中文语料库

1. 语料库的类别：


语料库可分为生语料库和标注语料库。
标注语料库，如分词库，分词与词性标注库，树库，命题库，篇章树库。
中文分词库的目的是训练和测试汉语的自动分词系统，其他库的目的类似。
树库以句法结构信息为主要标注内容。
命题库以谓词－论元结构信息为主要标注内容。
篇章树库以篇章结构信息为主要内容。
也有语料库可用于文本分类，主题检测（如搜狗文本分类语料库）。

语料库可分为通用库和专用库。
专用库如，科技语料库，北京口语语料库，中文地名标注语料库等。


2. 部分公开发布的语料库的网址：

1998年北京大学人民日报语料库：
（中文分词语料库）

LDC中文树库：
网址http://www.cis.upenn.edu/~chinese/ctb.html，包含词性标注和句法标注。

北京语言大学的语料库：

清华大学的汉语均衡语料库TH-ACorpus：

山西大学的语料库:  

台湾中研院的语料库： 

现代汉语平衡语料库： 

近代汉语标记语料库：

古汉语语料库：

台湾南岛语典藏：

闽南语典藏：

汉籍电子文献：

香港城市大学的 LIVAC 共时语料库：

浙江师范大学的历史文献语料库:

中国科学院计算所的双语语料库：

中文语言资源联盟：http://www.chineseldc.org/xyzy.htm