近古汉语标记语料库

「中央研究院近代漢語語料庫」 (Academia Sinica Tagged Corpus of Early Mandarin Chinese) 是「中央研究院古漢語語料庫」 (Academia Sinica Ancient Chinese Corpus)的一個次語料庫。「中央研究院古漢語語料庫」是應漢語史研究需求而建構的語料庫。這個語料庫又可依是否經過斷詞及加標詞類而分成兩類，即未加標的素語料庫以及有標注的標記語料庫。目前素語料庫所蒐集的語料已含蓋上古漢語（先秦至西漢）、中古漢語（東漢魏晉南北朝）、近代漢語（唐五代以後）大部分的重要語料，並己陸續開放使用；在標記語料庫方面，上古漢語及近代漢語都已有部分語料完成標注的工作，並視結果逐步提供上線檢索。 「中央研究院古漢語語料庫」的建構始於一九九０年，創始者為黃居仁(語言所研究員)、譚樸森 (英國倫敦大學亞非學院教授)、陳克健(資訊所研究員)、魏培泉(語言所研究員)等，最初的經費來 源為蔣經國基金會及中央研究院歷史語言研究所，目標只是蒐集上古漢語的素語料。素語料庫的構 建自此未曾停歇，語料也由上古漢語擴充到中古漢語和近代漢語。這個蒐集工作的持續基本上是由 魏培泉負責執行，經費來源則主要為中央研究院。上古漢語語料的標注自一九九五年開始進行，近 代漢語的標注也從一九九七年開始規劃，隨後即付諸實行，主其事者為魏培泉與劉承慧(清華大學中 文系教授)。支持這個標注工作的經費主要來自中央研究院及國科會，在標注及搜檢的技術方面則有 黃居仁、陳克健及本院計算中心的協助。 「中央研究院近代漢語標記語料庫」ＷＷＷ版於二００一年十一月首次開放供各界使用。目前提 供《紅樓夢》、《金瓶梅》、《平妖傳》、《水滸傳》、《儒林外史》、《醒世姻緣》、《西遊記》 、《關漢卿戲曲集》、《元刊雜劇三十種》、《永樂大典戲文三種》等十部古典文獻語料線上檢索。 本語料庫的查詢功能和斷詞標類的憑準，與 「中央研究院現代漢語平衡語料庫」大致相同，但也有 其特色：如在查詢功能方面，可以在顯示詞項及其詞類的同時，顯示例句的出處，便於歷史語法的研 究者使用；在斷詞標類的憑準方面，也因著眼不同而作了一些變動，如動補結構標示的較詳盡即為一 例。