[发明专利]一种建立大型中文语料库的方法

权利要求书

1.一种建立大型中文语料库的方法，根据国家的1、2级常用汉字，挑选出4000个的汉字，其特征在于对选定的汉字进行“汉字+汉字”的组合，结果是1600万个的“2字组合”。

2.一种建立大型中文语料库的方法，其特征在于，对于权利要求1选出来的“2字组合”，通过大型计算机删除与目前的所有语料库重复的“2字组合”；

3.一种建立大型中文语料库的方法，其特征在于，对于权利要求2选出来的“2字组合”，通过语言切分软件在大型计算机删除明显不能构成词的“2字组合”，余下的就是可能的“准2字词”语料库；

4.一种建立大型中文语料库的方法，其特征在于，对于4000个汉字与目前的所有语料库的“2字词”，进行全部的“字+2字词”和“2字词+字”组合，结果是n个“3字组合”；

5.一种建立大型中文语料库的方法，其特征在于，对于权利要求4选出来的“3字组合”，通过大型计算机删除与目前的所有语料库重复的“3字词”

6.一种建立大型中文语料库的方法，其特征在于，对于权利要求5选出来的“3字组合”，通过语言切分软件在大型计算机删除明显不能构成词的“2字词”，余下的就是可能的“准3字词”语料库；

7.一种建立大型中文语料库的方法，其特征在于，对于目前的所有语料库的“2字词”，进行全部的“2字词+2字词”组合，结果是若干个“4字组合”；

8.一种建立大型中文语料库的方法，其特征在于，对于目前的所有语料库的“3字词”与4000个汉字，进行全部的“3字词+字”和“字+3字词”，结果是若干个“4字组合”；

9.一种建立大型中文语料库的方法，其特征在于，对于权利要求7和8的“4字组合”，通过大型计算机删除与目前的所有语料库重复的“4字词”，并且通过语言切分软件在删除明显不能构成词的“4字组合”，余下的就是可能的“准4字词”语料库；

10.一种建立大型中文语料库的方法，其特征在于，把权利要求3、6和9建立的“准2、3和4字词”语料库合并，构建一个新语料库，并且进行最后人工筛选，成为一个真正的“准语料库”。