語(yǔ)料格式要求

語(yǔ)料格式要求
1．原始語(yǔ)料的電子文本。
1.1 文件夾名用來(lái)表示課文的出處
文件夾名稱格式：地區(qū)_出版商_出版時(shí)間_版本代號(hào)_學(xué)科代號(hào)_年級(jí)
如： cn_rj_2001_6_yw_6
文件夾名語(yǔ)義：中國(guó)大陸/人民教育出版社/2001年出版/第六版/語(yǔ)文/六年級(jí)的語(yǔ)料。
1.2 文件以課文為單位存放在相應(yīng)的文件夾下
課文以第幾冊(cè)第幾篇為名保存。格式：第幾冊(cè)_第幾篇.txt
如：1_10.txt
表示該課文是某文件夾下（某出處）的“第1冊(cè)/第10篇課文”的文本。
2. 切詞校對(duì)后的文本文件。即對(duì)原始語(yǔ)料分詞并校對(duì)后的文本。存放格式同1，只是文件夾和文件名后分別加字母q。如：
cn_rj_2001_6_yw_6q表示是存放“中國(guó)大陸/人民教育出版社/2001年出版/第六版/語(yǔ)文/六年級(jí)的切分語(yǔ)料”的文件夾。
1_10.txt表示是“第1冊(cè)/第10篇課文”的切分文本。
3. 初始庫(kù)
3.1詞目語(yǔ)料
庫(kù)名為：地區(qū)_出版商_出版時(shí)間_版本代號(hào)；
表名為：學(xué)科代號(hào)_年級(jí)；
內(nèi)容模式為：詞條   詞性   文件名。
即每個(gè)出版社每個(gè)版本建一個(gè)庫(kù)，每個(gè)學(xué)科分年級(jí)建表，表下存放詞條等。
如：
詞條 詞性 文件名
中國(guó) n 1_10.txt
…… …… ……
其中文件名就是詞或句子所出現(xiàn)的課文文件的名稱。
3.2句子語(yǔ)料格式
庫(kù)名為：地區(qū)_出版商_出版時(shí)間_版本代號(hào)；
表名為：學(xué)科代號(hào)_年級(jí)；
表模式為：句子  單句|復(fù)句  句型   文件名。
即每個(gè)出版社每個(gè)出版時(shí)間建一個(gè)庫(kù)，每個(gè)學(xué)科分年級(jí)建表，表下存放詞條或者句子等。
如：
編號(hào) 句子 單句|復(fù)句 句型 文件名
1 列車已到了北京。 d 陳述句 1_10.txt
2 他的家遭到了炸彈的襲擊，他的生活和他一家人的生活受到威脅，但他決不退縮。 f 0 1-10.txt
3 你真聰明！ d 感嘆句 1-10.txt
…… …… …… …… ……
其中文件名就是詞或句子所出現(xiàn)的課文文件的名稱。句型只標(biāo)注單句，復(fù)句一律標(biāo)0。每篇課文每個(gè)句子指定一個(gè)編號(hào)，編號(hào)體現(xiàn)句子在原文中出現(xiàn)的順序。
4. 結(jié)果數(shù)據(jù)表
4.1詞語(yǔ)統(tǒng)計(jì)表：包括詞條、詞性、使用頻度、出現(xiàn)文本數(shù)
如：
詞條 詞性 頻度 出現(xiàn)文本數(shù)
中國(guó) n 5000 300
……  …… ……

4.2句型統(tǒng)計(jì)表：
句型 句型頻度 出現(xiàn)文本數(shù)
陳述句 10 10
…… …… ……

【語(yǔ)料格式要求】相關(guān)文章：

情書(shū)的格式要求03-29

實(shí)習(xí)報(bào)告格式要求11-05

嚴(yán)格要求的作文02-10

實(shí)習(xí)報(bào)告撰寫(xiě)要求08-24

辦法的格式08-24

規(guī)定的格式08-24

條例格式04-13

細(xì)則格式08-24

須知的格式08-24

制度的格式08-24