“AIGC時代的語料庫建設(shè)與應(yīng)用專題課程：基礎(chǔ)與進(jìn)階” 結(jié)課啦！
AIGC時代，人工智能究竟蘊藏著怎樣的強(qiáng)大力量？從語料清洗、編程輔助，到數(shù)據(jù)分析......AI輔助的語料庫建設(shè)與應(yīng)用正成為當(dāng)前學(xué)界關(guān)注的熱點話題。隨著AIGC時代來臨，我們?nèi)绾问褂萌斯ぶ悄芗夹g(shù)，走上學(xué)術(shù)研究前沿？
8月26日，由上海海事大學(xué)劉世界博士主講的”AIGC時代的語料庫建設(shè)與應(yīng)用：基礎(chǔ)與進(jìn)階“專題課完美畫上句號。本次專題課緊緊圍繞講師的闡述、生動案例的引導(dǎo)，以及實際操作的親身體驗，全方位地傳授著AI輔助下的語料庫構(gòu)建方法、技巧與理念。
接下來，就跟隨小編回顧本次專題課的精彩內(nèi)容吧~
本次專題課的主要內(nèi)容包括：
1、語料庫核心概念與基礎(chǔ)知識
2、語料庫建設(shè)流程與實操演示
3、案例驅(qū)動的語料庫分析工具應(yīng)用（一）
4、案例驅(qū)動的語料庫分析工具應(yīng)用（二）
5、基于編程的語料數(shù)據(jù)應(yīng)用探索與實踐（一）
6、基于編程的語料數(shù)據(jù)應(yīng)用探索與實踐（二）
語料庫核心概念與基礎(chǔ)知識
第一講中，世界博士詳細(xì)闡述了語料庫的核心概念、分類以及語料庫相關(guān)術(shù)語辨析。同時，他以208篇涵蓋北大核心與CSSCI論文為例，為我們梳理了語料庫研究的不同方向及歷時研究趨勢。此外，他還基于全國哲學(xué)社會科學(xué)辦公室的立項統(tǒng)計數(shù)據(jù)梳理理念來語料庫研究相關(guān)的熱點及方法論，同時梳理了國內(nèi)語料庫研究領(lǐng)域中的部分代表性學(xué)者。這些內(nèi)容的分享及解讀不僅幫助我們建立了對語料庫基本概念的清晰認(rèn)識，也為未來的學(xué)習(xí)和研究提供了有益的指引。
（語料庫立項統(tǒng)計）
（數(shù)據(jù)來源：哲學(xué)社會科學(xué)辦公室官網(wǎng)）
語料庫建設(shè)流程與實操演示
第二講中，世界博士通過實際操作，為學(xué)員演示了語料采集、加工、檢索應(yīng)用等語料數(shù)據(jù)處理與應(yīng)用全流程。首先語料采集部分分為自動化采集和人工采集，世界博士為大家分享了許多親測好用自動化語料采集器，例如：八爪魚采集器、火車頭采集器、后裔采集器，TextForever等。人工采集語料也可以通過一些工具來協(xié)助我們做到批量文本處理與轉(zhuǎn)換，例如文本處理可以使用ABBY FineReader、天若文字識別等OCR軟件；格式轉(zhuǎn)換可以使用Convertio、iLovePDF等做到不同格式間無痛切換。接下來，世界博士從語料清洗、語料對齊、格式轉(zhuǎn)換、分詞賦碼四個方面介紹了語料加工流程，并基于基本的檢索工具演示語料輔助翻譯實踐及詞典編纂的應(yīng)用。
（使用正則表達(dá)式清洗語料）
案例驅(qū)動的語料庫分析工具應(yīng)用
在第三、四講中，世界博士采用講師講解、案例驅(qū)動、實踐操作相結(jié)合的方式，全面介紹語料庫的核心概念、基礎(chǔ)知識與研究方法，探討語料庫完整的建設(shè)流程，以案例驅(qū)動的方式引導(dǎo)學(xué)員學(xué)習(xí)語料庫分析工具的應(yīng)用。以事先預(yù)備的語料為演示內(nèi)容，帶大家上手操作WordSmith Tools 7.0、Sketch Engine、Wmatrix、Cho-Metrix、BNCweb、COCA等語料分析工具及平臺。他強(qiáng)調(diào)了在語料庫建設(shè)中需要關(guān)注的關(guān)鍵數(shù)據(jù)，例如頻率、詞匯共現(xiàn)、語義域、主題詞、 搭配、N-Grams、Keyness、Effect等，同時詳細(xì)解讀了語料庫語言學(xué)中統(tǒng)計分析相關(guān)的數(shù)據(jù)、衡量指標(biāo)及概念（如Chi-Squared、Log-Likelihood、TextDispersionKeyness、Dice、MI、MI2、MI3、MS、Mu、RRF、T-Score、Z-Score、p值、T檢驗、錯誤拒絕零假設(shè)等）意義，針對每個工具和平臺的具體統(tǒng)計數(shù)據(jù)進(jìn)行詳細(xì)解釋，并總結(jié)如何在研究中進(jìn)行正確匯報。最后，世界博士橫向?qū)Ρ攘诉@些語料分析工具/平臺的優(yōu)勢與所擅長分析的領(lǐng)域。
（以實際案例演示W(wǎng)ordSmith Tools 7.0的詳細(xì)操作）
新生入學(xué)必備
在第五、六講中，世界博士從ChatGPT輔助Python編程入門開始，為大家詳細(xì)講解了Python應(yīng)用中的數(shù)據(jù)類型、數(shù)據(jù)結(jié)構(gòu)、常用函數(shù)及語句，實操演示了如何運用Python實現(xiàn)語料存儲與讀取、語料數(shù)據(jù)預(yù)處理、詞頻統(tǒng)計與關(guān)鍵詞提取、語料數(shù)據(jù)視圖化方法、詞向量訓(xùn)練、文本分類與情感分析、命名實體識別、LDA（Latent Dirichlet Allocation）主題建模等典型應(yīng)用場景，在關(guān)鍵部分世界博士詳細(xì)解釋了每一行代碼的構(gòu)造、內(nèi)容及執(zhí)行的目的。世界博士將課程從開發(fā)環(huán)境配置開始，一直引導(dǎo)大家動手實操進(jìn)行語料分析與應(yīng)用整個流程，旨在幫助學(xué)員在實踐中掌握如何利用編程技術(shù)進(jìn)行語料數(shù)據(jù)的復(fù)雜處理和多元分析。
（基于Python的語料數(shù)據(jù)處理與應(yīng)用）
師生互動
除了課程內(nèi)容外，世界博士還在群內(nèi)耐心解答了各種問題。課程內(nèi)容豐富實用，受到學(xué)員們的高度評價。
（部分學(xué)員好評截圖）
“AIGC時代的語料庫建設(shè)與應(yīng)用專題課程：基礎(chǔ)與進(jìn)階”暫告一段落啦~
接下去我們還有翻譯技術(shù)及語料庫應(yīng)用研修班等待大家哦~
特別說明：本文僅用于學(xué)術(shù)交流，如有侵權(quán)請后臺聯(lián)系小編刪除。
- END -
轉(zhuǎn)載來源：語言服務(wù)行業(yè)
轉(zhuǎn)載編輯：邢薇
