/varieng/CoRD/corpora/corpusfinder/ 很多经典的语料库可下载 Opus: the open parallel corpus http://opus.lingfil.uu.se/ 海量的平行语料库可下载

BootCat是Bootstrap Corpora and Terms的缩写，是WaCky (Web-As-Corpus Kool Yinitiative)兴趣小组开发的软件，用于从互联网自动采集语料。可按用户指定的搜索词（称为seeds）借助Bing.com搜索引擎从网络上搜索网页，然后下载到本地硬盘构成语料库。这个软件被SketchEngine用作采集网络语料的后台工具（称为WebBootCaT）。由于SketchEngine是收费的，而且对试用用户有不少限制，而BootCat则是自由软件，因此强烈推荐有兴趣者下载安装BootCat。 说明： 1. 需要先在电脑系统中安装JRE。...

http://corpora.lancs.ac.uk/lancsbox/ LancsBox是2015年由Lancaster University的Vaclav Brezina等开发的基于Java的工具，用于从语料中提取特定词的搭配，按搭配强度以动态图形方式显示出来，并可继续显示其中的某些搭配词的搭配词，这样方便观察二者的共同搭配，非常直观生动。该工具同时也包含了一个比较简单的KWIC检索。

TIBETAN FOLK TALES CORPUS Source: http://www.sacred-texts.com/asia/tft Compiler: Jiayue Wang Time: 9 December 2016 The texts were extracted from web pages downloaded from the website. Each line that begins with a hashtag (#) indicates the webpage and its relative path in the...

BUDDHIST SACRED TEXTS CORPUS Source: http://www.sacred-texts.com/bud Compiler: Jiayue Wang Time: 8 December 2016 The texts were extracted from web pages downloaded from the website. Each line that begins with a hashtag (#) indicates the webpage and its relative path in the...

从网页中提取文本制作语料库时会发现网页中包含大量重复性内容，如copyright, ads, headers, footers等等。这些显然不是这类语料库使用者所关心的内容。我近期就遇到这个问题。由于建设这类语料库要处理的网页数量往往特别多，手工删除这些并不现实。 推荐使用jusText工具，是用python实现的，有效去除语料中的多余杂质，保持肌肤活力。 http://corpus.tools/wiki/Justext Quick start wget -O page.html http://planet.python.org/ justext -s English...

每次打开任何一个链接都要连接ajax.google.com，而现在google被墙，所以论坛极慢，不知其他人的体验是不是这样？网站是否该做些调整了

从sourceforge上载了xaira-1.26，在Debian (LMDE)下安装。先安装了必要的库之后，安装成功，但找来找去似乎xaira在linux下并没有GUI。 请问是否有人为xaira开发过GUI？:confused:

At http://corpus.byu.edu/full-text/ you can now download full-text data for the two largest BYU corpora: Corpus of Contemporary American English (COCA). 440 million words of downloadable text; the largest, most up-to-date, publicly-available corpus of English that is balanced for genre...

Check this out: http://books.google.com/ngrams

http://incubator.apache.org/opennlp/index.html Welcome to Apache OpenNLP The Apache OpenNLP library is a machine learning based toolkit for the processing of natural language text. It supports the most common NLP tasks, such as tokenization, sentence segmentation, part-of-speech...

Annotation, retrieval and experimentation Or: you only get out what you put in Sean Wallis, Survey of English Usage, University College London http://www.helsinki.fi/varieng/journal/volumes/01/wallis/

红楼梦的这个Bonsall译本是扫描的PDF，里面有很多手写的记号，OCR可能会有点难度:confused: http://lib.hku.hk/bonsall/hongloumeng/index1.html

桂诗春/宁春岩的《语言学方法论》第320-321页提到了偏态值和峰值的计算公式，并提到 偏态的另一个常用公式更精确： g1=sqrt(n)*Sigma((x-mean)^2)/(Sigma((x-mean)^2)^(2/3) 以作者的例子而言，作者说结果为-0.1671。但从公式来看其结果必然是正值，所以这个公式肯定是有排版错误，特向各位请教一下，这个公式的正确形式应该是什么？

找了几本书都没有找到一个最终的明确答案。dzhigner提供的Excel表格中说，根据权威文献或可靠材料得到下面的公式（http://www.corpus4u.org/showthread.php?t=1074&highlight=T-score）： t = (F(n,c)/N-F(n)/N*F(c)/N)/(SQRT(F(n,c))/N) 其中F(n,c)/N是n,c共现的概率；F(n)/N是节点词的概率；F(c)/N是搭配词的概率；N是语料库的长度（总词数）。...

按AntConc的做法，即使某词与node之间有换行符，也算作一个collocate，并计算一次频数，不知这样是不是合理？在计算collocates的时候究竟是否应考虑语料文本中的自然段？我在写一个collocates的程序，到这里有点疑惑了，请各位指点，谢谢