AgriDEAP農(nóng)學(xué)學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)的創(chuàng)建*

華南農(nóng)業(yè)大學(xué) 呂 靖 鄧 飛

提要：AgriDEAP農(nóng)學(xué)學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)是DEAP學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)的農(nóng)學(xué)子庫(kù)。本文主要介紹AgriDEAP的建設(shè)目標(biāo)、語(yǔ)料來(lái)源和建庫(kù)方法。同時(shí)，本文對(duì)AgriDEAP的基本構(gòu)成和應(yīng)用前景也做了介紹和探討。

1.引言

隨著學(xué)術(shù)英語(yǔ)研究的蓬勃發(fā)展，當(dāng)前國(guó)內(nèi)外已建成不少學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)，有據(jù)可查的至少有數(shù)十種。國(guó)外的如1：蘭卡斯特學(xué)術(shù)英語(yǔ)筆語(yǔ)語(yǔ)料庫(kù)（LANCAWE）、英國(guó)學(xué)術(shù)英語(yǔ)筆語(yǔ)語(yǔ)料庫(kù)（BAWE）、英國(guó)學(xué)術(shù)英語(yǔ)口語(yǔ)語(yǔ)料庫(kù)（BASE）、英語(yǔ)作為世界語(yǔ)的學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)（ELFA）、學(xué)術(shù)英語(yǔ)口語(yǔ)語(yǔ)料庫(kù)（CASE）、英語(yǔ)科學(xué)寫作Coru?a語(yǔ)料庫(kù)（CC）、密歇根學(xué)術(shù)英語(yǔ)口語(yǔ)語(yǔ)料庫(kù)（MICASE）、密歇根高年級(jí)學(xué)生英語(yǔ)論文語(yǔ)料庫(kù)（MICUSP）、古英語(yǔ)醫(yī)學(xué)寫作語(yǔ)料庫(kù)（CEEM）、Pearson國(guó)際學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)。國(guó)內(nèi)的如：交大科技英語(yǔ)語(yǔ)料庫(kù)（楊惠中、黃人杰 1982）、廣州石油英語(yǔ)語(yǔ)料庫(kù)（祝啟波 1991）、中外科技期刊論文語(yǔ)料庫(kù)（胡志清 2007）、《應(yīng)用語(yǔ)言學(xué)》期刊論文語(yǔ)料庫(kù)（梁茂成、劉霞 2014）、學(xué)習(xí)者英語(yǔ)學(xué)術(shù)論文語(yǔ)料庫(kù)和國(guó)際期刊論文語(yǔ)料庫(kù)（婁寶翠 2017）等?，F(xiàn)有的學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)從庫(kù)容看，最高的也沒(méi)有超過(guò)千萬(wàn)量級(jí)，低的只有數(shù)十萬(wàn)詞；從抽樣數(shù)量看，每個(gè)學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)包含的文本數(shù)量也不盡相同，少的僅有幾十篇，多的有數(shù)千篇，前者如哲學(xué)英語(yǔ)語(yǔ)料庫(kù)（CEPHiT）只有近40篇，后者如英國(guó)學(xué)術(shù)英語(yǔ)筆語(yǔ)語(yǔ)料庫(kù)有2,700多篇；從時(shí)間跨度看，既有中古學(xué)術(shù)英語(yǔ)，又有現(xiàn)代學(xué)術(shù)英語(yǔ)；從儲(chǔ)存格式來(lái)看，不少語(yǔ)料庫(kù)既有純文本格式，又有XML格式。當(dāng)前已有的語(yǔ)料庫(kù)涵蓋了口語(yǔ)與筆語(yǔ)、專家與學(xué)生、本族語(yǔ)與非本族語(yǔ)、古語(yǔ)與現(xiàn)代語(yǔ)等多種類型，可謂資源豐富，但在學(xué)科門類的覆蓋面和代表性、團(tuán)隊(duì)合作的廣泛性和系統(tǒng)性、語(yǔ)料使用的共享度和利用率等方面還有很大的提升空間（崔維霞、王均松 2013；衛(wèi)乃興 2016；徐秀玲、許家金 2017）。

就專門的農(nóng)學(xué)學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)而言，有多位學(xué)者曾提出過(guò)建設(shè)農(nóng)業(yè)或農(nóng)科學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)的設(shè)想（如范晶晶、李麗霞 2014；劉萍等 2015；栗娜2015；張律2019），但真正建成的很少，目前已經(jīng)建成且對(duì)外開(kāi)放的只有華中農(nóng)業(yè)大學(xué)的農(nóng)科學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)2（劉萍等 2016），而且這些語(yǔ)料庫(kù)的構(gòu)建設(shè)想自成體系，沒(méi)有系統(tǒng)考慮與其他學(xué)科學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)的一致性和可比性。

鑒于以上情況，本課題在中國(guó)外語(yǔ)與教育研究中心學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)建設(shè)項(xiàng)目（DEAP）的統(tǒng)一指導(dǎo)下，建設(shè)了農(nóng)學(xué)學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)，庫(kù)容540萬(wàn)詞，含1,112篇論文，簡(jiǎn)稱AgriDEAP。AgriDEAP將同DEAP的其他子庫(kù)一起通過(guò)BFSU CQPwe6語(yǔ)料庫(kù)平臺(tái)面向社會(huì)開(kāi)放，以下將主要介紹該庫(kù)的建設(shè)目標(biāo)、建設(shè)過(guò)程和應(yīng)用前景。

2.建庫(kù)目標(biāo)

本課題以“中國(guó)外語(yǔ)教育基金專用英語(yǔ)語(yǔ)料庫(kù)（DEAP）建設(shè)項(xiàng)目”的整體理念和方案為指導(dǎo)，在充分考慮農(nóng)學(xué)學(xué)科和農(nóng)學(xué)期刊個(gè)性的同時(shí)，盡力保持與DEAP項(xiàng)目的整體一致性。總體來(lái)說(shuō)，AgriDEAP主要為了實(shí)現(xiàn)以下目標(biāo)：（1）建成一個(gè)500萬(wàn)詞以上、能夠反映農(nóng)學(xué)國(guó)際核心期刊論文的語(yǔ)言特征的語(yǔ)料庫(kù)；（2）支撐農(nóng)學(xué)高質(zhì)量論文的英語(yǔ)寫作和跨學(xué)科對(duì)比研究，助力我國(guó)農(nóng)學(xué)科研的國(guó)際交流與競(jìng)爭(zhēng)；（3）支撐農(nóng)學(xué)學(xué)術(shù)英語(yǔ)教學(xué)的開(kāi)展，推動(dòng)農(nóng)業(yè)院校英語(yǔ)學(xué)科的特色化建設(shè)，特別是為促進(jìn)農(nóng)學(xué)學(xué)術(shù)英語(yǔ)詞典及教材的編寫或術(shù)語(yǔ)庫(kù)的建設(shè)，為學(xué)術(shù)英語(yǔ)教學(xué)提供更多的語(yǔ)言資源。

3.語(yǔ)料收集

根據(jù)McEneryet al.（2006：5）的定義，語(yǔ)料庫(kù)應(yīng)具備四大基本特征：（1）可機(jī)讀；（2）來(lái)自于真實(shí)語(yǔ)言；（3）經(jīng)過(guò)抽樣選??；（4）有代表性。對(duì)建庫(kù)最有挑戰(zhàn)的是第（3）和第（4）項(xiàng)要求。代表性是語(yǔ)料庫(kù)的靈魂，是語(yǔ)料庫(kù)與文本素材庫(kù)的重要區(qū)別，而保證代表性的關(guān)鍵是抽樣的科學(xué)性。

3.1 學(xué)科

根據(jù)國(guó)務(wù)院學(xué)位委員會(huì)第六屆學(xué)科評(píng)議組編制的《學(xué)位授予和人才培養(yǎng)學(xué)科目錄（2018年4月更新）》，農(nóng)學(xué)專業(yè)一級(jí)學(xué)科“農(nóng)學(xué)”之下包含了9個(gè)二級(jí)學(xué)科：作物學(xué)、園藝學(xué)、農(nóng)業(yè)資源與環(huán)境、植物保護(hù)、畜牧學(xué)、獸醫(yī)學(xué)、林學(xué)、水產(chǎn)和草學(xué)。各二級(jí)學(xué)科之下又有3—9個(gè)三級(jí)學(xué)科，覆蓋面較廣。但需要注意的是，農(nóng)學(xué)研究實(shí)際上未必就只存在于這9大二級(jí)學(xué)科及其子學(xué)科之中，由于學(xué)科交叉普遍存在，農(nóng)學(xué)期刊也未必會(huì)清晰地按照這些子學(xué)科來(lái)劃分界線。為了既能反映一些期刊的學(xué)科定位，又能反映另一些期刊的綜合特征，我們?cè)诿恳患?jí)學(xué)科分類上都設(shè)置了綜合類。具體的學(xué)科分布情況如表1所示。

表1 AgriDEAP語(yǔ)料的學(xué)科分布

各二級(jí)學(xué)科的語(yǔ)料是通過(guò)隨機(jī)抽樣來(lái)收錄的，抽樣篇數(shù)在保持總體平衡的同時(shí)，也與它們?nèi)?jí)學(xué)科的數(shù)量多少有一定的關(guān)系，其中水產(chǎn)學(xué)、林學(xué)和獸醫(yī)學(xué)的三級(jí)學(xué)科數(shù)量最多（各有8—9個(gè)），因此被抽出來(lái)的總數(shù)也相對(duì)會(huì)多一些。抽出來(lái)的語(yǔ)料按照二級(jí)學(xué)科來(lái)編號(hào)，語(yǔ)料命名方法是：三個(gè)字母的學(xué)科簡(jiǎn)稱+三位數(shù)的順序編碼。

3.2 期刊

在期刊的選擇上，主要收集了各子學(xué)科的專業(yè)期刊及其綜合期刊的論文，側(cè)重考慮期刊的學(xué)科代表性和期刊的影響因子，下載了影響因子在各子學(xué)科內(nèi)相對(duì)較高的論文，時(shí)間跨度為2016—2018年。

期刊的確定主要參考了4個(gè)方面的信息與標(biāo)準(zhǔn)：（1）屬于SCI國(guó)際核心，影響因子在本三級(jí)學(xué)科或綜合學(xué)科內(nèi)較高；（2）參考了《中國(guó)農(nóng)業(yè)科學(xué)院院選SCI核心期刊目錄》；（3）咨詢了相關(guān)學(xué)科的專家教授；（4）網(wǎng)上搜索國(guó)內(nèi)各子學(xué)科的學(xué)術(shù)帶頭人，根據(jù)公開(kāi)的成果介紹，參照了他們論文發(fā)表的期刊名錄。最終確定收集以下期刊中的文章來(lái)創(chuàng)建語(yǔ)料庫(kù)（見(jiàn)表2）。

表2 AgriDEAP的語(yǔ)料來(lái)源

（待續(xù)）

（續(xù)表）

（待續(xù)）

（續(xù)表）

以上是AgriDEAP規(guī)劃的語(yǔ)料來(lái)源，但在實(shí)際的下載過(guò)程中，每種期刊的下載數(shù)量不完全相同。一是因?yàn)楦鞣N期刊本身的刊期不同，刊文量不一；二是因?yàn)橛行┢诳辉诰W(wǎng)上公開(kāi)了部分論文的下載鏈接?；谝陨锨闆r，AgriDEAP建設(shè)團(tuán)隊(duì)采集了表2中能夠下載到的近三年的文章，共下載了將近2.5萬(wàn)篇論文，總詞次逾億詞。

3.3 語(yǔ)料下載及抽樣方法

在論文下載前，根據(jù)表2的期刊種類，提前設(shè)計(jì)好文本下載時(shí)需要保存的文件夾和子文件夾層級(jí)，目的是避免混亂，減輕后期的元信息標(biāo)注工作。以三級(jí)學(xué)科茶學(xué)的論文下載為例，文件層級(jí)設(shè)計(jì)為“農(nóng)學(xué)-園藝學(xué)-茶學(xué)-期刊名-年份-刊期（卷號(hào)）-文章”。論文下載后，使用Python命令把每篇文章的路徑提取出來(lái)，存入Excel，就相當(dāng)于完成了每篇語(yǔ)料元信息的提取。

使用以上方法，團(tuán)隊(duì)在Excel中匯總了近2.5萬(wàn)條語(yǔ)料的信息，對(duì)這些語(yǔ)料進(jìn)行編號(hào)，然后使用Excel函數(shù)進(jìn)行“不放回隨機(jī)取樣”，先后抽取了約1,150篇文章，將其中的通告、刊訊、其他信息舍棄，剩下的1,112篇論文被納入語(yǔ)料庫(kù)。

4.語(yǔ)料整理

語(yǔ)料整理主要包括格式轉(zhuǎn)換、文本清潔、格式整理和標(biāo)注等環(huán)節(jié)，對(duì)于一些程式化的問(wèn)題盡量尋找自動(dòng)化、半自動(dòng)化的方法解決。

4.1 格式轉(zhuǎn)換

網(wǎng)上下載的期刊論文一般都是PDF格式，需要轉(zhuǎn)成語(yǔ)料庫(kù)通用的TXT格式。首先，我們先將PDF轉(zhuǎn)換為DOC（X）格式，然后再轉(zhuǎn)換為TXT格式，因?yàn)檫@樣處理便于在WORD上刪除圖形、公式和參考文獻(xiàn)等信息。同時(shí)我們使用了Adobe Acrobat DC，可以直接在上面編輯PDF文檔，刪除無(wú)關(guān)內(nèi)容，然后直接另存為TXT格式即可。接下來(lái)，所有的文件轉(zhuǎn)換成功之后，在Excel中按照表1的命名規(guī)則對(duì)語(yǔ)料進(jìn)行編碼，再用Python程序讀取Excel的新編碼自動(dòng)對(duì)語(yǔ)料重命名。最后，打開(kāi)保存語(yǔ)料的最外層文件夾，使用右上角Windows系統(tǒng)自帶的搜索功能，搜索所有的TXT文檔，全部存入新文件夾。此時(shí)，語(yǔ)料庫(kù)已初具雛形。

格式轉(zhuǎn)換時(shí)還應(yīng)注意編碼問(wèn)題，英文語(yǔ)料一般應(yīng)轉(zhuǎn)換為ANSI編碼。用Adobe Acrobat DC直接轉(zhuǎn)換的TXT格式為UNICODE編碼，但不宜馬上將其改換為ANSI編碼，因?yàn)閁NICODE可以表達(dá)更多的字符，貿(mào)然轉(zhuǎn)換會(huì)造成很多亂碼，影響語(yǔ)料的質(zhì)量和可讀性。因此，要先選取少數(shù)TXT文檔，將其副本轉(zhuǎn)換為ANSI編碼，然后跟UNICODE原本對(duì)比，找出易亂碼的字符，用ANSI可識(shí)別的字符統(tǒng)一替換之后再轉(zhuǎn)換。AgriDEAP主要對(duì)兩類情況進(jìn)行了替換：（1）多字母合體造成的亂碼。多個(gè)字母合為整體，無(wú)法對(duì)單個(gè)字母進(jìn)行修改操作。這種情況多是含f的字母組合，如fl、ff、ffi，看似是2—3個(gè)字母，實(shí)際只占了一個(gè)位置；（2）非西方語(yǔ)言的文字符號(hào)容易造成亂碼，如?、?、?等，可改為拼寫相似的c、a、o。因?yàn)檫@些符號(hào)多出現(xiàn)在姓名或公式當(dāng)中，改變后并不影響語(yǔ)料的學(xué)術(shù)語(yǔ)言特征。由于異常符號(hào)較多，這樣處理雖然無(wú)法杜絕亂碼，但至少可以減少亂碼，增強(qiáng)語(yǔ)料的可讀性和整潔度。確定替換項(xiàng)目后，使用EmEditor等文本編輯器可以實(shí)現(xiàn)對(duì)全部語(yǔ)料的批量替換。替換完畢后，再使用EditPlus將所有語(yǔ)料批量轉(zhuǎn)換為ANSI編碼。

4.2 文本清潔及預(yù)處理

文本清潔及預(yù)處理涉及了許多細(xì)節(jié)，這里僅列舉幾項(xiàng)最常見(jiàn)或比較難處理的任務(wù)，包括：（1）消除多余的空格、空行；（2）全角、半角標(biāo)點(diǎn)轉(zhuǎn)換；（3）刪除文內(nèi)注（in-text citation）；（4）糾正斷頭句；（5）糾正連體句。

對(duì)于前兩項(xiàng)任務(wù)，使用“文本整理器”可一鍵實(shí)現(xiàn)“全角—半角”的全部轉(zhuǎn)換，并可消除部分冗余的空格或空行。但是“文本整理器”的處理能力有限，一些特殊的空格和空行無(wú)法用其消除，而且不支持UNICODE編碼的文本。使用EmEditor結(jié)合正則表達(dá)式清除了其他多余的空格和空行。

刪除文內(nèi)注時(shí)，考慮了兩種情況：一是“作者+年份”式的文內(nèi)注，如：“（Johnson 2020）”，需要全部刪除；二是只有年份的文內(nèi)注，作者是正文的一部分，如：Johnson（2020），只需刪除年份。使用正則表達(dá)式在EmEditor中分別刪除了這兩種文內(nèi)注。

斷頭句又稱折腰句，指一些句子還沒(méi)有結(jié)束就突然斷開(kāi)，出現(xiàn)非自然換行。這種情況在語(yǔ)料庫(kù)建設(shè)中很常見(jiàn)，往往數(shù)量眾多，無(wú)法用手工排查和糾正。由于干擾因素多，正則表達(dá)式分成以下幾步可以實(shí)現(xiàn)較好的糾正效果。

（1）斷頭句的基本判斷標(biāo)準(zhǔn)是：上一行以換行符結(jié)尾（ ）；下一行以小寫字母或標(biāo)點(diǎn)符號(hào)（逗號(hào)/句號(hào)）開(kāi)頭。打開(kāi)EmEditor，導(dǎo)入所有語(yǔ)料的TXT文本，點(diǎn)擊“搜索-替換”，勾選“使用正則表達(dá)式”和“區(qū)分大小寫”，輸入以下公式后，點(diǎn)擊“全部替換”，然后點(diǎn)擊“文件-全部保存”。

查找框： ^s{0,2}([a-z.,])| ^s{5,}([a-z.,])

替換框：1

注意：有些正常換行的首個(gè)單詞也可能是小寫，特別是一些論文的abstract和keywords這兩個(gè)詞全部小寫，它們單獨(dú)占一行?？梢韵扔谜齽t表達(dá)式在這兩個(gè)詞前面自動(dòng)加上一個(gè)大寫的輔助標(biāo)記，再執(zhí)行以上操作，之后再自動(dòng)去除輔助標(biāo)記。

（2）斷行處的新行開(kāi)頭是數(shù)字，彌補(bǔ)辦法如下。

查找框： ^(s{0,2}[0789])| ^(s{0,2}d{2,})

替換框：12

注意：1前有1個(gè)空格，同時(shí)勾選“區(qū)分大小寫”和“使用正則表達(dá)式”。本操作無(wú)法解決由1—6開(kāi)頭斷行的數(shù)字，因?yàn)橛行┱撐牡男?biāo)題是以1—6作為編號(hào)開(kāi)頭的，它們不是斷頭句，所以不能使用本方法排除。

（3）斷行處是大寫字母或1—6的數(shù)字，彌補(bǔ)辦法如下。

查找框：s(of|by|with|the|around|for|in|on|above|is|was|are|were|can|would|should|a nd|this)$

替換框：1

注意：1前有1個(gè)空格，勾選“使用正則表達(dá)式”，不勾選“區(qū)分大小寫”。該公式是用介詞、冠詞、助動(dòng)詞等非自然結(jié)尾詞為判斷標(biāo)準(zhǔn)來(lái)迂回查找斷頭句。因?yàn)檫@些詞一般不用句尾，后面緊跟換行符往往屬于異常情況。完成了這一步，絕大多數(shù)的斷頭句可以被批量糾正過(guò)來(lái)。

文本清潔和預(yù)處理還有一個(gè)常見(jiàn)的棘手問(wèn)題是連體句，即有些詞句甚至段落在格式轉(zhuǎn)換過(guò)程中丟失了所有空格，如“Ilovecorpuslinguistics”。這種情況也很難在大量的語(yǔ)料中用肉眼識(shí)別。AgriDEAP使用Python程序3自動(dòng)判斷尋找語(yǔ)料中的連體句，并抽取出語(yǔ)料所在的文檔，然后再手工整理。

4.3 格式整理及XML標(biāo)注

在格式整理方面，AgriDEAP主要對(duì)以下三類情況進(jìn)行了整理和標(biāo)記：（1）刪除了行文中的數(shù)學(xué)公式。雖然在最初的格式轉(zhuǎn)換時(shí)，已刪除大量的數(shù)學(xué)公式，但有些公式不是獨(dú)立列出的，而是句子中的一部分，當(dāng)時(shí)沒(méi)有刪除?，F(xiàn)在需要手工刪除這些公式，同時(shí)用兩個(gè)“$”占據(jù)原來(lái)的位置，以免影響語(yǔ)料的可讀性，使人誤以為缺少了句子成分。（2）刪除了文章中的網(wǎng)址。用正則表達(dá)式查找、刪除了語(yǔ)料中的網(wǎng)址，并用三個(gè)@來(lái)代替，避免成分缺失。（3）排查了每篇論文的結(jié)構(gòu)，必要時(shí)打上輔助標(biāo)記。通過(guò)觀察，可以發(fā)現(xiàn)農(nóng)學(xué)學(xué)術(shù)語(yǔ)料最典型的結(jié)構(gòu)是“題目-作者-單位-摘要-關(guān)鍵詞-引言-文獻(xiàn)綜述-研究方法-實(shí)驗(yàn)結(jié)果-討論-結(jié)論-鳴謝”。該結(jié)構(gòu)很模式化，可以用來(lái)實(shí)現(xiàn)XML的自動(dòng)標(biāo)注，但也有例外，如有些語(yǔ)料沒(méi)有小標(biāo)題，這時(shí)就可以使用Python程序提取出缺少引言的語(yǔ)料，然后手工核對(duì)，對(duì)于少數(shù)有引言內(nèi)容但沒(méi)有引言標(biāo)題的語(yǔ)料，添加輔助標(biāo)記“（Introduction）”，以方便計(jì)算機(jī)自動(dòng)識(shí)別。

經(jīng)過(guò)格式整理后，對(duì)有規(guī)范標(biāo)題的論文，先使用Python程序自動(dòng)進(jìn)行XML標(biāo)注，再手工校對(duì)一遍。對(duì)沒(méi)有標(biāo)題的論文，使用手工標(biāo)注。

5.應(yīng)用前景

AgriDEAP有著廣泛的應(yīng)用前景，包括但不限于以下方面。

（1）便于開(kāi)展跨學(xué)科的對(duì)比研究，本課題的語(yǔ)料庫(kù)融入DEAP這一大型學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)的架構(gòu)之下，統(tǒng)一了與其他學(xué)科學(xué)術(shù)語(yǔ)料庫(kù)的尺度，為跨學(xué)科比較研究提供了可能（許家金、梁茂成 2011）。

（2）可以用于研究農(nóng)學(xué)學(xué)術(shù)英語(yǔ)的語(yǔ)言特征，如：搭配、措詞、短語(yǔ)結(jié)構(gòu)、句法結(jié)構(gòu)分析，學(xué)術(shù)話語(yǔ)分析等。

（3）可以用于研究農(nóng)學(xué)學(xué)術(shù)英語(yǔ)的語(yǔ)篇特征和寫作特點(diǎn)，如：引言、研究方法、結(jié)果與討論等篇章結(jié)構(gòu)的寫作方法和語(yǔ)步分析等。

（4）可以用于農(nóng)學(xué)學(xué)術(shù)英語(yǔ)寫作或翻譯教學(xué)課程的開(kāi)發(fā)與教材的編寫。

（5）可以用于提取農(nóng)學(xué)各領(lǐng)域的專業(yè)術(shù)語(yǔ)和短語(yǔ)，編寫術(shù)語(yǔ)詞典和短語(yǔ)詞典，DEAP的醫(yī)學(xué)子庫(kù)已在詞典編纂方面進(jìn)行了成功探索（許家金 2017）。

（6）可以用于AI的學(xué)習(xí)和訓(xùn)練等。

隨著語(yǔ)言學(xué)和計(jì)算機(jī)科學(xué)的發(fā)展，相信語(yǔ)料庫(kù)越來(lái)越多的應(yīng)用潛力會(huì)被發(fā)掘出來(lái)。屆時(shí)AgriDEAP將會(huì)同DEAP的其他子庫(kù)及其他各類語(yǔ)料庫(kù)一道，繼續(xù)為語(yǔ)言乃至人工智能的研究和應(yīng)用發(fā)揮基礎(chǔ)性的作用。

注 釋

1 Corpus Finder [EB/OL].[2020-02-01].http://www.helsinki.fi/varieng/CoRD/corpora/corpusfinder/.

2 華中農(nóng)業(yè)大學(xué)農(nóng)科學(xué)術(shù)英語(yǔ)語(yǔ)料庫(kù)，網(wǎng)址：http://211.69.132.28/，訪客的賬號(hào)和密碼都是test。

3 限于篇幅，本文無(wú)法列出Python的程序代碼，該代碼將會(huì)發(fā)布在www.corpus4u.org論壇里，具體操作視頻會(huì)上傳到bilibili.com網(wǎng)站，搜索用戶名biggertree即可見(jiàn)。