论文部分内容阅读
随着自然语言处理技术研究的深入开展,语料库的重要作用已经得到广泛的认可。当前人类社会正在向知识社会迈进,知识工程中的自然语言处理、知识获取、知识表示、知识本体论等成了研究的热点。语料库能够客观、便捷地提供真实的数据资源和深层次的语言信息,因此可以支持知识工程很多研究领域的发展。但是我国语料库的建设工作还不完善。为了加快知识工程的发展步伐,语料库的建设还需得到高度重视。另外,在科技领域里,由于信息的过度膨胀使得科研人员及时准确获取所需信息的难度很大,这延长了科研时间,进而影响了科技的发展。科技领域的自然语言处理、本体获取和构建等知识处理技术的研究非常紧迫。
科技语篇语料库用于为科技领域的知识处理技术研究提供数据平台。本文结合科技语体的特点对科技语篇语料库的构建原则和结构功能进行深入的研究,并采用java/jsp语言开发实现了基于Web的科技语篇语料库管理系统。通过采集真实的语料进行实验,表明科技语篇语料库能够反映科技语体的语言特点,并且通过管理系统,用户可以很方便地更新、检索语料。
科技语篇语料库作为专用语料库,除了具备语料库共同的特点外,还有其独特之处。它用于反映科技语体的语言特征,为知识工程领域的研究提供服务,因此在语料库的规模、样本分类等设计上充分结合科技语体的特点。并且该语料库以语篇为采集单位,在管理系统的KWIC检索中向用户提供语篇、甚至更大的语境信息,并能针对某个语篇进行独立的语言分析,这样能从比词句更高的层次更好地支持自然语言处理、知识处理等研究。