UAMCorpusToolManual-20-Chinese

汉译：刘晓晗LiuXiaohan1UAMCorpusTool版本2.0用户手册（2008年9月）MickO’[e-mail](TranslatedbyLiuXiaohan)汉译：刘晓晗LiuXiaohan2目录第一节：关于UAMCorpusTool第二节：项目的创建1创建一个新的项目2添加层系（layer）3添加文件以供分析4加入文件的操作4.1改变文件元数据4.2浏览文件的常规统计信息4.3从语料库中撤出文件4.4打开标注窗口5退出CorpusTool6继续已有项目第三节：制定标注体系1打开体系编辑器2编辑体系3添加“注释”到特征4选项菜单5生成图像到文件或网页第四节：文件标注1标注类型2标注整体文档文件3标注分节文件3.1生成、移动并选定节（切分段）3.2忽略节4标注图像文件5“其它按钮”菜单第五节：语料库查询1简介2指定查询式3检索式搜索4启动查询式5修改查询式6搜索结果界面第六节：自动标注1简介第七节：语料库统计1简介2对比特征研究3研究操作4解释结果：特征研究5展示结果为网络式6保存统计数据第八节：文本样式器汉译：刘晓晗LiuXiaohan31文本的样式2打开文本样式器3文本样式化4样式文本的保存附录一：导入SystemicCoder研究结果附录二：查询式搜索中的词汇特征汉译：刘晓晗LiuXiaohan4第一节：关于第一节：关于第一节：关于第一节：关于UAMCorpusTool1简介UAMCorpusTool是文本和图像语言标注的工具集，其核心内容包括：
用户制定一个“项目”，即一组文档，和应用于每一文档的分析规则。
每一类“分析规则”可视为标注的“层系”。CorpusTool现在有两种类型的标注。1.整体文档标注整体文档标注整体文档标注整体文档标注：文档（文本或图像）的整体特征标注。例如，这些特征可以表明该文档的语域（语场、语旨、语式）或文本类型。2.切分段标注切分段标注切分段标注切分段标注：用户选择文件中的节，并分别赋予特征。节可通过鼠标在文本/图像中拖动指定，同时提示用户指定该节的特征值。后续版本将添加其他标注类型，可以是修辞结构理论（RST），体裁结构（GSP），参与者链条（participantchaining），句子结构（比如主语、谓语、情态、附加语adjunct等），口语数据标注等等。UAMCorpusTool取代作者之前的SystemicCoder软件仅能在单一层系上对单个文档标注。UAMCorpusTool是为了克服Coder用户诸多限制的一个尝试。我希望感谢广大Coder用户近年来作出的评论和本新软件的评论。参见附录一讲SystemicCoder研究结果导入CorpusTool。CorpusTool相关在：访问该网站以指导CorpusTool在电脑中的安装。汉译：刘晓晗LiuXiaohan5第二节：项目的创建第二节：项目的创建第二节：项目的创建第二节：项目的创建1创建一个新的项目1.1打开CorpusToolUAMCorpusTool在电脑中安装后即可工作。首先要创建一个新的“项目”：Windows：安装CorpusTool时可选择放置图标到桌面。点击此图标启动CorpusTool。另外，在开始菜单中的程序菜单含有UAMCorpusTool图标。选择以启动CorpusTool。Macintosh：CorpusTool安装在应用文件夹中，双击以启动CorpusTool。也将该应用程序置于Dock方便使用。（在已创建项目后，可双击项目文件夹中的.cptr文件打开。该文件图标如下：MacOSX：Windows：启动窗口窗口应如图2.1所示。所使用软件版本号在窗口中显示（在交流缺陷时有用）。窗口提供的选项有“创建新项目”或“打开项目”继续已创建的项目。如果电脑之前打开过某一项目，此项目也会出现在按钮上。图2.1启动窗口汉译：刘晓晗LiuXiaohan61.2点击“创建新项目”按钮点击此按钮后，用户被询问标注“文本”还是“图像”。CorpusTool可标注纯文本和图像（但不能在同一项目中同时标注两者）。选择其中之一后，会出现一个“创建项目向导”，做必要的步骤引导。1.为新项目提供名称2.指定新项目存储的文件夹。比如电脑的桌面文件夹3.文本文件：用户将被问及是否向项目添加文本文件夹。文件夹中应是纯文本文件，扩展名都是.txt。此文件夹将被复制于项目文件夹中的语料库文件夹中。也可跳过此步以后添加。点击“完成”按钮后CorpusTool就创建了项目，该文件夹中含有与项目相关的所有细节，包括语料库、标注文件和一个直接启动该项目的图标（.cptr文件）。一旦完成“创建项目向导”，CorpusTool主窗口就会打开，出现“项目管理面板”。参见图2.2。利用此面板可控制项目的细节，比如增添文件和分析类型。图2.2项目管理面板面板上部的按钮可在CorpusTool不同面板间切换：搜索（第五节）、自动标注（第六节，只针对文本标注）、统计（第七节）和帮助。现在我们选中的是项目面板。顶部的大字显示的是项目名称。下面显示何种分析（层系）使用于项目。最初为空。“层系”往下的区域显示项目中的所有文件（最初为空），每一文件旁都有可能用到的分析按钮。我们首先来给项目添加一个层系。2添加层系（layer）汉译：刘晓晗LiuXiaohan7建立新项目后首先要确定所需何种分析。我们来开始添加一个层系。1．点击“添加层系”按钮“层系”是对文本文件的一种分析类型。添加的层系可以标注小句、集合、整个文本的语域、评价系统分析等。点击“添加层系”按钮后即有窗口弹出，询问几个问题，用“下一步”按钮在问题间切换：
层系名称：层系的名称。输入“语域”。
标注对象：在这里指定是将文本作为整体赋值（如语域、文本类型）（文档标注），还是文本中的切分段赋值（如小句）。这里我们假定对前者感兴趣，选择“文档标注”。
标注体系：标注体系是对文本标注的特征描述。有如下两个选择：i.创建新体系：用户多数情况下关注于制定自己标注体系，展示所感兴趣的特征，并进行组织。CorpusTool提供简便界面来创建和修改这些体系（参见第三节）。ii.复制已有体系：有时用户可以再次使用自己或别人以前开发的体系。CorpusTool预装了几套体系供使用，其中有PeterWhite的评价网络和基于Granger的错误标注体系。作为帮助文件，我们这里选择“创建新体系”。再点击“完成”按钮，新的层级即可添加到项目窗口。图2.3展示添加一个层级后的项目窗口。层级区域提供层级的信息：名称（语域）、类型（文档标注）和与层级相关的体系名（语域.xml）。层级控制面板上有两个按钮：
删除：删除层级和该层级在文本中的所有分析。一般在层级标注之前使用该按钮，否则将真正删除次层级。
编辑：点击打开窗口以编辑标注体系。下节中会详述。汉译：刘晓晗LiuXiaohan8图2.3已添加层级的项目窗口选择“导入层级”用以添加SystemicCoder中的层级（.cd3文件）。详述于附录一。3添加文件以供分析下一步是向项目中添加文件。如果在项目创建时已经指定文本文件到项目中，在项目窗口的文件面板中就能显示出来。现在假定此项工作尚未进行，这样文件面板如图2.3所示为空。3.1扩充语料库添加文件到语料库：1.点击“扩充语料库”按钮：“向导”会一路引领添加文件。添加文件可以是单独文件，也可是一个文本文件夹。2.若选择添加单个文件，既可以将其添至已有的子语料库（项目语料库文件夹中一个文件夹），也可以添至新的子语料库（此时需提供新文件夹名称）。若选择添加文件夹，待磁盘特定文件夹指定后，被复制至项目下的语料库文件夹。3.文件或文件夹指定后点击下一步和完成按钮。文件将显示于文件面板中（见图2.4）。新加文件有标示“文件在语料库中但未加入项目”。CorpusTool区分“已加入已加入已加入已加入”文件，即带有所有可标注按钮，和“未加未加未加未加入入入入”文件，即存于语料库但尚未供标注使用。这种区分可以容易地跟踪已开始编辑的文件，和那些将来再编辑的文件区别开来。假如语料库中有100个文件，但只标注了5个，这5个标注的文件能清晰显示。语料库逐步扩充虽然需要较长时间，但结果在每一阶段都能获得。汉译：刘晓晗LiuXiaohan9图2.4扩展语料后的项目窗口3.2加入文件加入文件到项目中，使其能够标注，则点击文件旁边的“加入加入加入加入”按钮。确定语言、编码和显示字体语言、编码和显示字体语言、编码和显示字体语言、编码和显示字体：在加入文件时窗口中会询问关于文件的某些元数据（参见图2.5）。包括：语言语言语言语言：文本的书写语言是什么？本项可确定文档的语言资源，包括词汇（供检索查询、词汇密度计算）、分析器（供自动切分）和赋码。英语是现在唯一支持的语言，其他语言的词汇资源将后续提供。编码编码编码编码：文本文件由特定文本编码所储存。选择此项告知CorpusTool文件所用编码。CorpusTool提供的缺省选项仅为猜测，若文本不能正确显示应当修改。为获得文档编码，可尝试右击文件，选择“打开方式”（或MacOSX相应选项），用MSWord打开，可帮助选择最佳编码。否则，在“打开方式”中选择Firefox，在“视图”子菜单下选则“字符编码”，看是采用的何种编码。显示字体显示字体显示字体显示字体：从此项选择字库和字号，将文本显示于标注窗口。有些字体最好由非西方书写体系处理，如一些字体是为显示中文而设等。但许多现代字体应能显示任何的书写体系。汉译：刘晓晗LiuXiaohan10图2.5文件元信息窗口加入两个文件后，项目窗口如图2.6所示。注意这两个文件出现在顶部。图2.6加入文件后的项目窗口汉译：刘晓晗LiuXiaohan113.3“撤销文件”的其他选项“撤销文件”的其他选项有：
信息信息信息信息：提供文本文件的一些统计信息，词数，句数，平均句长等。英文文件还有词汇密度测量，代词使用的一些描述（见下）。
删除删除删除删除：从语料库中移去文件。同样从项目下的语料库文件夹中删除文件。
文件名文件名文件名文件名：点击文件名显示整个文件。4“加入文件”按钮（操作）文件添加后，对每个层系都有相应按钮。在本样例项目中，我们现在为止只定义了“语域”，所以加入的文件只有一个按钮。随着其他层级添加，相应按钮也会出现。4.1更改文件元数据（仅针对文本标注）我们上面看到当“加入”文件时，需随即确定其语言、编码和显示字体。这些选项的更改可随时通过选择文件相关联的“按钮”菜单中的“更改文件元数据”来实现。4.2浏览文件一般统计信息（仅针对文本标注）每个文本文件的一般统计信息可通过选择每行按钮菜单下的“浏览基本文本统计”观看。所提供的基本文本信息不不不不依赖于文件的任何标注（参见图2.7），包括有：
文本的词数
平均词长
文本句数（在欧洲语言下）
平均句长的词数（同样在欧洲语言下）图2.7文件的信息窗口汉译：刘晓晗LiuXiaohan12对于英文英文英文英文文本，信息还有：
词汇密度词汇密度词汇密度词汇密度：平均每句中的开放词类数，或整个文本的%开放词类项。
代词指称密度代词指称密度代词指称密度代词指称密度：第一、二、三人称代词使用的详情，以整个文本为参照的百分比。注意：随着其他语言词汇的加入，其语言的相关统计也将会提供。4.3从语料库撤销文件“撤销”按钮将文件从研究中移除。警告：该文件以往的标注会被删除。文本文件会放入“未加入”列表，可以后再加入（但完全没有标注）。4.4打开标注窗口每行其他按钮各对应项目中一个标注层级。点击打开文本在此指定层级的标注窗口。按钮颜色：文档每层级的按钮有颜色标示，显示完成程度。
白色：全部标注
浅蓝：部分标注
深蓝：较高程度标注注意这些颜色仅起提示作用。5退出CorpusTool注意所有项目改动都是自动保存的。如果退出项目管理窗口（点击右上角X），即可退出CorpusTool，改动全部保存。6继续某项目项目创建后，打开CorpusToo