DWDS语料库词频和IPA数据爬取

FLTRP · 发表于 2021-5-23 16:22:46

本帖最后由 FLTRP 于 2021-5-23 16:23 编辑

关于DWDS语料库的用法

虽然许多人把DWDS当作德语的标准语料库，在作文时直接去查询其中的搭配和用法
但是DWDS其实是一个历时语料库，它的Kernkorpus的年代是1900–1999
也就是说，如果你直接查，查到的是可能是50乃至100年前的德语的用法
因此我推荐用户登录DWDS，不但能够解锁更多的语料库，还能够将Referenz- und Zeitungskorpora这样的语料较新的语料库排到前面

在此提供一些链接作为导航：

DWDS查询说明书【必读】
https://www.dwds.de/d/korpussuche

各子语料库的详情：
https://www.dwds.de/r/stat

词频信息Frequenzdatenbank (LexDB)：
https://www.dwds.de/r/lexdb

API:
https://www.dwds.de/d/api

moot等相关工具：
https://www.dwds.de/d/moot

PoS Tagger：
DWDS的词形还原工具是不开源的，相关网站也打不开。

研究搭配的话，可以以下工具（有相关教程）：
https://kaskade.dwds.de/dstar/kern/diacollo/
https://kaskade.dwds.de/diacollo-tutorial/#introduction.html
（以kaskade开头的这个域名下的有些服务需要德国相关院校的账户才能用，这些是DWDS语料库的高级功能）

关于德语单词IPA自动生成：
https://kaskade.dwds.de/~kmw/gramophone.py?q=deutsch

DWDS中的词频曲线是如何绘制的
https://www.dwds.de/d/plot
请对比：
https://www.dwds.de/r/plot/?view ... ;q1=Fl%C3%BCchtling
https://kaskade.dwds.de/dstar/pu ... =0&pr=0&xr=*%3A*&yr=0%3A*&psize=840%2C480

最后，附上本人爬取的三个资源：
DWDS全部词条
DWDS词频数据爬取
DWDS的IPA音标数据爬取
链接: https://pan.baidu.com/s/1ie4b7qDogUp3fY45KWgA4g 提取码: 3div

[德语] DWDS语料库词频和IPA数据爬取

评分