技術科普 | BCC漢語語料庫：緊跟時代潮流的語料檢索平臺
![]()
1. 工具簡介北京語言大學語料庫中心（BLCU Corpus Center，簡稱BCC）是以漢語為主、兼有英語和法語的在線語料庫，是服務語言本體研究和語言應用研究的在線大數(shù)據系統(tǒng)。BCC語料庫總字數(shù)約 150 億字，包括報刊（20 億）、文學（30 億）、微博（30 億）、科技（30 億）、綜合（10 億）和古漢語（20 億）等多領域語料，是可以全面反映當今社會語言生活的大規(guī)模語料庫。BCC語料庫具有數(shù)據量大、領域廣和檢索便捷等優(yōu)點。目前，已經支持了百余篇論文的發(fā)表。BCC漢語語料庫網址：
2. 圖文教程2.1 基本檢索流程
1）在搜索框里輸入要檢索的詞匯或語句，可以選擇“多領域”“文學”“報刊”“對話”“篇章檢索”“古漢語”“歷時檢索”或“自定義”。如輸入“美麗的”。點擊“搜索”鍵，可以在單句范圍內，檢符合檢索式的語言片段。
2）點擊“全文”，可以看見該詞的出處。
3）點擊“統(tǒng)計”，可以查詢統(tǒng)計符合檢索式的語言片段出現(xiàn)的頻次。
4）點擊“篩選”，對檢索結果進一步剔除或者僅僅保留符合篩選檢索式的實例。
5）點擊“下載”，可以下載10000條，但不能做商業(yè)使用。
6）點擊“高級”，設置檢索結果的顯示形式，控制上下文字數(shù)。
2.2 歷時檢索
1）點擊“歷時檢索”，輸入“美麗的”，檢索結果可以看到檢索式歷年的出現(xiàn)頻次和頻率，可以切換為柱狀圖、折線圖兩種顯示方式。
2）點擊“切換為頻率圖”，即可查看。
3）右上角依次為“數(shù)據視圖”“切換為折線圖”“切換為柱狀圖”“保存為圖片”。
① 數(shù)據視圖
② 折線視圖
③ 保存的圖片為png格式。
2.3 BCC檢索式
1）下圖為一些常見的檢索式示例。
2）點擊“文學”或“報刊”，輸入基本檢索式“愛v不v”。
3）此外，由于僅僅使用文字加英文的形式檢索出來的內容并不具有廣泛性。因此，對于一個結構內部的精細分析，使用BCC的基本操作方式（鏈接）確實難以完成，無法一步到位。BCC在“報刊”“文學”兩個頻道數(shù)據升級了高級檢索功能。4）高級檢索式在基本檢索式的基礎上增加了條件語句或輸出語句。語句之間用“;”隔開，寫在基本檢索式后的“{ }”中，形如：Query{condition1;condition2;...}Query表示基本檢索式；{ }中的內容為限制語句，其中condition表示對檢索內容進行條件限定。檢索式中被限定的部分需要用( )括起來，一個檢索式中被限定的成分只能有兩處，即只能出現(xiàn)2個( )。根據( )出現(xiàn)的順序，使用$符號和序號指代該部分內容，在{ }中進行指稱。即$1表示第一個( )中出現(xiàn)的內容，而$2表示第二個中的內容。然而花括號里如何構造條件呢？通過內容限制（[]）長度限制（len）、次數(shù)限制（count）等操作符，BCC實現(xiàn)了更靈活的檢索?？刂品绞皆斠娤卤怼?/span>
比如，我們輸入檢索式示例：(v)了又(v){$1=$2;len($1)=1}表示“動詞+了又+動詞”的結構。按“( )”出現(xiàn)的順序，兩個動詞可分別由“$1”“$2”取得?！皗 }”中的限定條件表示前后兩個動詞相同，第一個動詞長度為1。
2.4 其他功能1）在首頁下方，還可以看見“新聞”“搜索示例”“下載”選項。
2）其中，“下載”選項里涵蓋了樹庫資源，法語資源，HSK資源，漢字資源，詞匯資源，外語資源及其他工具。方便使用者進行下載。
搜索示例提供了相應句型的檢索符號，方便檢索者進行查閱。
3. 學習心得BCC漢語語料庫以漢語為主，兼有其他語種的語言大數(shù)據；為語言本體研究提供在線檢索系統(tǒng)；為語言本體研究提供建構大數(shù)據的語言應用平臺；支持云服務；通過API調用方式為開展知識抽取、模型構建提供便利。不僅為漢語言愛好者提供便捷專業(yè)的檢索途徑，也對從事中譯外的譯者及對外漢語教師提供了多角度，具有時效性的檢索結果。同時，該檢索工具幫助使用者們掌握更為細化的檢索方式，提高了使用學習者們的搜索技能。綜上，BCC漢語語料庫值得大家研究學習。參考資料
[1]BCC漢語語料庫官網-幫助欄[2]肖丹、馬路遙BCC語料庫 | 世界語言資源平臺
作者：楊惠鈞編校：阿之
注：學習作品，僅供參考，歡迎指正。
標簽：
