語料庫

語料庫一詞在語言學上意指大量的文本，通常經過整理，具有既定格式與標記。

根據語料庫的特徵，可以分為單語語料庫、雙語語料庫、平行語料庫等，根據語料的來源，可以分為書面語語料庫、口語語料庫、作文語料庫、學習者語料庫、古文書語料庫等。

語料庫列表

多語

• 點通多語言語音語料庫
• 賓州大學語料庫
• Wikipedia XML 語料庫
• 紹興文理學院--中國漢英平行語料大世界 中英平行文本雙語語料庫

英語

• https://www.english-corpora.org
• The Collins Corpus
• Collin's Cobuild Project - 成果：Collin's當代英語辭典、及當代英語文法。
• Corpus of Political Speeches （香港浸會大學圖書館 提供）

漢語

• LIVAC漢語共時語料庫
• 蘭開斯特大學漢語平衡語料庫
• 蘭開斯特-洛杉磯漢語口語語料庫
• 政治人物演講語料庫 （香港浸會大學圖書館 提供）

繁體中文

• 臺灣華語文語料庫
• 中央研究院漢語平衡語料庫

簡體中文

• 國家語委現代漢語語料庫
• 北京大學語料庫
• 語料庫語言學在線

日語

• 現代日語書面語均衡語料庫BCCWJ
• 日語口語詞彙語料庫CSJ
• 筑波網絡語料庫TWC

研究機構

• 上海外國語大學語料庫研究院
• 日本國立國語研究所

等

外部連結

• Free, web-based corpora (45-425 million words each): American (COCA, COHA, TIME), British (BNC), Spanish, Portuguese
• 開放式目錄計劃中和Computational Linguistics相關的內容
• 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)