| | | | | COLSEC语料库的设计原则与标注方法 | | | 卫乃兴;李文中;濮建忠 | | | 本文报告COLSEC语料库的设计原则与标注方法。文章描述该类语料库设计应考虑的任务场景、话语类型、话题、学习者背景等语域因素,继而讨论语料库转写与标注应遵循的"真实""准确"和"完整"原则,以及相应的头文件信息标注、话语信息标注、语音错误赋码等关键问题。我们还讨论了语料库后期加工中的赋码器选择、词类赋码格式以及转换为在线互联网资源所涉及的格式问题。文章最后阐述了基于口语语料库可进行的有关应用研究。
【作者单位】：上海交通大学语言文字工程研究所;河南师范大学外语学院;解放军外国语学院研究生处
【关键词】：学习者口语语料库设计;转写原则;话语信息标;注语音错误赋码;词类码格式
【基金】：国家社会科学基金项目(01BYY007)“大学英语学习者口语语料库”的建设方法
【分类号】：TP391.1
【DOI】：CNKI:SUN:DDYX.0.2007-03-003
【正文快照】：
国家社会科学基金项目(01BYY007)“大学英语学习者口语语料库”的建设方法1.背景学习者语料库是按照一定的原则和设计标准,通过科学抽样方法采集、编制而成的学习者语言(口语或书面语)电子文本库。就其本质属性而言,学习者语料库有别于一般语料库,属于专门语料库的一种。前者是 | | |  推荐 CAJ下载  PDF下载 | | | CAJViewer7.0阅读器支持所有CNKI文件格式，AdobeReader仅支持PDF格式 | | | | Design principles and annotation methods of the COLSEC corpus | | | WEI Naixing;LI Wenzhong and PU Jianzhong | | | This article describes the design principles of the COLSEC corpus and the methods adopted in transcribing and annotating its data.It spells out such important register factors as task setting,discourse genre,topic variety and learner background information,in sampling data for the learner spoken English corpus.It then goes on to discuss the related issues and their solutions as regards head information mark-up,discourse information tagging and pronunciation error tagging,which ought to,in general,abide by the overall principles of truthfulness,accuracy and completeness.The paper also deals with the questions of POS tagger selection,word class tag assignment format and its adaptation for on-line search on the Internet.
【Keyword】：design principle,learner spoken English corpus,discourse information tagging,pronunciation error tagging |
|
|
