语料库简单dye 第二讲

2008/7/31

语料库简单DIY 第二讲语料库软件初探--

语料库软件初探--MonoConcPro 2.2

本软件是Athelstan开发小组/ ，于1996年开发的语料库比较检索工具。目前，我的服务器上提供学术性下载，下载地址： http://vu.flare.hiroshima-u.ac.jp/whistle/corpus/MoconcPro2.

2.rar

（本软件为学术交流使用，所有权归本软件开发小组所有，一切商务性盈利目的的违法使用，所带来的连带责任关系与本人及本论坛无关。请慎重下载，小心使用！！！）

功能介绍：

软件主界

面

基本功能:

MonoConc Pro 2.2 的软件界面比较简单。适合语料库初学者和初级研究人员使用。

本软件据作者的研究，其内部主核使用UTF-8编码，基本支持欧洲几种主要语言。当然，其主要的应用领域还是针对英语。本软件主要处理的文本素材是以TXT结尾的记事本文件，当然，本软件还可以导入RTF文档和其他格式的操作系统默认文档格式。不过，从DIY的角度来说，我们自己收集到的语料，为了免除格式，字体，行距等等文本要求，最好全部使用TXT文档，方便，省

事！用了都说好！（谁用谁知道）

我们按照自己的研究目的，研究方向，收集我们所需要的语料素材，具体的收集方法因人而异。可以从报纸杂志的电子文文档上直接下载，也可以从网站上直接下载整理好的TXT版本的小说，资料素材等，还可以直接从各大语料库中检索需要的语用素材，然后拷贝粘贴到TXT文本中。由于MonoConc Pro

强大的跨文档处理系统，一次可以同时导入多个TXT文档进行比较处理，所以我们可以把文章或者资料按照自己喜好的分类标准进行分类，然后存成不同的TXT文件名。检索的时候，只需要同时导入这些文件就可以了。（异常强大~）下载好软件，解压缩，然后打开MP22.EXE文件，你就可以看到上图那个简单的主界面了。

之后，选择File→Lord Corpus File(s)，找到你需要导入处理的TXT文档，一个或者多个都可以，然后选择[打开]。指定的TXT文件就被全部导入进MonoConc Pro中了。

如果导入了过多的TXT文档，比如您导入了莎士比亚全集+马克思选+恩格斯选+列宁选+毛泽东选+邓小平选.....（不能否认，真的有这样的朋友存在）。那么，为了方便您查询检索结果所出现的文章，你可以选择File→View Corpus File/URL，这样就能看到查询结果所在的文章，还可以删除不需要的文章，或者添加新的文章，非常简单。

*这里的URL，指的是在HTTP或者FTP上，可以直接打开的文字页面的链接。一般朋友们DIY的语料库都是存在本地硬盘上的，所以基本上可以无视这个选项。不过，将来我们的个人语料库要实现点对点，点对多的平台连接。连接后，我们就可以相互查询对方个人语料库中的资料，此时在导入对方语料库中的文档的时候，就要用这个了。（这个目前还很遥远，大家还是踏踏实实做自己的DIY语料库吧！）

当我们要删除所有的文章的时候，这个时候仅仅关闭文章的窗口，是不能实

现删除文章内容的。关闭了窗口，只是你看不见了而已，但是文章实际上已经写入了内存，你必须将它清除出内存，才能在搜索的结果中排出掉不需要使用的文章。这个时候，你就需要File→Unload Corpus功能了。这里Unload只是卸载掉内存中的TXT文档，不是删除你的文章，所以不要害怕，大胆卸。

以上就是MonoConc Pro操作的基本功能。这里需要说明一个问题，MonoConc Pro的File里面有一个Language的选项，里面你可以发现软件支持很多语言。这里所谓的支持，只是显示TXT文档时所支持的语言编码。也就是说，在MonoConc Pro里面是可以显示字母体系文字，和汉字体系文字的。但是，但是，但是！在内存中处理的时候，软件是使用UTF-8欧洲语言进行处理的（ANSI），所以无法直接处理汉字编码Unicode或者ASCII编码。不过，通过WORD或者其他的专码工具，也可以进行操作，但是本人研究了很多编，对于汉字编码的处理，系统总是出现很多错误，所以建议不要使用这个软件来处理汉字文本。当然，有钻研精神的人，还是很鼓励的。没有钻研精神也不要怕，MonoConc Pro介绍完了之后,我们会介绍专门处理汉字编码的软件Antconc3.2.0W，要好好支持我，我才讲哦！

*有的朋友在打开自己所整理的TXT文本文件时，在MonoConc Pro进行操作的时候，会出现软件报错，或者软件自动关闭等状况。这就是我在上面提到的编码问题。在我们进行MonoConc Pro操作之前，我们有必要将我们的TXT 文档，用写字板打开，然后选择另存为，编码选择ANSI ，然后用新保存的文件进行MonoConc Pro操作，就会避免这个问题；当然也可以使用Word等更加强大的软件进行编码转换。如果在这一点上有疑问，请联系我。

--------------------------------------------------课间休息

------------------------------------------课间休息

-------------------------------------------------

进阶功能介绍：

前半节的课程上，我们认识了MonoConc Pro软件的基本功能。现在我们来学习今天课程的精华中的精华中的精华部分。要好好听，不要走神哦！ Word List 功能

这个功能看名字很简单，但是实际上这是一个很了不起的功能。首先我发上来两个图，大家可以参考一下。

第一副图是对于英文文章Word List---词汇频率出现的统计；第二幅图是对于汉语文章Word List 的统计结果。从第一幅图上我们就可以很清楚的看到（可能这里看得不是很清楚），软件能够把英文单词准确地提取出来，按照单个词来统计频率。而第二幅图就明显地看到，软件不能把汉字处理成为单个汉字来统计，

那么Word List

当你导入文件之后，你会发现，主页