汉语语料的自动分类

语料库语言学的发展要求语料库的规模越来越大。随着电子出版业的迅速发展，获取大量机读文本建立大规模语料库已成为可能。但是收集来的粗语料是杂乱无章的，在作加工整理前必须分类。若用手工分类则工作量很大。本文介绍了一种语料自动分类办法。它采用文中提出的语料相关系数的概念，并利用不同类语料相关系数不同的特点进行分类，取得了９３％的大类分类正确率。