【汇总】语料库资源

source link:https://www.douban.com/note/269081724/

国内可用免费语料库（凡没有标注不可用的链接均可用）

(一) 国家语委
1.国家语委现代汉语语料库 http://www.cncorpus.org/
现代汉语通用平衡语料库现在重新开放网络查询了。重开后的在线检索速度更快，功能更强，同时提供检索结果下载。现代汉语语料库在线提供免费检索的语料约2000万字，为分词和词性标注语料。
2.古代汉语语料库 http://www.cncorpus.org/login.aspx
网站现在还增加了一亿字的古代汉语生语料，研究古代汉语的也可以去查询和下载。同时，还提供了分词、词性标注软件、词频统计、字频统计软件，基于国家语委语料库的字频词频统计结果和发布的词表等，以供学习研究语言文字的老师同学使用。
 
  (二) 北京大学计算语言学研究所
《人民日报》标注语料库 http://www.icl.pku.edu.cn/icl_res/
《人民日报》标注语料库中一半的语料(1998年上半年)共1300万字已经通过《人民日报》新闻信息中心公开提供许可使用权。其中一个月的语料(1998年1月)近200万字在互联网上公布，供自由下载。
 
(三) 北京语言大学
汉语国际教育技术研发中心：HSK动态作文语料库 http://202.112.195.192:8060/hsk/login.asp
语言研究所：北京口语语料查询系统（B J K Y） http://www.blcu.edu.cn/yys/6_beijing/6_beijing_chaxun.asp
 
（四）台湾中央研究院
中研院语料库ＷＷＷ版所有功能均开放使用，但为防主机资源耗用过剧及顾及数据传输之实际限制，暂以检索结果为限制的条件：院内检索限两万行数据，院外检索限两千行数据。
1.现代汉语平衡语料库 http://www.sinica.edu.tw/SinicaCorpus/
专门针对语言分析而设计的，每个文句都依词断开，并标示词类。语料的搜集也尽量做到现代汉语分配在不同的主题和语式上，是现代汉语无穷多的语句中一个代表性的样本。现有语料库主要针对语言分析而设计，由中央研究院信息所、语言所词库小组完成，内含有简介、使用说明，现行的语料库是4.0的版本。
2.古汉语语料库 http://www.sinica.edu.tw/ftms-bin/ftmsw
  古汉语语料库包含以下五个语料库: 上古汉语、中古汉语(含大藏经)、近代汉语、其他、出土文献。部分数据取自史语所汉籍全文数据库，故两者间略有重迭。此语料库之出土文献语料库，全部取自史语所汉简小组所制作的数据库。
3.近代汉语标记语料库 http://www.sinica.edu.tw/Early_Mandarin/
为应汉语史研究需求而建构的语料库。目前素语料库所搜集的语料已含盖上古汉语（先秦至西汉）、中古汉语（东汉魏晋南北朝）、近代汉语（唐五代以后）大部分的重要语料，并己陆续开放使用；在标记语料库方面，上古汉语及近代汉语都已有部分语料完成标注的工作，并视结果逐步提供上线检索。
4.树图数据库 http://treebank.sinica.edu.tw/
「中文句結構樹資料庫」(Sinica Treebank Version 3.0) 包含了6個檔案，61,087個中文樹圖，361,834個詞，是中央研究院詞庫小組從中央研究院平衡語料庫 (Sinica Corpus) 中抽取句子，經由電腦剖析成結構樹，並加以