美國當代英語語料庫

美國當代英語語料庫（英語：Corpus of Contemporary American English，簡稱COCA）是一個十億詞的當代美國英語語料庫^[1] 。它由楊百翰大學（BYU）語料庫語言學退休教授馬克·戴維斯創建。^[2][3]

內容

截至2021年11月，美國當代英語語料庫 （COCA）由10億個單詞組成。^[1][2][4]語料庫的數據還在不斷更新：截至2009年已包含超過3.85億個單詞；^[5]截至2010年已增長到4億個單詞；^[6]到2019年3月^[7]已增長到5.6億個單詞。^[7]

截至2021年11月，美國當代英語語料庫由485,202篇文本組成。^[4]根據語料庫網站，^[4]當前語料庫（2021年11月）由包含1990-2019每年24-25百萬個單詞的文本組成。

對於語料庫中包含的每一年（1990-2019），語料庫都被平均分為六個語域/流派：電視/電影、口語、小說、雜誌、報紙和學術（見COCA網站的文本和語域頁面）。除了這六個語料庫外，COCA（截至 2021年11月）還包含來自博客的 125,496,215 個單詞和來自網站的129,899,426個單詞，使其成為真正由當代英語組成的語料庫（參見 COCA 的文本和註冊頁面）。^[4]

文本來自各種來源：

• 口語：（8500 萬字）來自近 150 個不同電視和廣播節目的無腳本對話記錄。
• 小說：（8100 萬字）短篇小說和戲劇、1990 年至今書籍的第一章和電影劇本。
• 熱門雜誌：（8600 萬字）近 100 種不同的雜誌，涵蓋新聞、健康、家居和園藝、女性、金融、宗教和體育等多個領域。
• 報紙：（8100 萬字）來自美國各地的十份報紙，文本來自報紙的不同版塊，例如地方新聞、輿論、體育和金融版塊。
• 學術期刊：（8100 萬字）近 100 種不同的同行評審期刊。這些被選中以涵蓋國會圖書館分類系統的整個範圍。

可用性

已註冊用戶可在美國當代英語語料庫免費搜索。

查詢

• 其網站界面與 BYU-BNC 界面相同，包含 1 億詞的英國國家語料庫、1 億詞的時代雜誌語料庫和 4 億詞的美國歷史英語 (COHA) 語料庫，從1810 年代至 2000 年代（請參閱下面的連結)
• 按單詞、短語、替代詞、子字符串、詞性、引理、同義詞（見下文）和自定義列表（見下文）查詢
• 語料庫由CLAWS標記，與用於 BNC 和 Time 語料庫的詞性標記器相同
• 圖表列表（每個類型或年份中所有匹配形式的總數，1990 年至今，以及子類型）和表格列表（每個類型或年份中每個匹配形式的頻率）
• 完整並置搜索（節點詞左右最多十個詞）
• 可重新排序的索引，在搜索詞的左側和右側顯示最常見的詞/字符串
• 流派或時間段之間的比較（例如小說或學術中「chair」的搭配，報紙或學術中帶有「break the [N]」的名詞，主要出現在體育雜誌中的形容詞，或 2005-2010 年比 2010 年更常見的動詞之前）
• 一步比較相關詞的搭配，以研究詞之間的語義或文化差異（例如比較「small」、「little」、「tiny」、「minuscule」或「lilliputian」或「Democrats」和「Republicans」，或「men」和「women」，或「rob」與「steal」）
• 用戶可以將來自 60,000 個詞條詞庫的語義信息直接作為查詢語法的一部分（例如：「beautiful」同義詞的頻率和分布，出現在小說而非學術中的「strong」的同義詞，「clean」+名詞的同義詞（「clean the floor」，「washed the dishes」））
• 用戶還可以創建自己的自定義單詞列表，然後將它們重新用作後續查詢的一部分（例如與特定語義類別（衣服、食物、情感）或用戶定義的詞性相關的列表）
• 請注意，由於版權限制，語料庫只能通過 Web 界面使用。

相關資料

全球網絡英語語料庫 （頁面存檔備份，存於網際網路檔案館）（GloWbE；發音為「globe」）包含來自20個不同國家的約19億個文本單詞。這使得它大約是國際英語語料庫等其他語料庫的100倍，而且它允許在那些其它地方不能使用的多種類型進行搜索。除了在線查詢，你還可以從語料庫下載全部數據。

它的獨特之處在於它允許人們對不同的英語變體進行比較。 GloWbE 與許多其他英語語料庫相關。 ^[8]

同時參照

• 美國國家語料庫
• 英國國家語料庫
• 英語銀行
• 布朗語料庫