软件界面中英文对照_语料库相关软件推荐

1.视频教程都指向B站up主Ethan_LSJ，他做的教程较为详细，十分推荐新手观看。

2.本文最后有所有工具的打包分享链接

---

• 单语语料库软件  Antconc           

• 视频教程(https://www.bilibili.com/video/BV1z5411t7FN)

  Laurence Anthony's Antconc ((http://www.laurenceanthony.net/software/antconc/))

  

  早稻田大学Laurence Anthony教授开发的免费单语语料库检索软件，覆盖了语料库检索的基本功能(词表、库容、搭配、词串、KWIC等等)，但也仅限于此。该软件对于定制化的检索需求支持不够完善，遑论数据分析功能了。要想在语料库研究这条路上走远，对此软件稍作了解即可，Python或R可以复现其全部的功能。

  我不推荐大名鼎鼎的Wordsmith的理由(不否认作者的努力，非常尊重这位老爷子)：1.收费，学生们也许舍不得买，教师就无所谓了。2.用户友好度-100，软件的交互逻辑非常离谱，不看说明手册基本无法掌握。3.其大多数功能Antconc都可以实现，实现不了的用Python或R也可以实现，所以实在没必要付费买一款使用起来非常别扭的软件(该软件4.0版本已免费开放，感兴趣的可以下载，注册方式百度查一下便知)。

  关于Antconc的版本问题：个人推荐2018年的3.5.4版本，各版本之间少见质变，看上去区别不大。最新版的Antconc及之前的几个较新版本在读取UTF-8时会出现问题(我不知道和带不带BOM有无关系)，而我列出的这个版本及之前更老的版本，在读取ANSI和UTF-8时无任何问题。哪怕你在Global Settings里选的文本编码是UTF-8，它也一样可以顺利加载ANSI，省心。所以推荐3.5.4版本。

• 双语语料库软件 CUC_Paraconc                

  视频教程 (https://www.bilibili.com/video/BV1wQ4y1T7oU)

  中国传媒大学Hou Min教授开发的一款双语/多语平行语料库检索软件，可以设置中文界面，使用起来非常傻瓜简单。另外，北外也开发了BFSU_Paraconc，功能大同小异，视频教程在此(https://www.bilibili.com/video/BV1Pp4y1y7Ji)。

  

• TMX编辑软件 Heartsome TMX Editor         

• 视频教程(https://www.bilibili.com/video/BV1jz41187yw?from=search&seid=3181982545451904977)

  

  强大的TMX编辑器，可以分割、合并、编辑Tmx格式的文件。

  非常非常适用于语料库、翻译记忆库的制作。

  我主要用此软件来进行tmx和txt格式的转换。对齐后的语料转换后可以在Word里通过“文本转表格”的方式拆为两栏的中英文对照文本，再选中单列导出即可获取单语语料，完成从“平行语料”到“单语语料”的转换。

• 汉语分词/标注软件 CorpusWordParser         

• 视频教程(https://www.bilibili.com/video/BV1wf4y1m7RB)

  

  来自于北外的软件，主要处理中文的分词和词性标注，对汉语语料研究者有帮助(个人认为还是jieba分词包更好一点)。

• 英文词性标注 TreeTagger

  

  斯坦福出品，英文词性标注，适合研究语法现象，比如学习者语料库研究就会用到。Python中有集成的斯坦福NLP工具包，更全更强大。该软件推荐给研究生同学，毕竟鼠标点点点即可，无需敲代码，简单方便。软件解压后的目录下有“tagset”文件，内有详细的赋码对照说明。

• 语料对齐 ABBYY_Aligner                             

• 视频教程(https://www.bilibili.com/video/BV1jz41187yw)

  

  制作平行语料库时会用到的对齐软件，不过个人感觉Tmxmall的在线对齐效果似乎更好(收费功能)，看个人选择了，在线对齐有丢失语料的风险，且大批量对齐时价格不菲。

• 增加句对标记 Tmx-ParaConV

  

  上交技术大牛管新潮教授用Python编写的软件。

  TMX-ParaConV 是一款免费使用软件，用于把以翻译单位形式(翻译句对)存在的 TMX格式单文件转换为呈双语标记式对应的双文件，借以实现 ParaConc 软件或机器翻译或其他软件的应用。

  该软件可以把tmx文件打上双语句对对齐标记，举个?：

  

  

  以上图片展示了打标记后的效果，主要是便于各类Paraconc软件检索。

• 去掉句对标记 Detagging Tool

  

  如果你拿到一份带着句段标记的文件，想去掉那些"< >"内的seg id标记怎么办呢？

  用Detagging这个小工具就可以解决，选择标记类型后一键去除，文本就恢复如初了，非常方便。

• 文本转码  TXT全能转码器李亮版

  

  吉林师范技术大牛李亮开发，界面非常简洁，打开后就是文件夹选择界面，选好后，还需要选择想转换的编码格式(根据个人用Antconc和一些R包的经验，转成ANSI一般问题不大)，如ANSI或UTF-8，新生成的文件会在原文件名前加"_"以示区分。

• TXT合并/切割  TXT切割合并器

  

  主要用来合并txt文件，如某本书的语料假如有上百个章节，就可按顺序汇总到一个txt里，方便检索。

• 学术英语搭配工具  LeoColloSharp

  

  在此推荐一个写作小工具，在学术英语写作时大家经常需要思考搭配问题，用了这个小软件，输入你想查询的动词，点击Start后，相关的V+N搭配按照频率排列，一目了然。

  该软件由华中科技大学雷蕾教授(雷神)随手开发，雷神精通Python和R，是语料库技术领域的前沿学者，发表了很多SSCI论文，感兴趣的研究者可以去研究他的文章，定有收获。

  雷神有一本关于R语言做情感分析的新书(剑桥出版社，全英文学术著作)，预计2021年出版，提前安利一波。

• 在线资源 北外语料库工具合集(http://corpus.bfsu.edu.cn/TOOLS.htm)

  各类语料库检索、标注、统计、分析工具的合集，让人眼花缭乱，有兴趣的可以自行探索。

  研究者的科研需求五花八门，工具的开发未必与我们的需求相匹配。

  众多的小工具使用起来需要经常切换，存在诸多不便。

  学习Python or R(其实不用问哪个好，都学就完事了)是语料库研究者的必修课，依赖第三方库/包除了可以实现上述语料库软件的功能外，还可以在机器学习的领域进一步探索。各类统计学方法、自然语言分析方法与语料研究的结合是一片广阔的天地，在将来大有可为。近来外语圈子兴起的“新文科”、“数字人文”等概念正呼应了这一趋势。

• 以上工具的合集分享

  链接：https://pan.baidu.com/s/10Y3HwbJ4myN04n5Zy2zrEA 提取码：0pex 复制这段内容后打开百度网盘手机App，操作更方便哦

  ---

  以后会不定期分享Python or R的语料处理技术，敬请期待。