中文 語料庫 下載 在 コバにゃんチャンネル Youtube 的最佳貼文
中文 語料庫 下載 在 2019.11 庫博中文語料庫分析工具(CORPRO) 應用工作坊錄影 ... 的必吃
本錄影為「庫博 中文語料庫 分析工具」 (CORPRO) 的開發者、國立台灣大學生物 ... 下載 庫博CORPRO: http://cjlin.nlplab.tw/CORPRO/index.html 第二部: ... ... <看更多>
中文 語料庫 下載 在 [情報] 中國國內可用免費語料庫- 看板Linguistics 的必吃
出處是中國網站，不可免俗地會有（四）出現.......
---
https://www.cnblogs.com/a198720/p/3993093.html
國內可用免費語料庫（已經整理過，凡沒有標註不可用的鏈接均可用）
(一) 國家語委
1國家語委現代漢語語料庫https://www.cncorpus.org/
現代漢語通用平衡語料庫現在重新開放網絡查詢了。重開後的在線檢索速度更快，功能
更強，同時提供檢索結果下載。現代漢語語料庫在線提供免費檢索的語料約2000萬字，
為分詞和詞性標註語料。
2古代漢語語料庫https://www.cncorpus.org/login.aspx
網站現在還增加了一億字的古代漢語生語料，研究古代漢語的也可以去查詢和下載。同
時，還提供了分詞、詞性標註軟件、詞頻統計、字頻統計軟件，基於國家語委語料庫的
字頻詞頻統計結果和發佈的詞表等，以供學習研究語言文字的老師同學使用。
(二) 北京大學計算語言學研究所
1《人民日報》標註語料庫https://www.icl.pku.edu.cn/icl_res/
《人民日報》標註語料庫中一半的語料(1998年上半年)共1300萬字已經通過《人民日報
》新聞信息中心公開提供許可使用權。其中一個月的語料(1998年1月)近200萬字在互聯
網上公佈，供自由下載。
(三) 北京語言大學
漢語國際教育技術研發中心：HSK動態作文語料庫
https://202.112.195.192:8060/hsk/login.asp
語言研究所：北京口語語料查詢系統（B J K Y）
https://www.blcu.edu.cn/yys/6_beijing/6_beijing_chaxun.asp
（四）台灣中央研究院
中研院語料庫ＷＷＷ版所有功能均開放使用，但為防主機資源耗用過劇及顧及數據傳輸
之實際限制，暫以檢索結果為限制的條件：院內檢索限兩萬行數據，院外檢索限兩千行
數據。
1現代漢語平衡語料庫https://www.sinica.edu.tw/SinicaCorpus/
專 門針對語言分析而設計的，每個文句都依詞斷開，並標示詞類。語料的蒐集也儘量
做到現代漢語分配在不同的主題和語式上，是現代漢語無窮多的語句中一個代表性 的
樣本。現有語料庫主要針對語言分析而設計，由中央研究院信息所、語言所詞庫小組完
成，內含有簡介、使用說明，現行的語料庫是4.0的版本。
2古漢語語料庫https://www.sinica.edu.tw/ftms-bin/ftmsw
古漢語語料庫包含以下五個語料庫: 上古漢語、中古漢語(含大藏經)、近代漢語、其他
、出土文獻。部分數據取自史語所漢籍全文數據庫，故兩者間略有重迭。此語料庫之出
土文獻語料庫，全部取自史語所漢簡小組所制作的數據庫。
3近代漢語標記語料庫https://www.sinica.edu.tw/Early_Mandarin/
為 應漢語史研究需求而建構的語料庫。目前素語料庫所蒐集的語料已含蓋上古漢語（
先秦至西漢）、中古漢語（東漢魏晉南北朝）、近代漢語（唐五代以後）大部分的 重
要語料，並己陸續開放使用；在標記語料庫方面，上古漢語及近代漢語都已有部分語料
完成標註的工作，並視結果逐步提供上線檢索。
4樹圖數據庫https://treebank.sinica.edu.tw/
「中文句結構樹資料庫」(Sinica Treebank Version 3.0) 包含了6個檔案，61,087個
中文樹圖，361,834個詞，是中央研究院詞庫小組從中央研究院平衡語料庫 (Sinica
Corpus) 中抽取句子，經由電腦剖析成結構樹，並加以人工修正、檢驗後所得的成果。
在中文句結構樹中，我們標示了中文句語意和語法的訊息。此一「中文句結構樹資料庫
」目前開放網上檢索及資料移轉，以供學者專家在中文句法、語意關係研究參考之用。
另有1000個句結構樹開放下載。
5中英雙語知識本體詞網https://bow.sinica.edu.tw/
結合詞網，知識本體，與領域標記的詞彙知識庫。
6搜文解字https://words.sinica.edu.tw/
包含「搜詞尋字」、「文學之美」、「遊戲解惑」、「古文字的世界」四個單元，可由
部件、部首、字、音、詞互查，並可查詢在四書、老、莊、唐詩中的出處，及直接連結
到出處，閱讀原文。
7文國尋寶記https://www.sinica.edu.tw/wen/
在搜文解字的基礎之上，以華語文學習者為對象，進一步將字、詞、音的檢索功能與國
編、華康、南一等三種版本的國小國語課本結合，與唐詩三百首、宋詞三百首、紅樓夢
、水滸傳等文學典籍結合，提供網絡上國語文學習的素材。
8唐詩三百首https://cls.admin.yzu.edu.tw/300/
以 國中、小學學生為主要使用對象，提供吟唱、繪畫、書法等多媒體數據，文字數據
報含作者生平、讀音標註、翻譯、批註、評註、典故出處等資料；檢索點包含作 者、
詩題、詩句、綜合資料、體裁分類等；檢索結果可以列出全文，並選擇標示相關之文字
及多媒體數據。並提供了一套可以自動檢查格律、韻腳、批改的「依韻入 詩格律自動
檢測索引教學系統」，協助孩子們依韻作詩，協助教師批改習作。
9漢籍電子文獻https://www.sinica.edu.tw/~tdbproj/handy1/
包含整部25史 整部阮刻13經、超過2000萬字的台灣史料、1000萬字的大正藏以及其他
典籍。
10紅樓夢網絡教學研究數據中心https://cls.hs.yzu.edu.tw/HLM/home.htm
元智大學中國文學網絡系統研究室所開發的「網絡展書讀—中國文學網絡系統」，為研
究中心負責人羅鳳珠老師主持，紅樓夢是其中一個子系統，其他還包括善本書、詩經、
唐宋詩詞、作詩填詞等子系統。此網站為國內Internet最大中國文學研究數據庫，提供
用戶最完整的中國文學研究數據。
（五）中國傳媒大學
1中國傳媒大學文本語料庫檢索系統
https://ling.cuc.edu.cn/RawPub/
2在線分詞標註系統
https://ling.cuc.edu.cn/cucseg/
3新詞語研究資源庫
https://ling.cuc.edu.cn/newword/web/index.asp
4音視頻語料檢索系統
https://ling.cuc.edu.cn/mmcpub（目前系統正在升級改造中）
（六）哈爾濱工業大學
1哈工大信息檢索研究室對外共享語料庫資源
https://ir.hit.edu.cn/demo/ltp/Sharing_Plan.htm
該語料庫為漢英雙語語料庫，10萬對齊雙語句對，文本文件格式，同義詞詞林擴展版，
77,343條詞語，秉承《同義詞詞林》的編撰風格，同時採用五級編碼體系，多文檔自動
文摘語料庫，40個主題，文本文件格式，同一主題下是同一事件的不同報導，漢語依存
樹庫，不帶關係5萬句，帶關係1萬句，LTML化，分詞、詞性、句法部分人工標註，可以
圖形化查看，問答系統問題集，6264句，已標註問題類型，LTML化，分詞、詞性、句法
、詞義、淺層語義等程序處理得到，單文檔自動文摘語料庫，211篇，分不同體裁，
LTML化，文摘句標註，分詞、詞性、句法、詞義、淺層語義、文本分類、指代消解等程
序處理得到。
（七）清華大學
漢語均衡語料庫TH-ACorpus：https://www.lits.tsinghua.edu.cn/ainlp/source.htm（
似乎在改版，一直上不去）
（八）香港教育學院
語言資訊科學中心及其語料庫實驗室https://www.livac.org/index.php?lang=sc
自1995年開始，以「共時」方式處理了超常的大量漢語語料，通過精密的技術，累積眾
多精確的統計數據，建立了LIVAC (Linguistic Variation in Chinese Speech
Communities)共時語料庫。 本語料庫最大特點是採用「共時性」視窗模式，嚴謹地定
時分別收集來自多地的定量同類語料，可供各種客觀的比較研究，方便有關的信息科技
發展與應用。此外，語料庫又兼顧了「歷時性」，方便各方人士客觀地觀察與研究視窗
內的有代表性的語言發展全面動態。
（九）中國科學院計算技術研究所
跨語言語料庫https://mtgroup.ict.ac.cn/new/resource/index.php（目前不可用，不
知道是否在升級）
目前的雙語句對數據庫中有約180,000對已對齊的中英文句子。 本數據庫支持簡單的中
英文查詢服務。 查詢結果包括句對編號、中文句子、英文句子、句對來源。
（十）中文語言資源聯盟
中文語言資源聯盟https://www.chineseldc.org/
(Chinese Linguistic Data Consortium,簡稱ChineseLDC)的建立。ChineseLDC是吸收
國內高等院校,科研機構和公司參加的開放式語言資源聯盟。其目的是建成能代表當今
中文信息處理水平的,通用的中文語言信息知識庫。ChineseLDC 將建設和收集中文信息
處理所需要的各種語言資源,包括詞典,語料庫,數據,工具等。在建立和收集語言資源的
基礎上,分發資源,促成統一的標準和規範,推薦給用戶,並且針對中文信息處理領域的關
鍵技術建立評測機制,為中文信息處理的基礎研究和應用開發提供支持。（之所以排名
這麼後，是因為是國家出錢的項目，卻沒有什麼免費資源）
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 121.140.19.4
※ 文章網址: https://www.ptt.cc/bbs/Linguistics/M.1499710409.A.452.html
... <看更多>