Download presentation
Presentation is loading. Please wait.
1
杨百翰大学BNC语料库使用说明
2
杨百翰大学BNC语料库简介 1. 简介 1.1 通过这个网址，可以搜索到100 million词的British National Corpus (1970s-1993). （当然现在Corpus of Contemporary American English( )能在线免费提供 400+ million 词，在线网址为：
4
选择学习BYU-BNC的原因 1. BYU-BNCm免费且在线方便
2. BYU 还有另外两个语料库TIME Corpus of American English 和Corpus of Contemporary American English (COCA) ，它们的使用方法基本相同
5
1.2 BYU－BNC界面简介
6
2. 主要搜索功能 2.1 搜索words、phrases、lemmas、wildcards和其他更加复杂的字词 2.1.1 输入单词“mysterious” (图 )： 得到相关结果(图 )：在各子库中的频率，每百万词使用的频率 若对图2中的相应条块进行点击，那么就可以看到KWIC，如图 (以点Fiction的条块为例)：
7
图
8
图 使用CHART显示
9
图 使用KWIC显示方式
10
2.1.2 输入词组“white+名词” (图 ) 得到的结果都是white后面跟的名词短语 (图 )，检索表达式为：white [n*]
![2.1.2 输入词组 white+名词 (图 ) 得到的结果都是white后面跟的名词短语 (图 )，检索表达式为：white [n*]](http://slidesplayer.com/slide/11611918/62/images/10/2.1.2+%E8%BE%93%E5%85%A5%E8%AF%8D%E7%BB%84+white%2B%E5%90%8D%E8%AF%8D+%28%E5%9B%BE+%29+%E5%BE%97%E5%88%B0%E7%9A%84%E7%BB%93%E6%9E%9C%E9%83%BD%E6%98%AFwhite%E5%90%8E%E9%9D%A2%E8%B7%9F%E7%9A%84%E5%90%8D%E8%AF%8D%E7%9F%AD%E8%AF%AD+%28%E5%9B%BE+%29%EF%BC%8C%E6%A3%80%E7%B4%A2%E8%A1%A8%E8%BE%BE%E5%BC%8F%E4%B8%BA%EF%BC%9Awhite+%5Bn%2A%5D.jpg "2.1.2 输入词组 white+名词 (图 ) 得到的结果都是white后面跟的名词短语 (图 )，检索表达式为：white [n*]")
11
图 规则：输入名词的话用正则表达式: [n*]；动词: [v*]; 形容词: [aj*]; 副词: [av*]……
![图 规则：输入名词的话用正则表达式: [n*]；动词: [v*]; 形容词: [aj*]; 副词: [av*]……](http://slidesplayer.com/slide/11611918/62/images/11/%E5%9B%BE+%E8%A7%84%E5%88%99%EF%BC%9A%E8%BE%93%E5%85%A5%E5%90%8D%E8%AF%8D%E7%9A%84%E8%AF%9D%E7%94%A8%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%3A+%5Bn%2A%5D%EF%BC%9B%E5%8A%A8%E8%AF%8D%3A+%5Bv%2A%5D%3B+%E5%BD%A2%E5%AE%B9%E8%AF%8D%3A+%5Baj%2A%5D%3B+%E5%89%AF%E8%AF%8D%3A+%5Bav%2A%5D%E2%80%A6%E2%80%A6.jpg "图 规则：输入名词的话用正则表达式: [n*]；动词: [v*]; 形容词: [aj*]; 副词: [av*]……")
12
图 White+名词的短语
13
2.1.3 输入通配符(wildcards)，如分别输入un*ly和r?n*，结果如图2.1.3-1和.2.1.3-2
14
图
15
图
16
2.1.4 输入lemma（即一个单词的单复数、时态等所有形式），若要得到sing这个单词的所有形式，可以如下图所示（图2.1.4-1）
17
图 规则：若要得到某个单词的所有单复数和时态形式，那么就要在输入时，在这个单词外加 [ ]。
![图 规则：若要得到某个单词的所有单复数和时态形式，那么就要在输入时，在这个单词外加 [ ]。](http://slidesplayer.com/slide/11611918/62/images/17/%E5%9B%BE+%E8%A7%84%E5%88%99%EF%BC%9A%E8%8B%A5%E8%A6%81%E5%BE%97%E5%88%B0%E6%9F%90%E4%B8%AA%E5%8D%95%E8%AF%8D%E7%9A%84%E6%89%80%E6%9C%89%E5%8D%95%E5%A4%8D%E6%95%B0%E5%92%8C%E6%97%B6%E6%80%81%E5%BD%A2%E5%BC%8F%EF%BC%8C%E9%82%A3%E4%B9%88%E5%B0%B1%E8%A6%81%E5%9C%A8%E8%BE%93%E5%85%A5%E6%97%B6%EF%BC%8C%E5%9C%A8%E8%BF%99%E4%B8%AA%E5%8D%95%E8%AF%8D%E5%A4%96%E5%8A%A0+%5B+%5D%E3%80%82.jpg "图 规则：若要得到某个单词的所有单复数和时态形式，那么就要在输入时，在这个单词外加 [ ]。")
18
图 形容词early的圆形，比较级和最高级三种形式一次性检索出来检索
19
2. 1. 5 输入某种词性且部分带有某些字母的命令，如要得到以un-开头、-ed结尾的所有形容词的所有形式（见图2. 1
2.1.5 输入某种词性且部分带有某些字母的命令，如要得到以un-开头、-ed结尾的所有形容词的所有形式（见图 ）和得到动词+任何词+ground的所有词组（见图 ）: 规则：若要得到某种词性且词中带有部分带有某些字母的形式时，如要得到以un-开头、-ed结尾的所有形容词的所有形式，那么输入: un*ed.[aj*]；若要得到动词+任何词+ground的所有词组,那么输入: [vv*]*[ground]即可。前者用来研究词汇，后者用来查询特定词性的搭配。
20
图
21
图 动词+任何词+ground的所有词组
22
2.2 搜索搭配词和出现的频率 如 “thick后跟的名词” （图2.2-1）
23
图2.2-1 规则：在context里输入[n*] 后选择4,表示在thic4后面（4跨距范围内）出现的任何名词
![图2.2-1 规则：在context里输入[n*] 后选择4,表示在thic4后面（4跨距范围内）出现的任何名词](http://slidesplayer.com/slide/11611918/62/images/23/%E5%9B%BE2.2-1+%E8%A7%84%E5%88%99%EF%BC%9A%E5%9C%A8context%E9%87%8C%E8%BE%93%E5%85%A5%5Bn%2A%5D+%E5%90%8E%E9%80%89%E6%8B%A94%2C%E8%A1%A8%E7%A4%BA%E5%9C%A8thic4%E5%90%8E%E9%9D%A2%EF%BC%884%E8%B7%A8%E8%B7%9D%E8%8C%83%E5%9B%B4%E5%86%85%EF%BC%89%E5%87%BA%E7%8E%B0%E7%9A%84%E4%BB%BB%E4%BD%95%E5%90%8D%E8%AF%8D.jpg "图2.2-1 规则：在context里输入[n*] 后选择4,表示在thic4后面（4跨距范围内）出现的任何名词")
24
如跟在 “smile前面的形容词” （图2.2-2）
规则：在words里输入: smile.[n*]，表示作为名词的smile； 在context里输入: [aj*]表示其前后出现形容词的语境。
25
Confidence前使用的行用词 图2.2-3
26
2.3 搜索在子语料库(register)内(或之间)出现的频率(或比较)(不同语域中的用法)
如在Fiction和Newspaper子数据库中passionate后面可以跟任何名词的词及频率，分别如两图(2.3-1和2.3-2)
27
图2.3-1 图2.3-2
28
但是也可以之间对两者子语料库中它们出现频率的对比，操作：分别选择section 1&2,如下图(图2.3-3)：
29
图2.3-3
30
2.4 进行语义倾向比较 2.4.1 比较近义词 如：近义形容词hot和warm后面所跟名词的区别（如图2.4.1）：
31
图2.4.1 规则：在words的方格里分别输入hot和warm，再在context方框里输入[nn*],表示后面所跟任何名词。当然也可以比较在某个子语料库中出现的频率比较。
![图2.4.1 规则：在words的方格里分别输入hot和warm，再在context方框里输入[nn*],表示后面所跟任何名词。当然也可以比较在某个子语料库中出现的频率比较。](http://slidesplayer.com/slide/11611918/62/images/31/%E5%9B%BE2.4.1+%E8%A7%84%E5%88%99%EF%BC%9A%E5%9C%A8words%E7%9A%84%E6%96%B9%E6%A0%BC%E9%87%8C%E5%88%86%E5%88%AB%E8%BE%93%E5%85%A5hot%E5%92%8Cwarm%EF%BC%8C%E5%86%8D%E5%9C%A8context%E6%96%B9%E6%A1%86%E9%87%8C%E8%BE%93%E5%85%A5%5Bnn%2A%5D%2C%E8%A1%A8%E7%A4%BA%E5%90%8E%E9%9D%A2%E6%89%80%E8%B7%9F%E4%BB%BB%E4%BD%95%E5%90%8D%E8%AF%8D%E3%80%82%E5%BD%93%E7%84%B6%E4%B9%9F%E5%8F%AF%E4%BB%A5%E6%AF%94%E8%BE%83%E5%9C%A8%E6%9F%90%E4%B8%AA%E5%AD%90%E8%AF%AD%E6%96%99%E5%BA%93%E4%B8%AD%E5%87%BA%E7%8E%B0%E7%9A%84%E9%A2%91%E7%8E%87%E6%AF%94%E8%BE%83%E3%80%82.jpg "图2.4.1 规则：在words的方格里分别输入hot和warm，再在context方框里输入[nn*],表示后面所跟任何名词。当然也可以比较在某个子语料库中出现的频率比较。")
34
如：woman和man前面所跟的形容词的区别（如图2.4.2）
2.4.2 比较反义词 如：woman和man前面所跟的形容词的区别（如图2.4.2） 图2.4.2 规则：在words的方格里分别输入woman和man，再在context方框里输入[aj*],选在左3，表示前面3个跨距内所有的形容词。当然也可以比较在某个子语料库中出现的频率比较。
35
如：搜索beautiful的所有近义词（如图2.4.3-1）
2.4.3 搜索近义词 如：搜索beautiful的所有近义词（如图 ） 规则：在words的方格里输入[=beautiful]，表示和beautiful语义相近的所有形容词。
36
再如：搜索动词clean的所有近义词，如下图：
图
37
当然可以进一步搜索与clean语义相近的动词+the+名词的词组，[[=clean]].[v*] the [n*] 如下图：
图
![当然可以进一步搜索与clean语义相近的动词+the+名词的词组，[[=clean]].[v*] the [n*] 如下图：](http://slidesplayer.com/slide/11611918/62/images/37/%E5%BD%93%E7%84%B6%E5%8F%AF%E4%BB%A5%E8%BF%9B%E4%B8%80%E6%AD%A5%E6%90%9C%E7%B4%A2%E4%B8%8Eclean%E8%AF%AD%E4%B9%89%E7%9B%B8%E8%BF%91%E7%9A%84%E5%8A%A8%E8%AF%8D%2Bthe%2B%E5%90%8D%E8%AF%8D%E7%9A%84%E8%AF%8D%E7%BB%84%EF%BC%8C%5B%5B%3Dclean%5D%5D.%5Bv%2A%5D+the+%5Bn%2A%5D+%E5%A6%82%E4%B8%8B%E5%9B%BE%EF%BC%9A.jpg "图")
41
BYU-BNC词性附码的使用 1)查询多义词特定的词性，如for
2)某个词前/或者后面特定词性的若干搭配词， 如confidence 前的形容词 3)词性附码放置的位置 Words或者context处
42
将BNC KWIC制作成mini text 需要工具： 1. 文本编辑器 2. MS-word
43
以上方法同样可以用于检索代表当代美国的语料库 http://www. americancorpus
以上方法同样可以用于检索代表当代美国的语料库
Similar presentations
