译技术 | 媒体言语语料库：供媒体人选择的宝库

花蜈蚣

1. 工具简介
媒体言语语料库（Media Language Corpus, MLC）又可称作中国传媒大学有声媒体文本语料库，是一个凋谢的、收费使用的语料库，由中国传媒大学国度言语资源监测与钻研有声媒体核心研发。自该平台在05年上线以来，语料范围不停扩张，转写了少量播送、媒体等语料便于泛博钻研者使用。本语料库中一切文本都进行了分词和词性标注，而且为包管语料的典型性和代表性，每一年都会选择流通度大、年度间有一定延续性的节目文本。
本语料库囊括2008-2010年间的播送、电视节目的转写文本，用户能够搜寻指标症结词或字符串，按检索菜单所提醒的分类规范选择，即可获取选定媒体种别下的指标文本。
官网：http://ling.cuc.edu.cn/RawPub/
2. 图文教程
2.1 相熟“检索规模选择”
民间页面如下图:


在进行检索以前，理解如何使用“检索规模选择”功用能够很大水平上放大咱们的检索规模，进步检索精确率。
查看导航栏，能够看到“检索规模选择”选项，菜单栏如下：


用户能够选择“媒体”、“级别”、“单位”、“方式”、“语体”、“内容”、“对象”、“栏目”、“频道”、“掌管人”、“时间”等选项。以上选项用户能够根据次第填写一切内容，也能够不做规模限定，那末用户在搜寻框输出的指标对象将会在一切语料库中进行筛选。罕用的选项有媒体、方式、栏目、掌管人等，“媒体”栏可供选择“电视”、“播送”，“方式”栏能够分为“独白”、“对话”、“说话”、“综合”等，假如用户想要搜寻白岩松的“旧事1+1”栏目，那末用户只需求在掌管人栏填写“白岩松”，在“栏目”中进行相应的筛选便可。
2.2 惯例搜寻
1） 生语料
语料方式分为生语料、熟语料两类，生语料是原始语料，熟语料是通过分词和词性标注的语料。下列是使用生语料搜寻的相干教程。以“败北”为例，用户在检索输出框中输出“败北”，点击语料方式“生语料”，不进行检索规模的限定，检索后果如下图所示：


本语料库中一切语料都进行了元数据标注，用户能够点击每行记载后的“查问”键，便可阅读相应的文本及文本出处。另外，在搜寻后果下方还有“排序”、“二次检索”，用户能够按照本身需要进行下一步的选择，搜寻后果也能够用文本保留上去，供学习整顿使用。
2） 熟语料
在熟语料检索时，用户能够搜寻特定词性的词，然而要留意在词性后面加“/”，输出“证实/n”，表现检索一切词性的“证实”后加名词的词串，若要检索动词“证实”前面加名词词串，则要输出“证实/v/n”。
2.3 初级检索
初级检索栏位于导航栏“首页”栏右边，能够完成“成对字串检索”、“堆叠检索”和“正则表白式检索”等功用，详细步骤如下：
1）成对字串检索
能够完成成对泛起的词语的检索，如关联词。成对字串之间的词间距能够自在选择。以“只要”...“才”为例：


2）堆叠方式检索
堆叠方式检索的对象为指标文本中泛起堆叠字样的词泛起，有AA（瞧瞧、暗暗）、ABAB（筹备筹备）、AABB、或特殊的带指定4字N的ANA型。其中ABB、ANA型，A必需指定，下列搜寻ABB，A指定为“甜”的相干搜寻后果：


3）正则表白式检索
正则表白式功用能够完成较为繁杂的检索，如能够完成“儿话词”的检索等。
3. 学习心得
语料库作为一种数字化的学习资源和教育资源遭到了普遍关注，检索时只需求输出想要查问的辞汇或词串，检索后果就会将指标辞汇的先后文罗列出来，并表明出处，这很大水平上能够加重用户的担负。经过对媒体言语语料库的学习运用，不只有助于丰硕旧事辞汇量，晋升媒体素养，同时也无利于拓宽思惟，使学习更自主、更便捷。
注：学习作品，仅供参考，欢送斧正。
作者：王燕娟 编校：布兰妮