CCL语料库与检索系统方案

《CCL语料库与检索系统方案》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Word格式一关于CCL语料库及其检索系统（如果时间紧张，可直接跳到最后的举例部分！）1.1CCL语料库及其检索系统为纯学术非盈利性的。不得将本系统及其产生的检索结果用于任何商业目的。CCL不承担由此产生的一切后果。1.2本语料库仅供语言研究参考之用。语料本身的正确性需要您自己加以核实。1.3语料库中所含语料的基本内容信息可以在“高级搜索”页面上，点击相应的链接查看。比如：  “作者列表”：列出语料库中所包含的文件的作者  “篇名列表”：列出语料库中所包含的篇目名  “类型列表”：列出语料库中文章的分类信息  “路径列表”：列出语料库中各文件在计算机中存放的目录  “模

2、式列表”：列出语料库中可以查询的模式1.4语料库中的中文文本未经分词处理。1.5检索系统以汉字为基本单位。1.6主要功能特色：·支持复杂检索表达式（比如不相邻关键字查询，指定距离查询，等等）；·支持对标点符号的查询（比如查询“？”可以检索语料库中所有疑问句）；·支持在“结果集”中继续检索；·用户可定制查询结果的显示方式（如左右长度，排序等）；·用户可从网页上下载查询结果(text文件)；二关于查询表达式本节对CCL语料库检索系统目前支持的查询表达式加以说明。2.1特殊符号查询表达式中可以使用的特殊符号包括8个：

3、    $     #    +   -    ~   !

4、    : 这些符号分为四组：Operator1:

5、    完美整理Word格式Operator2:$      #    +     -    ~  Operaotr3:! Delimiter::符号的含义如下：（一）Operator1: Operator1是二元操作符，它的两边可以出现“基本项”（关于“基本项”的定义见2.2）（1） 

6、  相当于逻辑中的“或”关系。（二）Operator2：Operator2是二元操作符，它的两边可以出现“简单项”（关于“简单项”的定义见2.3）（2） $  表示它两边的“简单项”按照左边在前、右边在后的次序出现于同一句中。两个“简

7、单项”之间相隔字数小于或等于Number（3） #  表示它两边的“简单项”出现于同一句中，不考虑前后次序。两个“简单项”之间相隔字数小于或等于Number（4） +  表示它两边的“简单项”按照左边在前、右边在后的次序出现于同一句中。两个“简单项”之间相隔字数刚好等于Number（5） -  表示它左边的“简单项”出现于句子中，并且，在右边相隔Number个字的范围内，-号右边的“简单项”不出现。（6） ~  表示它左边的“简单项”出现于句子中，并且，在左边相隔Number个字的范围内，~号右边的“简单项”不出现。（三）Operator3：Operator3是一元操作

8、符。（7） !  表示它后面的“简单项”是本次查询的主关键字符串，显示查询结果时以该“简单项”作为中心来进行定位。注意：Operator2后面的Number是必须的，不能省略。Number=0表示相邻,Number=1表示间隔1个单位，其余依此类推。（四）Delimiter：西文冒号:是分隔符（8）:跟在path，author，name，type，pattern等关键字后面，用于分隔关键字和它们的取值。这样形成的查询式我们称之为“过滤项”（见下面2.5）注意：上述特殊字符不能作为基本项在语料库中进行检索。path，author等关键字可以作为基本项进行检索。完美整理Wo

9、rd格式2.2基本项指不包含特殊符号和空格的连续字符串2.3简单项简单项可以由以下三种形式的序列组成（1） 基本项（2） 基本项1Operator1基本项2Operator1...（3）(基本项1Operator1基本项2Operator1...)注意：在实际表达式中，Operator1前后不能有空格2.4复杂项复杂项可以由以下三种形式的序列组成（1） 简单项（2） 简单项1Operator2Number简单项2 （3） 简单项1Operator2NumberOperator3简单项2其中第二种形式，等价于  Operator3简单项1Operator2Number简单

10、项2，换句话说，如果以第一个简单项作为查询结果的显示中心，！可以省略。注意：Number为0和正整数。Operator2，Operator3前后均不能有空格2.5过滤项过滤项可以包含以下表达式：（1）author:简单项（2）name:简单项（3）path:简单项（4）type:简单项（5）pattern:简单项（“author:简单项”的含义是指“author:”后面跟的表达式是上面2.3“简单项”所定义的字符串，其余类推）注意：完美整理Word格式通过指定过滤项中author（作者），name（篇名），path（文件路径），type（