传媒语言语料库的建设与应用——侯敏-PowerPoint

1、传媒语言语料库的建设与应用中国传媒大学 播音主持艺术学院侯 敏一、建设传媒语言语料库的目的二、传媒语言语料库的结构三、语料的采集与标注四、传媒语言语料库的应用五、目前存在的问题 语料库已成为语言研究和自然语言信息处理研究 的信息源和知识源，成为一种必要的现代化的研 究工具和手段； 广播电视语言对社会语言生活具有深远的影响； 为我院教师、研究生研究广播电视语言搭建一个 平台，提供语言资源及现代化工具,为教学服务； 为所有对传媒有声语言、尤其是 广播电视语言有 兴趣的人员提供研究资源及现代化工具，为社会 服务。传媒语料库文本语料库音视频语料库文本文本生语料库生语料库文本文本熟语料库熟语料库音视频音

2、视频生语料库生语料库音视频音视频熟语料库熟语料库http:/ 语料的采集 文本语料的采集 音视频语料的采集 语料的标注 文本语料的标注 音视频语料的标注 ESD WRIST STRAPGROUNDINGRECEPTACLE6C 105RESET13141516171819202122232413X15X17X19X21X23X1234567891011121X3X5X7X9X11XCOMCPU2526SYSL N KEPIM 1 1SPETHERNETEE 162- 25RESETMMAC13141516171819202122232413X15X17X19X21X23X12345678910

3、11121X3X5X7X9X11XCOMCPU1235PS2PS146C205- 1SN100 - 125V 54A200 - 250V 2,7A50 - 60 HzPOKREDUNDANCYA00964100046C205- 1SN100 - 125V 54A200 - 250V 2,7A50 - 60 HzPOKREDUNDANCYA00964100046C300 音视频采集工作站音视频采集工作站磁盘阵列磁盘阵列语料加工工作站语料加工工作站服务器服务器用户浏览查询终端用户浏览查询终端DVD录像机录像机数字化工作站数字化工作站 转写工作站转写工作站互联网互联网 标注工具标注工具：开发了一个面

4、向汉语的语音标注系统a. 将将Tcl的跨平台性能、的跨平台性能、Tk卓越的图形界面、卓越的图形界面、Snack的可视化语音功能整合在一的可视化语音功能整合在一起，在绘制波形、语图、音高曲线等方面省时省力；起，在绘制波形、语图、音高曲线等方面省时省力；b. 标注文件可以和其他语音处理软件兼容，如标注文件可以和其他语音处理软件兼容，如PRAAT等；等；c. 中文界面，实现了中文语音文件的汉字标注。中文界面，实现了中文语音文件的汉字标注。汉字层拼音层声韵层停断层重音层目前已达到50005000万字（不包括篇头信息） 电视语料40004000万； 包括17家电视台，165个电视栏目； 广播语料10001000万； 包括22家电台，133个广播栏目； 总共有1239612396个文件。已做正在做熟语的双层标注语体信息标注篇章标注（篇章标注（RSTRST树图分析）样本树图分析）样本 多层次 一体化 研制语料库分词标注系统 面向信息处理的语言研究 一般的语言研究 广播电视语言研究 普通话韵律