语料库

语料库一词在语言学上意指大量的文本，通常经过整理，具有既定格式与标记。

根据语料库的特征，可以分为单语语料库、双语语料库、平行语料库等，根据语料的来源，可以分为书面语语料库、口语语料库、作文语料库、学习者语料库、古文书语料库等。

语料库列表

多语

• 点通多语言语音语料库
• 宾州大学语料库
• Wikipedia XML 语料库
• 绍兴文理学院--中国汉英平行语料大世界 中英平行文本双语语料库

英语

• https://www.english-corpora.org
• The Collins Corpus
• Collin's Cobuild Project - 成果：Collin's当代英语辞典、及当代英语文法。
• Corpus of Political Speeches （香港浸会大学图书馆 提供）

汉语

• LIVAC汉语共时语料库
• 兰开斯特大学汉语平衡语料库
• 兰开斯特-洛杉矶汉语口语语料库
• 政治人物演讲语料库 （香港浸会大学图书馆 提供）

繁体中文

• 台湾华语文语料库
• 中央研究院汉语平衡语料库

简体中文

• 国家语委现代汉语语料库
• 北京大学语料库
• 语料库语言学在线

日语

• 现代日语书面语均衡语料库BCCWJ
• 日语口语词汇语料库CSJ
• 筑波网络语料库TWC

研究机构

• 上海外国语大学语料库研究院
• 日本国立国语研究所

等

外部链接

• Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese
• 开放式目录计划中和Computational Linguistics相关的内容
• ACL SIGLEX Resource Links: Text Corpora
• The Leipzig Glossing Rules: Conventions for interlinear morpheme-by-morpheme glosses
• Developing Linguistic Corpora: a Guide to Good Practice
• An interface for querying automatically-constructed virtual corpora.
• TEP: Tehran English-Persian Parallel Corpus.
• [1] Building synchronous parallel corpora of the languages taught at the Faculty of Arts of Charles University.
• TS Corpus - A Turkish Corpus freely available for academic research.
• Turkish National Corpus - A general-purpose corpus for contemporary Turkish
• Free web-based English corpus to download (3 billion words)