WordSmith使用介绍

1、1. WordSmith介绍这是WordSmith工具控制器的主画面.它有四个主要的菜单选项, 一个谚语 (不断变化,您可以编辑), 主要工具的三个按钮 (Concord是红色，因为这个工具在使用中), 以及一系列的标签. 目前，我们看到它显示 anthony & cleopatra.txt 已被选定用做Concord.2. 选择文本文件要选择文本文件，单击主控制器中的文件菜单:当你单击 选择文本, 你会看到像这样:在左边是一个相当标准的文本文件资源管理器中，右边是一个选中文本区域. 按一下有两个蓝色箭头的按钮 (如下图光标处), 或拖曳一些文本文件从左至右。您应该会看到类似这样:目前

2、WordSmith表明 (在上图状态栏) 7个已被保存. 您可以看到文件大小，但WordSmith（还）不知道每个文本文件有多少的词.我们选择了Concord的7个文本 (见 Concord 上位于 已选文件).按下绿色按钮或者关闭窗口.3. Concord3.1 Concord概况A concordance看起来就像这样:它是所有出现wherefore在Romeo and Juliet的8个文本的concordance. 目前只有3项.第一个有644个词 (43%)，其源文件是 rom06.txt.3.2 制作一个Concordance当您按下主控制器Concord 按钮, 一个新的Conc

3、ord 工具打开了并出现在Windows任务栏.现在在Concord, 选择 File | New.如果没有文本文件已选定, 会要求您选择一些. 按 Choose Texts Now 按钮. 一旦文本被选中, 输入一个合适的 Search Word:在这里，已经选择wherefore作为搜索词. 然后按OK. concordance列出所有"wherefore"的例子，还在词前后有一个词分隔符号，如标点符号,空格等. 既然现在我们已经做了 concordance, WordSmith现在知道每一个文本文件有多少词: rom06.txt 共有1,506次; rom8.txt

4、更大 (2,236个单词). 3.3 查看源文件要查看源文件,双击正使用的线.在这里，点击了突出行包含有 wherefore art thou Romeo.或按F8，线会变粗:或把有兴趣d的线拉长或拉粗:将光标放在左栏的2和3数目之间，它改变形状:再拉下来.也可以把光标放在右边缘后再拉粗，就在Set的左边. 3.4 Collocates和Mutual Information以下是AGO的collocates,用BNC的书面部分计算所得, 按频率排序.有AGO的实例近17000个, 并且 YEARS 是首位搭配, 9000次邻现于 AGO. "关系&quo

5、t; 栏为空，此时只能用频率对每栏进行排序，或按照词的字母顺序排序. 所需的是要知道所有这些collocates，每个与AGO 关系有多紧密. 是否 A, THE, WAS 等等，真的与 AGO关系紧密? 如果我们现在选择菜单 计算 | Mutual Information,  并选择一个合适的词表来做比较:  那么，我们得到以下列表，排序时按 关系 栏:  列表前面几项能更好地反映AGO随着时间和数量的趋势. 首位搭配 (HENSLEY) 只有5次同现于

6、 AGO (BNC书面部分共有17次).3.5 使用标注Concordancing如果您的源文件有标注,可要做的第一件事是让WordSmith知道. 要做到这一点,在主 控制器, 选 Settings | Adjust Settings                   然后，选 Tags and Mark-up.              &#

7、160;  如果您使用的是英国国家语料库, 在 Custom settings里选它，如上所示. 然后选Entity file如果不想见eacute; 不选 é 及类似的, 再按 Load:         .         到目前为止，我们已告诉控制器，忽略以尖括号开始和结束的所有标签 (< >), 把几个实体引用翻译成符号，如 % 和 ", 并且删除了每个文本

8、的题头 (直到 </teiHeader>). 作为一个开端，已经不错了. 现在，我们对词类做concordance. BNC使用的标记，如下所示：:         <w PRP>at <w AT0>the <w AJ0>great <w NN2>houses         所以每个介词标记为 <w PRP> 在介词本身前. 目的是要看到在BNC选定的文字的所有的介词. 选定一个BN

9、C文本文件后, 键入 <w PRP>*作为搜索词 (星号是必要的，因为一个词直接在词类标签后) 并按下OK.         WordSmith检查角括弧内是否是文字或标注始标记:                  在这里，我们选 "No". 再次按下OK.            你看到的介词和标注(但没有任何其他标记). &

10、#160;      4. Wordlist4.1 词表WordSmith Tools的词表像这样的 :            这表明每个单词在文本文件了出现的频率, 其在文本词汇中所占比例, 以及每个单词在多少的文本文件中出现.4.2 制作单词列表要制作单词列表, 先按 WordList按钮，在主控制器.                        Wo

11、rdList启动后,选择文本然后你会看到这样的.                  在这里，我们要作出一个基于8文本文件简单的词列表，文本来自戏剧Romeo and Juliet, 按 Make a word list now.                   WordList tool显示一个频率列表. 最常用的词是"#". 有985个#.

12、怎么回事? 原来, #在默认情况下被用来代表任何数字，如65, 40 或 $997.82.  在#下, 最常见的词是 the, and, I to, of. 旁边，你可以看到它在我们使用的8文本里的频率, 每个词的百分比, 以及每个词在8个文本中出现的次数. 好像 I 的频率最高，但在8个文本中却没有出现.         要按字母顺序排列看词, 请按一下窗口底部附近的alphabetical标签.          

13、0;       现在，向下滚动到 wherefore. 结果似乎证实了我们做concordance的发现.         4.3 Concordancing 选定词一旦你在屏幕上得到了一个词表, 您可能希望看到一些词所在的语境.         选择一个字（或多个）                  并选择计算| Concordance. &#

14、160;       您会得到像这样(如果制作词表时的原始文本仍在原位):         4.4 lemmatising要手动进行lemmatise, 用屏幕上的单词列表, 把它拖到您想加入到的线上. 再放开: 你会看到总数的变化并且Lemmas栏中的项目为可见. 如果有很多，您可以双击Lemmas 栏看到详细资料: 4.5 词表统计4.6 多词单元用二或三个词(n-grams) 制作词表，如OF THEIN THE ENDONCE UPON A TIM

15、E等等，你先要计算一个 索引文件. 这主要是表明每一个单独的词在您的语料库的位置.制作一个多词词表，你得到像这样的结果. 按Ctrl/F2保存它, 提示的文件名类似于 _index_3-5-word clusters. 在以后可以作为一个普通的词表打开它.5. KeyWordsWordSmith Tools的关键词列表像这样的.                  该关键词是与某种参考语料比较，其出现频率很高的词.关键词旁边有不同的数字，告诉您每一个词在源文本的频率，

16、以及与参考语料相比的频率.在上述列表中，与英国国家语料库相比，戏剧Romeo and Juliet的8个文本有许多主要人物的名字，和一些古语词，如 thou、thee、和love.          要制作关键词列表，首先按KeyWords按钮，在主控制器.                当KeyWords启动后, 选菜单上的 File, 再选 New，你会看到这样的.        &

17、#160;         你必须选择由WordSmith工具制作并保存的单词列表.         你可以按这个按钮选择单词列表文件:                        如果您已经选择了一个以上的单词列表和另一个如下的参考列表, 按Make a keyword list now. (您选择后,该按钮才能启用.)你会看到像这样:

18、60;                              这是一个关键词图示，文本来自于British National Corpus (BNC)的a1f,与整个的BNC做比较.                  你看到:        每个关键词 (KW) (这些显然都与国际关系有关) 衡量其发布及其关键度 相同的文本里每个关键词在与其他关键词有多少联系 每个关键词在文本多少次(点击). 地图显示了在每个单词的来源.在左边的蓝线代表文本的开始, 在右边的蓝线代表了结束. 看看 Britain, Germany, Italy 和 century - 这些在文本的四分之三之处好像突然增多. China, Mao, Peking 在文本稍后部分同现.