HNC语料库的设计与实现

谭露

摘 要

    语料库是语言学研究和自然语言处理研究的基础资源，随着计算机技术的高速发展，计算机存储和处理语料的能力愈来愈强，语料库在语言学研究和自然语言处理等相关领域的研究中发挥着愈来愈重要的作用。HNC理论作为一个中文信息处理的流派，它的发展要求HNC语料库的同步发展。在过去的数十年里，国内外语料库的建设和相关研究非常活跃，并且已取得了很多成绩。但是，这些语料库多数以词性标注为基础，服务于句法分析，他们很难直接作为服务于HNC理论研究的语料库。建设服务于HNC理论及其相关自然语言处理研究的HNC语料库成为当务之急。

    本文在HNC理论的总体框架指导下，在HNC语料库已有素材的基础上，全面开展HNC语料库的软件建设工作，主要包括三个方面：语料库整体框架的构建、HNC汉语语料库的建设和语料库应用平台的设计与实现。论文取得的主要进展和贡献如下：

（1）    构筑了统一的、功能比较完备的HNC语料库整体框架，它包括HNC六库语料库和语料库应用平台。

（2）    建立形成了HNC汉语生语料库和HNC汉语熟语料库。

（3）    设计并编程实现了集语料加工、管理、检索和统计于一身的HNC语料库应用平台，它包含HNC语料库加工管理子系统和HNC语料库检索统计子系统。

（4）    设计开发了HNC语料标注工具，不仅能够使语料标注人员便捷的进行语料标注，而且能够对标注结果进行形式上和内容上的检查，同时还提供即时的标注帮助。

（5）    设计和开发了界面友好、功能强大、使用便捷的语料库辅助工具软件——HNC点点通，它能够通过信息查询和屏幕取词等方式及时、便捷、准确、全面地提供获取所需的HNC信息，在进行语料标注时，通过软件工具的查询可以获得词形的句类和相关例句等。

（6）    将先进的计算机技术引入到语料库软件的开发中来，如界面编程、屏幕取词、正则表达式等技术。

    综上，本文主要完成了HNC语料库的设计与实现工作，重点在汉语语料库方面。本文的工作是HNC语料库软件建设的开始，将为HNC语料库的全面建成提供基础。

关键词：HNC理论；语料库；语料库建设；语料标注；语料检索统计