语料格式要求_第1页
语料格式要求_第2页
语料格式要求_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、语料格式要求特征码标签:特征码语料格式要求1原始语料的电子文本。1.1 文件夹名用来表示课文的出处文件夹名称格式：地区_出版商_出版时间_版本代号_学科代号_年级如： cn_rj_2001_6_yw_6文件夹名语义：中国大陆/人民教育出版社/2001年出版/第六版/语文/六年级的语料。1.2 文件以课文为单位存放在相应的文件夹下课文以第几册第几篇为名保存。格式：第几册_第几篇.txt如：1_10.txt表示该课文是某文件夹下（某出处）的“第1册/第10篇课文”的文本。2. 切词校对后的文*件。即对原始语料分词并校对后的文本。存放格式同1，只是文件夹和文件名后分别加字母q。如：cn_rj_200

2、1_6_yw_6q表示是存放“中国大陆/人民教育出版社/2001年出版/第六版/语文/六年级的切分语料”的文件夹。1_10.txt表示是“第1册/第10篇课文”的切分文本。3. 初始库3.1词目语料库名为：地区_出版商_出版时间_版本代号；表名为：学科代号_年级；内容模式为：词条 词性 文件名。即每个出版社每个版本建一个库，每个学科分年级建表，表下存放词条等。如：词条词性文件名中国n1_10.txt其中文件名就是词或句子所出现的课文文件的名称。3.2句子语料格式库名为：地区_出版商_出版时间_版本代号；表名为：学科代号_年级；表模式为：句子 单句|复句 句型 文件名。即每个出版社每个出版时间建一个库，每个学科分年级建表，表下存放词条或者句子等。如：编号句子单句|复句句型文件名1列车已到了北京。d陈述句1_10.txt2他的家遭到了炸弹的袭击，他的生活和他一家人的生活受到威胁，但他决不退缩。f01-10.txt3你真聪明！d感叹句1-10.txt其中文件名就是词或句子所出现的课文文件的名称。句型只标注单句，复句一律标0。每篇课文每个句子指定一个编号，编号体现句子在原文中出现的顺序。4.结果数据表4.1词语统计表：包括词条、词性、使用频度、出现文本数如：词条词性频度出现文

人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论