语料库和语言学

语料库名称	研发机构	主要特点 / 作用
BCC现代汉语语料库	北京语言大学	包含报刊、文学、微博、科技等多领域语料，支持分词、词性标注，适用于语言学研究和NLP任务410。
BiCovid	公益组织（国际合作）	提供新冠肺炎疫情相关双语文本检索，帮助翻译志愿者获取权威疫情术语对照4。
BNC（英国国家语料库）	牛津大学、朗文等	收录现代英式英语文本，涵盖口语和书面语，适用于英语语言学研究4。
COCA（美国当代英语语料库）	Brigham Young University	动态更新，包含小说、口语、学术文章等，适用于新词研究和英语教学4。
LIVAC泛华语地区共时语料库	香港城市大学等	收集京沪台港澳新等地华语媒体语料，用于对比不同地区汉语使用差异4。
万卷·丝路多语言语料库	上海人工智能创新中心	支持泰语、俄语、阿拉伯语等5种语言，用于智能翻译、文旅导览，强调本土化表达6。
具身智能语料专项工程	库帕思科技等	结合文本、图像、音频训练人形机器人，提升环境交互能力69。
HSK动态作文语料库	北京语言大学	收录外国学生HSK考试作文，用于汉语中介语研究和二语教学分析1011。
财跃星辰金融语料库	财跃星辰（金融科技公司）	整合财经新闻、投研报告，用于AI金融风险评估和智能投研613。
汉语中介语语料库	北京语言大学	全球最大汉语学习者语料库，用于对外汉语教学研究，含笔语、口语、多模态数据1011。

美国历史英语语料库（COHA）：

• 简介：COHA（Corpus of Historical American English）是最大的近当代英语结构化语料库之一，涵盖了1820年至2010年代的文本，总词汇量超过4.75亿字。语料库应用与研究网
• 特点：该语料库按年代组织，包含多种文体，如小说、杂志、报纸和非小说类书籍，有助于研究美国英语在近两个世纪的演变。
• 参考：美国历史英语语料库（COHA）

澳门汉语历时语料库：

• 简介：研究者构建了一个涵盖近十年澳门地区汉语使用情况的历时语料库。
• 应用：利用该语料库，研究者分析了澳门词汇的变化趋势，发现词汇演变与热点新闻、施政方针和民生密切相关。ACL Anthology
• 参考：近十年来澳门的词汇增长

LIVAC同步语料库：

• 简介：LIVAC（Linguistic Variations in Chinese Speech Communities）自1995年起动态维护，采用“窗口”方法定期处理和过滤来自北京、香港、澳门、台北、新加坡、上海、广州和深圳等地的媒体文本。Wikipedia
• 特点：截至2023年，LIVAC已处理超过30亿字的媒体文本，分析了超过7亿字，构建了一个包含250万个词汇的泛华语词典。Wikipedia
• 应用：该语料库支持对不同华语社区语言使用的比较研究，揭示语言变化和发展趋势。
• 参考：LIVAC同步语料库

Google Ngram Viewer：

• 简介：Google的Ngram Viewer利用大量印刷书籍的数据，提供从1500年至2019年间词汇和短语使用频率的变化情况。zh.wikipedia.org
• 特点：用户可以输入特定词语或短语，查看其在不同年份的使用频率变化曲线，适用于多种语言，包括中文、英语、法语等。zh.wikipedia.org
• 应用：该工具广泛用于学术研究，帮助研究者分析语言使用趋势和文化变化。
• 参考：Google Ngram Viewer

中国语言资源保护工程：

• 简介：自2015年启动的中国语言资源保护工程，旨在收集、记录汉语方言、少数民族语言和口头文化的实态语料，建立大规模、多媒体的语言资源库。zh.wikipedia.org
• 成果：截至一期建设完成，工程覆盖全国34个省区市的1712个调查点，收集了123种语言和全部汉语方言，建成了世界上规模最大的语言资源库。zh.wikipedia.org
• 应用：该工程为传承中华优秀传统文化、促进民族团结和维护国家安全提供了重要的语言资源支持。zh.wikipedia.org
• 参考：中国语言资源保护工程