语料库众包工具-荷棠的设计与实现

《语料库众包工具-荷棠的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391学校代码：10697密级：公开学号：201531479专业学位硕士论文SPECIALIZEDMASTER’SDISSERTATION语料库众包工具-荷棠的设计与实现学科名称：软件工程作者：阿宇指导老师:侯红教授西北大学学位评定委员会二〇一八年月TheDesignandImplementationofCorpusCrowdsourcingToolAthesissubmittedtoNorthwestUniversityinpartialfulfillmentoftherequirementsforthedegreeofMaste

2、rinSoftwareEngineeringByAYuSupervisor:HouHongProfessorJune2018摘要互联网的飞速发展，加速了全球化的趋势和地球村的形成。已有语言文字的界限不可避免的成为世界各族人民沟通和交流的一大障碍，世界迫切的呼唤新语言的出现。感受到当今无国界跨地域交流面临的窘迫感，以及受到越来越多的网民使用图符来表达的启发。西北大学小露珠团队提出了一种跨语种、跨文化、跨人机、跨时空的地球村语言—“和”，它是由一系列图符、数字、语音和视频等组成的。“和”旨在实现普天同文的梦想，为全世界用户提供统一的交流语言。“和”

3、语料库的建设是“和”语言研究的基础。目前“和”语料库只包括《地书》中的标识符号、象形符号以及国内外主流社交软件的表情符号。由于“和”是不断演进的，为了保持语料库生命力，需要不断更新和维护。迫切的需要一种新的方法，使得同时在效率和质量上达到最优。众包技术的出现，能够实现“和”语料库的全面收集和可持续性建设。本文总结语料库工具和众包技术的研究现状和成果，设计并开发了“和”语料库众包工具—荷棠。荷棠的设计，不仅调动大众的积极性，为“和”语料库的建设和完善助力。同时，大众通过网络以社会化的合作方式直接参与，打破了使用者与创造者间角色割裂的传统定位，大众

4、既是贡献者，又是使用者。关键词：地球村语言，“和”，语料库工具，众包IIIABSTRACTWiththerapiddevelopmentofInternettechnology,theglobalizationtrendandglobalvillagehaveaccelerated.theboundaryoftheexistinglanguagehasbecomeamajorobstacletothecommunicationbetweenallpeopleintheworld，thusraisesanurgentneedforanewlang

5、uagethatcouldbeunderstoodworldwide.Feelingofembarrassment,AndinspiredbymoreandmoreInternetusersusingiconstoexpress.TheLittledewdropteamofNorthwesternUniversityproposesanewglobalvillagelanguage-"Harmony".Itconsistsofaseriesoficons,numbers,voiceandvideo."Harmony"aimsatthedream

6、oftheThesamelanguageallovertheworld,Providingaunifiedlanguageforusersallovertheworld.Corpusconstructionisthebasisof"Harmony"research.Thecorpusincludesthelogos,pictograms,andemoticonsofmainstreamsocialsoftwareathomeandabroad.Thereisanurgentneedforanewapproachthatwillallowopti

7、malefficiencyandqualityatthesametime."Harmony"isconstantlyevolving,Inordertomaintainthevitalityofthelanguage,itneedsconstantupdatingandmaintenance.Theemergenceofcrowdsourcingtechnologyenablesthecomprehensivecollectionandsustainabilityofcorpus.Thisarticlesummarizestheresearch

8、statusandachievementsofcorpustoolsandcrowdsourcedtechnology,anddesignsandde