基于中文的亚洲英语共同体语料库的构建

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：叶星妤;潘孝新;秦晓惠;王龙*;黄超;罗熊

摘要：基于中文的亚洲英语共同体是中华文化的承载介体,是人类命运共同体的基本通用语之一。 然而,缺乏大量的真实可信数据、科学的数据挖掘与自然语言处理方法,已成为制约基于中文的亚洲英语研究发展的关键技术问题。 在分析相关研究现状的基础上,设计并实现了一个大数据驱动的基于中文的亚洲英语语料库并通过 Web 开发实现在线检索服务(Corpus of Chinese-based Asian English,CCbAE)。 这是一个由六个基于中文的英语变体(中国大陆英语、中国香港英语、中国台湾英语、中国澳门英语、新加坡英语、马来西亚英语)组合而成的大规模语料库。 首先,简要说明了系统的总体架构和数据库构建。 其次,结合 Web 可视化界面着重介绍了语料库的六大功能,分别为词频统计、特征展示、词汇变异、形态变异、句法变异、词义变异。 该系统的设计与实现为不同层次的用户体,提供简捷易用的基于中文的亚洲英语语料检索服务。

关键词：语料库;亚洲英语;大数据;语言检索;自然语言处理