漢語計算語意變遷模型

Semantic Change Model for Chinese

與德國杜賓根大學 (Uni. Tübingen) 量化語言學研究群 Prof. Harald Baayen 合作，以古今漢語為素材的大數據計算歷史語言學研究計畫。由蔣經國基金會支持 (2021-2023)

台灣語言多模態語料庫

Multimodal Corpus for Formosan Languages

與國際團隊 Red Hen lab (Prof. Mark Turner) 合作之多模態語料庫語言科學跨領域研究合作。 以台灣之官方語言為研究素材。由教育部語言學領域標竿計畫支持 (2021-2022)

AI 與整合性中文詞彙知識庫

Lexical Knowledge Database for AI

與中研院資訊科學研究所 CKIP 團隊 (Prof. Wei-Yun Ma) 合作之跨資源整合研究。包括 CWN,eHowNet, ConceptNet。由科技部台大AI研究中心計畫支持 (2020-2022) (2021-2022)

Social Media Corpus in Taiwan (SoMe)

大規模自動爬取與處理之 ptt 與 Dcard 貼文語料庫，並提供言談與構式檢索功能，預訓練文本張量 (Pre-trained Text Tensor; PTT)

[連結]

Natural Language Understanding and Inference Simulation

利用語奧題目素材，訓練高階機器理解與推理。

[連結]

詞意自動標記模型 (CWN Sense Tagger)

中文的詞意消歧任務意在讓機器能辨別出語言中的多義現象，本團隊利用中文詞彙網路所收錄的詞彙語意資料訓練BERT模型，在詞意消歧的任務可達大約82%的正確率。

[連結] [示例]

Deep Lexicon (DeepLEX)

以中文為核心的巨量開放詞庫，放棄原子論式的詞彙觀點，讓我們把它開發成為詞彙相關研究的基礎建設。

[連結]

Chinese Wordnet (CWN)

中文詞彙網路著眼於建構一個深層的語義與概念網路。精細的詞意分析與開放的關係設計將有助於理解語言與心智的構作

[CWN v1] [CWN 2.0]

漢字分析工具 (HanziAnalysisKit)

包含Hanzi Glyph Corpus Toolkit (HGCT) 和 lexicoR，可協助在語料庫中查詢和分析漢字字形，以及訪問不同的中文詞彙資源。

[連結]

Chinese Word Map (CWM)

中文詞彙地圖是一個以華語文教學爲目的的詞彙知識素描混搭系統。也是字典學的破壞性創新提案。

[連結]

Corpora Open and Search (COPENS)

開放語料庫與搜尋工具。自動預處理與自由標記。讓我們期待一個內容共享，工具共創，製程開放的新一代語料庫語言學。

[連結]

PTT Corpus

作為一個台灣特有的 BBS 系統，PTT 記錄了珍貴而有趣的社會語言文化現象。提供了語言接觸與演化，與「精簡語言學」重要的經驗訊息。

[連結]

Chinese variation

台灣漢語和中國漢語的平行語料庫。

[連結]

Toxic Talk

由網路評論訓練出產生惡言的工具。

[連結]

協作閣

LOPE實驗室成員的學習筆記部落格。

[連結]

人文學群的 Python 程式入門 (2018)

[連結] [GitHub]

語料庫語言學 (2018)

[連結]

語料庫程式實務工作坊 (2018)

[活動頁面] [GitHub]