传媒语言语料库的建设与应用——侯敏PowerPoint.pptx

传媒语言语料库的建设与应用;主要内容;一、建设传媒语言语料库的目的;二、传媒语言语料库的结构;生语料库检索界面;熟语料库检索界面;音视频语料库点播系统界面;三、语料的采集与标注;;音频语料的采集和标注;将Tcl的跨平台性能、Tk卓越的图形界面、Snack的可视化语音功能整合在一起，在绘制波形、语图、音高曲线等方面省时省力； 标注文件可以和其他语音处理软件兼容，如PRAAT等； 中文界面，实现了中文语音文件的汉字标注。;9、 人的价值，在招收诱惑的一瞬间被决定。6月-216月-21Wednesday, June 9, 2021 10、低头要有勇气，抬头要有低气。08:21:4408:21:4408:216/9/2021 8:21:44 AM 11、人总是珍惜为得到。6月-2108:21:4408:21Jun-2109-Jun-21 12、人乱于心，不宽余请。08:21:4408:21:4408:21Wednesday, June 9, 2021 13、生气是拿别人做错的事来惩罚自己。6月-216月-2108:21:4408:21:44June 9, 2021 14、抱最大的希望，作最大的努力。09 六月 20218:21:44 上午08:21:446月-21 15、一个人炫耀什么，说明他内心缺少什么。。六月 218:21 上午6月-2108:21June 9, 2021 16、业余生活要有意义，不要越轨。2021/6/9 8:21:4408:21:4409 June 2021 17、一个人即使已登上顶峰，也仍要自强不息。8:21:44 上午8:21 上午08:21:446月-21;基于Tcl/Tk+Snack工具开发的标注工具界面及标注实例;采集原则：以节目文本为单位，全面采样，力求均衡； 语料来源：电台、电视台网站的节目文本； 选样参数：大陆与港台、中央与地方、不同的语言样态 不同的受众群体、不同的内容领域…… 目前规模：目前已达到5000万字（不包括篇头信息） 电视语料4000万； 包括17家电视台，165个电视栏目； 广播语料1000万； 包括22家电台，133个广播栏目； 总共有12396个文件。 ;文本语料的标注; 许多/m 游客/n 在/p 景点/n 前/f “/w 望票兴叹/v/i/ls ”/w 。/w 游客/n 是/v “/w 车/n 到/v 山/n 前/f ”/w ，/w 进退两难/v/i ，/w 大老远/a/ky 慕名而来/v/l ，/w 如/c 不/d 进去/v 游览/v ，/w 实在/d 不/d 甘心/v ，/w 而/c 要/v 了却/v “/w 到此一游/v/l ”/w 的/u 心愿/n ，/w 一行/n 三五/m 人/n 就/d 得/v 先/d 掏/v 几百/m 元/q 的/u “/w ???门费/n/ls ”/w 。/w ;XWLB040415-001 P(DJ_ZJ(O1_SU 胡/nr 锦涛/nr ) (I1 主持/v) (O2_OB 仪式/n )(I2 欢迎/v )(O3_OS_NP(A_LS 拉脱维亚/ns)(!总统/n )) (I3 访华/v )) /P XWLB040415-138 (YF(O_SU 孔/nr 泉/nr )(I 说/v ) ，/w ) (DJ_ZJ (E1_SJ_NP 4月/t 13号/t ，/w )(O_DS_NP(A1_NU_QP 17/m 名/q )(A2_LS 中国/ns )(! 船员/n )(E2_CS_PP 在/p 印度/ns 孟加拉湾/ns 海域/n )(E3_YY_PP 因/p 沉船/v )(I 遇险/v ) 。/w ) XWLB040415-005 (DJ_ZJ(E_SJ_FP中拉关系/n 正常化/v 以来/f ，/w) (O_DS_NP (A_LS_NP 两/m 国/n)（!关系/n ）) (E_ZT 顺利/a )(I 发展/v ) 。/w ) ;篇章标注（RST树图分析）样本;目标与特点;四、传媒语言语料库的应用;五、目前存在的问题;请批评指正！ 谢谢！;9、 人的价值，在招收诱惑的一瞬间被决定。6月-216月-21Wednesday, June 9, 2021 10、低头要有勇气，抬头要有低气。08:21:4408:21:4408:216/9/2021 8:21:44 AM 11、人总是珍惜为得到。6月-2108:21:4408:21Jun-2109-J