本書分為三大部分：理論篇、工具篇與案例篇。
\"理論篇\"主要介紹語料庫、語料庫語言學的基本概念，語料庫建設的原則與方法，語料庫加工標注的基本內(nèi)容，以及本書語料統(tǒng)計所涉及的基本術語與方法。限于篇幅，并未對具體的加工標注方法（如詞性、句法、語義自動標注的各種算法等）展開闡述。
\"工具篇\"是本書重點，以語料庫建庫與統(tǒng)計一體化軟件\"漢語助研\(zhòng)"為例，詳細介紹了語言學研究中常見的數(shù)據(jù)統(tǒng)計功能。
\"漢語助研\(zhòng)"是作者自主開發(fā)的，面向語言研究者，特別是漢語和漢語教學研究者的一款軟件。軟件力圖幫助語言研究者較為輕松地建設語料庫，使用語言大數(shù)據(jù)進行語言研究。\"漢語助研\(zhòng)"是一個全面綜合了語料庫建設、檢索和統(tǒng)計功能的輔助漢語研究的軟件系統(tǒng)，集成了基于語料庫方法的漢語字、詞、句、篇研究的各項輔助功能。該系統(tǒng)能很好地貼合漢語研究各方面的統(tǒng)計需求，在功能性、針對性、實用性等方面表現(xiàn)突出。
漢語助研系統(tǒng)基于真實問卷調(diào)查數(shù)據(jù)分析，符合漢語研究的各項需求，特別考慮了漢語研究者多為文科生這一特點，軟件架構、界面設計和編碼清晰簡潔，將復雜的統(tǒng)計、計算過程隱藏于后臺，前端一鍵式、步驟式操作，簡單易用。本系統(tǒng)不僅適用于漢語研究，很多功能也能夠有效輔助漢語教學，如字詞表對比、字詞表和大綱分布對比、例句檢索、搭配抽取、詞語聚類等。
\"漢語助研\(zhòng)"主要包括如下幾個功能模塊：
1. 語料庫建設
個性化的網(wǎng)頁信息自動抽取及建庫系統(tǒng)。
2. 語料庫例句檢索及分析
自建語料庫的各種檢索功能；常見語料庫例句檢索結果智能分析。
3. 用字用詞用語統(tǒng)計分析
語料庫用字用詞用語的全方位統(tǒng)計。
4. 字詞對比、分布分析
字詞表的共獨用、頻率差對比，字詞表在常見等級大綱中的分布。
5. 詞語搭配抽取及分析
在語料庫中自動進行所有詞語的前后搭配抽取與分析。
6. 語料庫風格計算
統(tǒng)計計算語料庫的語體風格等特征。
7. 詞語智能聚類
在語料庫中自動按類別進行詞語聚類。
8. 其他語言統(tǒng)計工具
為了方便使用者，本書對于主要功能模塊提供了具體的使用案例。
\"案例篇\"包括：
1. 國際漢語教學語料庫建設
2. 全球華語語料庫建設及功能研究
3. 東南亞小學華文教材課文用字研究
4. 東南亞小學華文教材課文用詞研究
5. 少兒漢語話題及話題詞表構建
6. 心理動詞\"了解\"詞語搭配研究
7. 高程度補語與述語的組合研究
\"漢語助研\(zhòng)"軟件下載地址為：http://www.languagetech.cn/corpus/tools.aspx
理論篇
1 語料庫語言學概述 ／ 2
1.1 語料庫語言學的學科基礎 ／ 2
1.1.1 語料庫語言學的產(chǎn)生原因 ／ 2
1.1.2 語料庫語言學的理論基礎 ／ 2
1.2 語料庫的定義、特點與分類 ／ 3
1.2.1 語料庫的定義 ／ 3
1.2.2 語料庫的特點 ／ 4
1.2.3 語料庫的分類 ／ 5
1.3 語料庫語言學的定義 ／ 6
1.3.1 前人論述 ／ 6
1.3.2 語料庫語言學定義 ／ 7
1.4 語料庫語言學的研究內(nèi)容與方法 ／ 8
1.4.1 語料庫語言學的研究內(nèi)容 ／ 8
1.4.2 語料庫語言學的研究方法 ／ 8
2 語料庫的建設 ／ 10
2.1 概述 ／ 10
2.1.1 語料庫建設的基本過程 ／ 10
2.1.2 語料庫建設面臨的問題 ／ 10
2.2 語料庫建設的原則和規(guī)范 ／ 11
2.2.1 語料庫總的建設原則 ／ 11
2.2.2 語料庫的不規(guī)范性 ／ 12
2.3 語料庫建設的平衡性與代表性 ／ 13
2.3.1 規(guī)模、語體、時間與空間 ／ 13
2.3.2 流通度 ／ 15
2.4 語料庫建設的元數(shù)據(jù)與信息字段 ／ 19
2.4.1 元數(shù)據(jù) ／ 19
2.4.2 信息字段 ／ 23
2.4.3 元數(shù)據(jù)、信息字段舉例 ／ 24
2.5 語料庫建設方法 ／ 27
2.5.1 總體設計 ／ 27
2.5.2 具體實施 ／ 27
3 語料庫的加工標注 ／ 31
3.1 中文自動分詞 ／ 32
3.1.1 詞與自動分詞 ／ 32
3.1.2 中文分詞的特點和難點 ／ 32
3.1.3 常見的中文分詞方法 ／ 34
3.2 中文詞性標注 ／ 35
3.2.1 詞性、詞類與詞性標注 ／ 35
3.2.2 詞性標注難點 ／ 35
3.2.3 常見詞性標注方法 ／ 36
3.3 自動句法分析 ／ 37
3.3.1 概述 ／ 37
3.3.2 句法分析分類 ／ 38
3.3.3 依存句法分析 ／ 39
3.4 語義分析 ／ 41
3.4.1 詞語級語義分析 ／ 41
3.4.2 句子級語義分析 ／ 43
3.4.3 篇章級語義分析 ／ 44
4 術語說明 ／ 46
4.1 頻次 頻率 文本數(shù) ／ 46
4.1.1 頻次 ／ 46
4.1.2 頻率 ／ 46
4.1.3 文本數(shù) ／ 46
4.2 累加頻率 覆蓋率 使用率 高頻詞語 ／ 47
4.2.1 累加頻率 ／ 47
4.2.2 覆蓋率 ／ 47
4.2.3 使用率 ／ 47
4.2.4 高頻詞語 ／ 48
4.3 頻序 頻序比 頻率差 ／ 48
4.3.1 頻序 ／ 48
4.3.2 頻序比 ／ 48
4.3.3 頻率差 ／ 49
4.4 字種 字種數(shù) 詞種 詞種數(shù) ／ 49
4.4.1 字種 ／ 49
4.4.2 字種數(shù) ／ 49
4.4.3 詞種 ／ 49
4.4.4 詞種數(shù) ／ 49
4.5 共用 獨用 ／ 50
4.5.1 共用 ／ 50
4.5.2 獨用 ／ 50
工具篇
5 網(wǎng)頁批量下載 ／ 52
5.1 具有數(shù)字序列規(guī)律的網(wǎng)頁下載 ／ 52
5.1.1 搜索網(wǎng)頁 ／ 52
5.1.2 批量生成網(wǎng)址 ／ 54
5.1.3 創(chuàng)建工程 ／ 55
5.1.4 運行工程 ／ 57
5.2 具有時間序列規(guī)律的網(wǎng)頁下載 ／ 58
5.3 無數(shù)字、無日期序列的規(guī)律網(wǎng)頁下載 ／ 59
5.4 無任何規(guī)律網(wǎng)頁的批量下載 ／ 60
6 網(wǎng)頁信息抽取建庫 ／ 65
6.1 網(wǎng)頁內(nèi)容解析原理 ／ 65
6.2 程序操作圖示 ／ 67
6.2.1 打開待處理html 文件夾 ／ 67
6.2.2 展示待處理html 文件的文本內(nèi)容 ／ 68
6.2.3 選擇抽取字段的起止標記 ／ 69
6.2.4 選擇抽取結果保存的文件夾和文件名 ／ 70
6.2.5 檢查所有網(wǎng)頁的抽取起止標記是否正確 ／ 71
6.3 語料庫結果展示 ／ 71
7 例句檢索 ／ 73
7.1 程序操作圖示 ／ 73
7.1.1 打開、保存文件夾 ／ 73
7.1.2 選擇檢索模式 ／ 73
7.1.3 單擊運行程序 ／ 74
7.2 檢索結果展示 ／ 74
8 例句分析 ／ 75
8.1 程序操作圖示 ／ 75
8.1.1 檢索語料例句 ／ 75
8.1.2 打開、保存文件夾 ／ 75
8.1.3 選擇例句集來源、輸入前后標記 ／ 76
8.1.4 單擊運行程序 ／ 76
8.2 統(tǒng)計結果展示 ／ 77
9 用字統(tǒng)計分析 ／ 78
9.1 程序操作圖示 ／ 78
9.1.1 打開語料庫文件夾 ／ 78
9.1.2 設置保存結果文件夾及名稱 ／ 79
9.1.3 運行統(tǒng)計功能 ／ 80
9.2 統(tǒng)計結果展示 ／ 81
9.2.1 總的漢字使用的摘要報告 ／ 81
9.2.2 漢字分類使用情況 ／ 81
9.2.3 標點符號和漢字部件的使用情況 ／ 82
9.2.4 漢字字表的覆蓋率情況 ／ 83
9.2.5 不同排序方式的字表 ／ 83
9.2.6 與其他字表對比的數(shù)據(jù) ／ 85
10 用詞用語統(tǒng)計分析 ／ 86
10.1 程序操作圖示 ／ 86
10.2 統(tǒng)計結果展示 ／ 86
10.2.1 基本詞語表 ／ 86
10.2.2 頻次與詞種數(shù) ／ 87
10.2.3 高頻詞語用字統(tǒng)計 ／ 87
10.2.4 高頻詞語詞長統(tǒng)計 ／ 88
10.2.5 覆蓋率與詞種數(shù)關系 ／ 88
10.2.6 詞性及其頻次的統(tǒng)計結果 ／ 89
10.2.7 詞性及其詞種數(shù)的統(tǒng)計結果 ／ 89
10.2.8 成語使用結果 ／ 89
10.2.9 與《漢語水平詞匯與漢字等級大綱》（詞匯大綱）對比 ／ 90
11 字詞表對比分析 ／ 91
11.1 程序操作圖示 ／ 91
11.1.1 選擇對比項目和參數(shù) ／ 91
11.1.2 打開、保存文件夾 ／ 91
11.1.3 單擊運行程序 ／ 92
11.2 統(tǒng)計結果展示 ／ 92
11.2.1 頻率差結果 ／ 92
11.2.2 頻序比結果 ／ 93
11.2.3 共獨用結果 ／ 94
12 字詞表分布分析 ／ 95
12.1 程序操作圖示 ／ 95
12.1.1 選擇分布計算的大綱和項目 ／ 95
12.1.2 打開、保存文件夾 ／ 96
12.1.3 單擊運行程序 ／ 96
12.2 統(tǒng)計結果展示 ／ 97
12.2.1 在《等級大綱》中的分布 ／ 97
12.2.2 在《新漢語水平考試大綱》中的分布 ／ 97
13 詞語搭配抽取及分析 ／ 98
13.1 搭配抽取 ／ 99
13.1.1 程序操作圖示 ／ 99
13.1.2 統(tǒng)計結果展示 ／ 99
13.2 搭配過濾 ／ 101
13.2.1 程序操作圖示 ／ 101
13.3 搭配分析 ／ 102
13.3.1 程序操作圖示 ／ 102
13.3.2 統(tǒng)計結果展示 ／ 102
14 詞語按主題聚類 ／ 104
14.1 程序操作圖示 ／ 104
14.1.1 打開、保存文件夾 ／ 104
14.1.2 選擇聚類的底表和詞語數(shù) ／ 105
14.1.3 單擊運行程序 ／ 105
14.2 統(tǒng)計結果展示 ／ 105
15 篇章風格統(tǒng)計分析 ／ 107
15.1 程序操作圖示 ／ 108
15.1.1 打開、保存文件夾 ／ 108
15.1.2 輸入特定字詞 ／ 108
15.1.3 單擊運行程序 ／ 108
15.2 統(tǒng)計結果展示 ／ 109
案例篇
16 國際漢語教學語料庫建設 ／ 112
16.1 漢語口語教學語料庫 ／ 112
16.1.1 話題庫建設 ／ 112
16.1.2 話題分類、難度分級的常用會話資源庫 ／ 113
16.2 商務漢語教材語料庫 ／ 114
16.2.1 商務漢語教材語料庫 ／ 114
16.2.2 商務漢語功能項目庫 ／ 114
16.2.3 商務漢語功能項目分類語料庫 ／ 115
16.3 中小學華文教材語料庫 ／ 116
16.4 少兒漢語教材語料庫 ／ 117
16.4.1 主題庫 ／ 117
16.4.2 教材語料庫 ／ 117
16.4.3 主題分類語料庫 ／ 118
16.5 旅游漢語教材語料庫 ／ 118
16.5.1 旅游漢語教材語料庫 ／ 118
16.5.2 旅游漢語話題分類語料庫 ／ 118
17 全球華語語料庫建設及功能研究 ／ 120
17.1 全球華語語料庫建設的必要性和意義 ／ 120
17.2 全球華語語料庫建設 ／ 122
17.2.1 語料庫建設的基本原則 ／ 122
17.2.2 語料來源與獲取方法 ／ 124
17.2.3 語料庫構成及比例 ／ 125
17.2.4 語料庫信息字段及存儲格式 ／ 126
17.3 全球華語語料庫深加工 ／ 127
17.3.1 選取核心庫 ／ 127
17.3.2 分詞標注詞性、人工校對 ／ 128
17.3.3 基本字詞信息統(tǒng)計 ／ 128
17.3.4 音視頻資源標注處理 ／ 128
17.3.5 華裔學習者作文和口語語料庫偏誤標注 ／ 129
17.4 全球華語語料庫網(wǎng)絡服務平臺介紹 ／ 129
17.4.1 子語料庫定制系統(tǒng) ／ 129
17.4.2 網(wǎng)絡版字詞檢索系統(tǒng) ／ 129
17.4.3 網(wǎng)絡版全文例句檢索系統(tǒng) ／ 129
17.4.4 音視頻資源點播系統(tǒng) ／ 130
17.5 結語 ／ 130
18 東南亞小學華文教材課文用字研究 ／ 132
18.1 語料和調(diào)查對象說明 ／ 132
18.2 各教材課文用字基本情況 ／ 133
18.2.1 字次與字種數(shù) ／ 134
18.2.2 各教材前100 字共用獨用情況 ／ 134
18.2.3 各教材課文用字在《等級大綱》（漢字大綱）中的分布情況 ／ 136
18.2.4 新加坡兩套教材課文用字對比 ／ 138
18.2.5 越南、泰國、印尼五套教材課文用字對比 ／ 139
18.3 各教材課文用字分年級情況 ／ 140
18.3.1 各教材分年級字次和字種數(shù)基本情況 ／ 140
18.3.2 分年級課文用字的《等級大綱》（漢字大綱）分布情況 ／ 142
18.3.3 課文用字字種數(shù)按年級增量情況 ／ 144
18.4 東南亞小學華文教材和中國小學語文教材課文用字對比 ／ 145
18.4.1 基本情況 ／ 146
18.4.2 分段的共用獨用調(diào)查 ／ 147
18.4.3 基于頻序比的漢字使用對比分析 ／ 149
19 東南亞小學華文教材課文用詞研究 ／ 151
19.1 馬來西亞《華文》教材課文用詞調(diào)查 ／ 151
19.1.1 基本情況 ／ 151
19.1.2 頻次與詞種數(shù)的關系 ／ 151
19.1.3 詞語的覆蓋率 ／ 152
19.1.4 高頻詞的詞長分布 ／ 154
19.1.5 成語調(diào)查 ／ 155
19.1.6 課文用詞與《等級劃分》（詞匯大綱）的比較 ／ 159
19.1.7 課文用詞按年級統(tǒng)計情況 ／ 160
19.2 馬來西亞《華文》教材課文用詞與新課標小學《語文》對比 ／ 161
19.2.1 基本情況 ／ 161
19.2.2 頻次與詞種數(shù)的關系對比 ／ 162
19.2.3 詞語的覆蓋率對比 ／ 163
19.2.4 高頻詞的詞長分布 ／ 166
19.2.5 成語的對比分析 ／ 167
19.2.6 按年級對比馬-《華文》與人教新課標《語文》課文用詞情況 ／ 168
19.2.7 高頻詞的頻序比 ／ 170
19.3 東南亞不同層次小學華文教材對比 ／ 171
19.3.1 各層級教材課文用詞基本情況對比 ／ 172
19.3.2 各層級教材課文用詞按年級統(tǒng)計情況 ／ 178
19.3.3 各層級教材課文用詞與《等級劃分》（詞匯大綱）的比較 ／ 187
19.4 結語 ／ 191
20 少兒漢語話題及話題詞表構建 ／ 194
20.1 術語及語料庫介紹 ／ 195
20.1.1 話題詞表、話題種子詞 ／ 195
20.1.2 詞語聚類 ／ 195
20.1.3 話題詞語、話題通用詞、話題專類詞 ／ 196
20.1.4 相關語料 ／ 196
20.2 少兒漢語話題與話題庫的構建 ／ 199
20.3 少兒漢語話題詞表的構建標準與方法 ／ 203
20.3.1 少兒漢語話題詞表的構建理論 ／ 203
20.3.2 少兒漢語話題詞表的選詞標準 ／ 205
20.3.3 少兒漢語話題詞表的分類 ／ 205
20.3.4 話題詞表的構建方法 ／ 207
書單推薦
