|
|
|
|
|
全球华语网：工具资源：语料库
|
|
东南亚主要华文媒体语料库
|
东南亚主要华文媒体，指的是东南亚的华语报纸、华语网站。东南亚主要华文媒体语料库的来源综合考虑语料的地域分布，以新加坡、马来西亚和泰国为主，时间上动态更新，逐年增加；内容上，考虑不同主题的分布情况，如政治、经济、文化、教育等等。
东南亚华文媒体较多，由于我们对语料获取的技术限制，以及其他因素的影响，有的华文媒体语料无法获得，因此，选择的来源媒体主要考虑了语料的可获取性、媒体影响和信息量三个因素。
目前，该语料库的语料时间跨度为2005年到2008年，均来自于网络，做了去除HTML标签信息和广告信息的处理，抽取出了网页正文、标题、发表时间、媒体来源（如国家、媒体名称）等信息，以XML格式存储。总共文本数为343978个，约3亿字。
下面是语料来源的具体信息：
新加坡：亚洲新闻网、新动网、联合早报。
马来西亚：马新社中文网、光华日报电子新闻、独立新闻在线、韩视新闻中心、亚洲时报。
泰国：泰国世界日报。
对于东南亚主要华文媒体语料库，我们做了自动分词和词性标注的处理。并且，对于每一媒体的子语料库，统一做了用字用语的标记和统计分析。例如，针对汉字分类使用的统计分析，在语料库中，分别标记出了规范字、繁体字、异体字、不规范的简化字、旧印刷字形、日本汉字、旧计量用字和韩国汉字。
目前，华语中心已经完成了一个网络版的在线语料检索系统（www.globalhuayu.com/corpus.htm），可以检索任意字串或符号，可以利用规则进行高级检索。
同时，也完成了一个网络版的语料库用字用语检索系统（www.globalhuayu.com/corpus.htm），可以检索任意汉字或词语在各个媒体子语料库中的使用情况。
基于东南亚主要华文媒体语料库，海外华语研究中心进行了东南亚华语用字用词统计调查，并完成了“东南亚华语用字用词统计调查”、“东南亚华语特色词”两个报告（约6万字），已经由“国家语言资源监测与研究中心”《中国语言生活状况报告》发布，商务印书馆出版。并且发表多篇华语研究的论文。
在线检索：东南亚主要华文媒体语料库例句检索
在线检索：东南亚主要华文媒体语料库用字用语检索
在线演示：东南亚主要华文媒体用字与用语调查研究
|
|
|
|