1.5 语料库

1.5.1 认识语料库

语料库是指经过科学取样和加工的大规模电子文本库，具有如下四种类型。

（1）异质（Heterogeneous）：没有特定的语料收集原则，存储各种语料。

（2）同质（Homogeneous）：只收集同一类内容的语料。

（3）系统（Systematic）：根据预先确定的原则和比例收集语料，使语料具有平衡性和系统性，能够代表某一范围内的语言事实。

（4）专用（Specialized）：只收集用于某一特定用途的语料。

除此之外，按照语种不同将语料库分成单语、双语和多语。按照语料的采集单位，语料库又可以分为语篇、语句、短语等。

语料库具备以下三个显著的特点。

（1）语料库中存放的是在语言的实际使用中真实出现过的语言材料。

（2）语料库以电子计算机为载体承载语言知识的基础资源，但并不等于语言知识。

（3）真实语料需要经过加工（分析和处理），才能成为有用的资源。