语料库采集的原则

语料库采集的原则
1. 语料库的性质：应确定语料库的性质，如收集的文本是口头语言，还是书面语言，是否是交际语言，或者是法律文件、新闻报道等。

2. 语料库的数量：要根据需求，确定所需数量，以保证质量。

3. 关注细节：采集时要关注语料库内容的质量和细节，考虑来源、日期、内容类型等。

4. 关注隐私保护：一定要按照相关法律规定，尽量避免出现人名、电话等隐私信息，以免侵犯他人隐私权。

5. 尽可能仔细地进行手工标注：审查标注结果，以保证其准确性及完整性。