語(yǔ)料庫(kù)是由人工或機(jī)器標(biāo)注好的真實(shí)語(yǔ)言材料組成的數(shù)據(jù)集。開(kāi)展與自然語(yǔ)言相關(guān)的研究，語(yǔ)料庫(kù)是有效的工具和手段。依據(jù)語(yǔ)料庫(kù)既可以研究語(yǔ)言普遍規(guī)律也可以針對(duì)具體文本開(kāi)展研究。在中文信息處理的研究中，訓(xùn)練語(yǔ)料通常由通用語(yǔ)料和領(lǐng)域語(yǔ)料組成。在漢語(yǔ)通用語(yǔ)料方面，由北京大學(xué)計(jì)算語(yǔ)言研究所構(gòu)建的1998年人民日?qǐng)?bào)語(yǔ)料最具代表性，影響力也最大。但是，隨著時(shí)間的推移，1998年所構(gòu)建的精加工人民日?qǐng)?bào)語(yǔ)料，在詞匯的時(shí)效性、完備性和覆蓋度上均需要進(jìn)行更新、補(bǔ)充和增加。

在這一背景下，以2015至2018年《人民日?qǐng)?bào)》發(fā)表的文章為對(duì)象，我們構(gòu)建了新版的人民日?qǐng)?bào)分詞語(yǔ)料。因?yàn)樾掳嬲Z(yǔ)料庫(kù)收錄的全部是進(jìn)入新世紀(jì)以后的《人民日?qǐng)?bào)》文章，而且均為2012年以后即中國(guó)特色社會(huì)主義進(jìn)入新時(shí)代以后的文章，為區(qū)別于北京大學(xué)的1998年人民日?qǐng)?bào)語(yǔ)料，將該語(yǔ)料命名為新時(shí)代人民日?qǐng)?bào)語(yǔ)料(New Era People’s Daily Segmented Corpus，簡(jiǎn)稱NEPD、NEPD語(yǔ)料或NEPD語(yǔ)料庫(kù))。為促進(jìn)語(yǔ)料資源的開(kāi)放和共享，NEPD的相關(guān)語(yǔ)料將對(duì)學(xué)界公布，供學(xué)術(shù)研究用，并且后續(xù)還將不斷補(bǔ)充最新語(yǔ)料[1]。



參考文獻(xiàn)：
[1] 黃水清,王東波.新時(shí)代人民日?qǐng)?bào)分詞語(yǔ)料庫(kù)構(gòu)建、性能及應(yīng)用(一)——語(yǔ)料庫(kù)構(gòu)建及測(cè)評(píng)[J].圖書情報(bào)工作,2019,63(22):5-12.

原文出處：http://corpus.njau.edu.cn/wiki/001

相關(guān)文章閱讀
幾個(gè)常見(jiàn)的漢語(yǔ)語(yǔ)料庫(kù)分析
互聯(lián)網(wǎng)上開(kāi)放的中文語(yǔ)料庫(kù)有哪些
分詞介紹
新時(shí)代人民日?qǐng)?bào)分詞模型