研究目的是將蒐集來的學生文本,建置成一個語料庫網站,供老師研究使用。功能包括搜尋單一字詞,了解學生搭配字詞情形,並統計出該單字最常出現的搭配字;搜尋單一字詞,了解學生前後句子如何使用;統計學生最常使用之片語,範圍為2到6字片語。搜尋時可以搜尋該單字的所有變化形態,或者是只搜尋該單字的某一詞性。
kwic_rearticle.py、wis_rearticle.py
將所有文本做斷詞,使用nltk套件的porter套件以及特殊字元過濾將每一個單字做詞幹還原;用nltk套件的pos_tag標註每個單字的詞性。詞幹還原以及詞性標註是用於增加搜尋條件。最後再抓取該單字的前後三個單字或前後句存入資料庫內。
n_gram.py
N-gram用於統計文本單中最常被使用的片語,片語的字數分2字至6字。方法是使用Python的Dictionary做類似斷詞的動作,將文章以每兩字等方式切割開,並統計該片語的次數,最後依照次數多寡排序。
首頁-單字搜尋
利用[]可以搜尋字詞的所有詞形變化。藉由不同的搜尋條件,老師可以根據字詞的詞性與學生資料來做區別。
前後搭配詞
顯示搜尋字詞的鄰近字詞
搭配詞統計
顯示搜尋字詞的鄰近字詞統計資料,並依照出現機率排序
單字前後句
顯示搜尋字詞的上下句
N gram搜尋
可以搜尋學生常用的字詞組合,依照字詞數量挑選
N gram結果