（第六期，2013年4月10日）

2013年4月10日下午，北京师范大学外文学院语言学沙龙在后主楼1020举行第六次活动。

本次沙龙邀请曲阜师范大学外国语学院秦洪武教授做报告，主题为“双语语料库：制作与应用”。秦教授从语料库的基本知识入手，步步深入，带领大家走进语料库的神秘世界。

报告主要包括五个方面：（一）语料库的基本特征。语料库是一系列结构合理的文本的集合，语料以txt、xml、html等方式存储；语料格式要具有一致性，不能有多余的空格或断行等；存储语料时要加Header，用以表示文本的元信息，如作者、语言、年代、体裁等。（二）语料库抽样——理论与抽样操作。建设语料库时，要注意语料库的平衡性和代表性；可采用分层抽样或随机抽样的方法选取语料；语料不需要是一个完整的文本，可使用小抽样，其功能性与大抽样是相同的。（三）文本处理。选取的语料可能存在不必要的空格、软回车、硬回车等现象，会影响语料的规范，因此首先要进行去噪处理。可利用的工具包括Microsoft Word中的宏、EditPlus、Headadder等，其中EditPlus可打开所有文件并一次性替换所有不规范格式，Headadder不仅能够对文本进行去噪处理，还可以为文本加上显示元信息的Header。（四）双语语料库的对齐。语料库中的对齐方式包括段对齐、句对齐以及段对齐中的句对齐，可使用的对齐软件有Paraconc、Bitext2tmx、wordfisher等，其中Paraconc可处理英汉文本，同时具有对齐和检索功能，是使用最广、最方便的软件。（五）语料库赋码。语料标注包括自动标注和手工标注，前者一致性和准确性差，后者费时费力，但准确性高。因此，为确保语料库的准确性和一致性，可以使用半自动标注软件，辅以人工检查。

语料库为语言研究提供新的思维视角，通过大量真实语料的研究可以减少主观性和片面性。秦老师的报告使大家对语料库的制作有了深入的认识，大家的学习热情都很高涨。在以后的学习中，大家可以根据研究需要尝试建立自己的语料库。

（刘玉洁 张冉冉 报道）

本次活动参加人员：召集人——张树堂

安昊，白丽娜，陈玉娟，崔冬梅，丁振琴，高灵芝，高淼，高璇，郭辰，郭菲，黄婷，鞠志勤，李红霞，李兆娜，刘国庆，刘玉洁，苗兴伟，彭宣维，齐豪杰，孙静，孙哲，谭波，唐娇梅，陶延华，王海波，卫昭慧，夏竞成，解敏，解素伟，叶敏，于爽，张宏钰，张妮，张冉冉，张树堂，张政，赵晶，赵倩莹，周今由