谢菲尔德汉语语料库历时语言研究
该项目以宋（960-1279）、明（1366-1644）和清（1644-1911）三个朝代的中文文本为基础，用于深入研究汉语的发展和变化。
谢菲尔德汉语语料库（Sheffield Corpus of Chinese，SCC）的建立是一个试点项目的成果，其长期目标是提供全面的数字资源，用于标记不同文本类型和体裁的历史汉语文本，并按不同时间段排列，以促进对语言发展变化的研究。
随着SCC的发展，它以全标记的中文文本解决了这一领域中历时语料库的缺乏，促进了一系列历时语言学和其他学科的研究。
该项目的预试验为基于宋朝（960-1279年）、明朝（1366-1644年）和清朝（1644-1911年）的三个汉语文本所进行的可行性研究。这些文本共计约18,000个字词，使用在XML（可扩展标记语言）背景下开发的标记方案进行了词性标注和字段划分。该预试验完成后，SCC的初始形式包括一个含有49个类别21个词类的标签集，并包含一个全文检索和搜索系统，它可以定位并生成用户指定的字词频率表，既可以按字词为基础，也可以按字词类别为基础。为了扩大语料库的可访问性，并促进翻译方向的英汉对比研究，该语料库还增添了英文平行翻译。XML在汉语中的应用仍处于起步阶段，因此SCC的建立为将这一技术应用于中文研究中做出了重要贡献。随着SCC的发展和扩大，它解决了这一领域缺乏具有完全标记的中文文本历时语料库的问题，并促进和推动了一系列历时语言学和其他相关研究。
网站
项目团队
- Dr Xiaoling Hu（谢菲尔德大学东亚研究学院）
- Jamie McLaughlin（开发人员——数字人文研究所）
翻译：刘艺，林正昕，张嘉琪