语料库

思路：
-语料库有什么用，在统计机器学习中的地位，用图说明
-语料库的一些基本概念。如熟语料、生语料等。
-有哪些著名的语料库。人民日报语料库、WordNet等。
-如何构建语料库。主要是成本、规范。
一些历史：
- 1957年，Chomsky的《句法理论》及其以后一系列著作的发表，根本改变了语料库语言学的发展状况。质疑了语料的作用，语料库研究陷入沉寂期。
- 80年以后，随着统计方法的流行，语料库语言学复兴。1983年，英国Lancaster大学的LOB语料库，研究英国英语，500篇，每篇2000词。法国国家科学研究中心与美国芝加哥大学联合，建成法语语料库TLF语料库，2000书面文本，1.5亿词。芬兰赫尔辛基大学建成历史英语语料库（850-1720年），1600万词。1988年伦敦大学建成国际英语语料库ICE。1981年-1991年，480个语料库项目得到资助。对比之下，1959年-1980年，只有140个语料库项目。
- 国内语料库研究历史。1979年，武汉大学，汉语现代文学作品语料库，527万字。1998年，清华大学，1亿汉字的语料库，着重研究歧义切分问题。北京大学计算语言研究所，从1992年开始现代汉语语料库的多级加工，先后建成2600万字的1998年《人民日报》标注语料库、2000万字汉字1000多万英语单词的英汉双语语料库，以及8000万字篇章级别信息科学与技术领域的语料库。之前的录入手段全靠手工，现在收集数据很简单。
- 文本产权（国家知识产权保护空白）、标记产权
- 单语。双语（机器翻译）。是否标注？是，熟语料；否，生语料。平衡语料，各个领域或类别或时间或地域的平衡。平行语料库
- 白菜、白桌子，猪肉、天鹅肉
- 美国LDC 语料库，定义了汉语某些标准。
- http://www.huaxia.com/zhwh/wszs/2009/01/1294679.html
- 几个典型的语料库：
–Brown Corpus 20世纪60年代，Francis和Kucera在Brown大学建立，世界上第一个根据系统性原则采集样本的标准语料库，100万词规模。
待续