基于Web檢索的小型學(xué)習(xí)資源語(yǔ)料庫(kù)的建設(shè).pdf

1、經(jīng)過(guò)幾十年的建設(shè)和發(fā)展，語(yǔ)料庫(kù)已經(jīng)成為語(yǔ)言學(xué)和信息技術(shù)研究的重要領(lǐng)域。語(yǔ)料庫(kù)與學(xué)習(xí)資源有著相輔相成的關(guān)系，語(yǔ)料庫(kù)是用統(tǒng)計(jì)語(yǔ)言模型方法處理自然語(yǔ)言的基礎(chǔ)資源，而利用教育技術(shù)學(xué)的學(xué)科優(yōu)勢(shì)和特點(diǎn)，發(fā)揮語(yǔ)料庫(kù)在建設(shè)學(xué)習(xí)資源的方面優(yōu)勢(shì)作用，對(duì)資源的共享必將有很多的幫助。
　　本文在分析了語(yǔ)料庫(kù)的背景及發(fā)展現(xiàn)狀，學(xué)習(xí)資源建設(shè)理論基礎(chǔ)和主要內(nèi)容后，提出了一種基于Web檢索的小型學(xué)習(xí)資源語(yǔ)料庫(kù)系統(tǒng)模型。開(kāi)發(fā)了基于Java的專用型學(xué)習(xí)資源語(yǔ)料庫(kù)系統(tǒng)

2、，實(shí)現(xiàn)了數(shù)據(jù)收集、多種文檔處理、最終能夠?qū)崿F(xiàn)了語(yǔ)料檢索和語(yǔ)料提取。
　　首先，介紹了計(jì)算機(jī)語(yǔ)料庫(kù)的理論基礎(chǔ)和發(fā)展現(xiàn)狀，詳細(xì)論述了學(xué)習(xí)資源的定義、內(nèi)容等，接著分析了語(yǔ)料庫(kù)在學(xué)習(xí)資源庫(kù)建設(shè)中的可借鑒之處，簡(jiǎn)單描述了搜索引擎的發(fā)展現(xiàn)狀和工作原理。其次，介紹了自然語(yǔ)言處理的理論基礎(chǔ)以及現(xiàn)階段應(yīng)用比較廣泛的中文分詞器，分析了網(wǎng)頁(yè)消重和網(wǎng)頁(yè)凈化的相關(guān)技術(shù)現(xiàn)狀。最后，提出了基于Lucene/Heritrix的小型學(xué)習(xí)資源語(yǔ)料庫(kù)的系統(tǒng)模型。使用H