转贴：北语中介语语料库可以注册使用

管季超0712

“HSK动态作文语料库”说明  
1
“HSK动态作文语料库”是由北京语言大学崔希亮教授主持的一个国家汉办科研项目。项目编号为：HBK01-05/023。  
2
“HSK动态作文语料库”是母语非汉语的外国人参加高等汉语水平考试（HSK高等）作文考试的答卷语料库，收集了1992-2005年的部分外国考生的作文答卷，共计10740篇，约400万字。

3
语料库提供给用户的作文语料有两种版本：标注语料和原始语料。标注语料指的是在考生作文答卷上经人工标出各种中介语偏误的语料，原始语料指的是考生原始作文的电子扫描语料。  
4
作文语料的加工处理包括下列 内容：
  字处理：包括错字标注、别字标注、繁体字标注、异体字标注、拼音字标注、外文词标注、漏字标注、多字标注，以及各种用字错误统计，总的字数字频统计等。
  标点符号处理：包括错误标点标注、空缺标点标注、多余标点标注，以及各种标点符号的相关统计。
  词处理：包括错词标注、缺词标注、多词标注、离合词错误标注、外文词标注，以及各种用词错误的相关统计，总的词数词频统计等。
  句处理：包括各种特殊句式的错误标注，句子成分残缺或多余的错误标注，语序、动词重叠等方面的错误标注，以及各种句子错误的相关统计。
  篇章处理：包括句间连接手段的错误标注，语义表达方面的错误标注，以及篇章错误的相关统计。
  为了方便用户更充分地使用这些作文语料，语料库还提供了历次考试的时间、地点和作文题目，以及下列考生信息：考生国别、性别、作文分数、口试分数、客观试卷中听力、阅读、综合表达各部分分数和参加高等汉语水平考试的总分分数、所得到的汉语水平证书的等级等。  
5
本语料库在建设过程中，特别注重语料的真实性与平衡性，标注的全面性与科学性，软件系统的方便性与快捷性。
6
本语料库是母语非汉语的汉语学习者学习汉语的中介语语料库。运用本语料库中的作文语料，可以进行对外汉语教学的多方面研究。例如汉语中介语研究、第二语言习得研究、对外汉语教学理论研究、对外汉语教材研究、汉语水平考试研究、与对外汉语教学相关的汉语本体研究等。这些研究对提高汉语教学、汉语测试、汉语本体研究等方面的水平，都具有重要意义。
7
建设本语料库的根本目的是为用户提供一个考察和研究的基础平台，为对外汉语教学和研究服务，促进国内乃至全球汉语教学事业的发展。因此，本语料库将 免费提供给广大对外汉语教师、研究人员、对外汉语相关专业的研究生和本科生、以及对汉语教学和研究感兴趣的其他人士使用。我们衷心希望听到相关领域的专家和各界用户的宝贵意见，并在此基础上不断改进、完善语料库，以更好地为广大用户服务。
8
本语料库的总体设计由崔希亮负责，语料的录入、扫描和标注工作由张宝林负责，系统设计和语料上网前的预处理由任杰负责，系统软件的研制由荀恩东负责，考生相关信息的整理由李航负责。
  参加语料标注工作的有陈淑芳、陈晓雷、窦玉荣、冯雪丽、付娜、付云华、高会、郭文静、 韩菡、 郝晓庆、黄冠颖、黄燕、 简丽、 李华、李犁、李妮妮、李肖婷、李志娜、梁婷婷、刘海霞、 刘建霞、 刘君、刘琳、 刘云、 逯秋红、吕婷婷、南旭萌、彭岚、彭丽、齐冬梅、商秀坤、史慧超、孙剑、孙群、 田旭红、 王洁、 王蕾、 王丽、王倩、 王小玲、 王玉芝、王真、徐灵婵、杨宇枫、易平平、袁欣、张利会、张珊珊、张颖、赵焕改、朱玥。
  参加对语料标注情况进行审查工作的有陈淑芳、陈晓蕾、刁徐君、窦玉荣、付云华、黄冠颖、黄燕、姜桂荣、李华、李志娜、梁婷婷、刘琳、 刘云、 逯秋红、彭丽、商秀坤、孙群、王倩、杨力铮、张颖、赵淑丽、周岚钊。
  张宝林、任杰参加了语料库总体设计工作。
  田清源、李航参加了软件系统设计工作。
  修驰、郑仲光参加了软件系统的研制工作。
  姜桂荣、王倩、张颖、梁婷婷、赵淑丽参加了 语料上网前的预处理工作。
  高蕊、李桂梅、李卉、朱宏一参加了前期的部分语料标注工作。  
9 本语料库的词性标注是依据教育部语言文字应用研究所研制的《信息处理用现代汉语词类标记规范》进行的，肖航先生帮助我们完成了自动分词和词性的自动标注工作。  
10
感谢国家汉办、教育部语言文字应用研究所和北京语言大学汉语水平考试中心对本课题的大力支持。  

   “ HSK动态作文语料库 ” 课题组
2006年12月