技术科普 | BCC汉语语料库：紧跟时代潮流的语料检索平台
![]()
1. 工具简介北京语言大学语料库中心（BLCU Corpus Center，简称BCC）是以汉语为主、兼有英语和法语的在线语料库，是服务语言本体研究和语言应用研究的在线大数据系统。BCC语料库总字数约 150 亿字，包括报刊（20 亿）、文学（30 亿）、微博（30 亿）、科技（30 亿）、综合（10 亿）和古汉语（20 亿）等多领域语料，是可以全面反映当今社会语言生活的大规模语料库。BCC语料库具有数据量大、领域广和检索便捷等优点。目前，已经支持了百余篇论文的发表。BCC汉语语料库网址：
2. 图文教程2.1 基本检索流程
1）在搜索框里输入要检索的词汇或语句，可以选择“多领域”“文学”“报刊”“对话”“篇章检索”“古汉语”“历时检索”或“自定义”。如输入“美丽的”。点击“搜索”键，可以在单句范围内，检符合检索式的语言片段。
2）点击“全文”，可以看见该词的出处。
3）点击“统计”，可以查询统计符合检索式的语言片段出现的频次。
4）点击“筛选”，对检索结果进一步剔除或者仅仅保留符合筛选检索式的实例。
5）点击“下载”，可以下载10000条，但不能做商业使用。
6）点击“高级”，设置检索结果的显示形式，控制上下文字数。
2.2 历时检索
1）点击“历时检索”，输入“美丽的”，检索结果可以看到检索式历年的出现频次和频率，可以切换为柱状图、折线图两种显示方式。
2）点击“切换为频率图”，即可查看。
3）右上角依次为“数据视图”“切换为折线图”“切换为柱状图”“保存为图片”。
① 数据视图
② 折线视图
③ 保存的图片为png格式。
2.3 BCC检索式
1）下图为一些常见的检索式示例。
2）点击“文学”或“报刊”，输入基本检索式“爱v不v”。
3）此外，由于仅仅使用文字加英文的形式检索出来的内容并不具有广泛性。因此，对于一个结构内部的精细分析，使用BCC的基本操作方式（链接）确实难以完成，无法一步到位。BCC在“报刊”“文学”两个频道数据升级了高级检索功能。4）高级检索式在基本检索式的基础上增加了条件语句或输出语句。语句之间用“;”隔开，写在基本检索式后的“{ }”中，形如：Query{condition1;condition2;...}Query表示基本检索式；{ }中的内容为限制语句，其中condition表示对检索内容进行条件限定。检索式中被限定的部分需要用( )括起来，一个检索式中被限定的成分只能有两处，即只能出现2个( )。根据( )出现的顺序，使用$符号和序号指代该部分内容，在{ }中进行指称。即$1表示第一个( )中出现的内容，而$2表示第二个中的内容。然而花括号里如何构造条件呢？通过内容限制（[]）长度限制（len）、次数限制（count）等操作符，BCC实现了更灵活的检索。控制方式详见下表。
比如，我们输入检索式示例：(v)了又(v){$1=$2;len($1)=1}表示“动词+了又+动词”的结构。按“( )”出现的顺序，两个动词可分别由“$1”“$2”取得。“{ }”中的限定条件表示前后两个动词相同，第一个动词长度为1。
2.4 其他功能1）在首页下方，还可以看见“新闻”“搜索示例”“下载”选项。
2）其中，“下载”选项里涵盖了树库资源，法语资源，HSK资源，汉字资源，词汇资源，外语资源及其他工具。方便使用者进行下载。
搜索示例提供了相应句型的检索符号，方便检索者进行查阅。
3. 学习心得BCC汉语语料库以汉语为主，兼有其他语种的语言大数据；为语言本体研究提供在线检索系统；为语言本体研究提供建构大数据的语言应用平台；支持云服务；通过API调用方式为开展知识抽取、模型构建提供便利。不仅为汉语言爱好者提供便捷专业的检索途径，也对从事中译外的译者及对外汉语教师提供了多角度，具有时效性的检索结果。同时，该检索工具帮助使用者们掌握更为细化的检索方式，提高了使用学习者们的搜索技能。综上，BCC汉语语料库值得大家研究学习。参考资料
[1]BCC汉语语料库官网-帮助栏[2]肖丹、马路遥BCC语料库 | 世界语言资源平台
作者：杨惠钧编校：阿之
注：学习作品，仅供参考，欢迎指正。
标签：
