星期五meeting的时候老板乐巅巅地跟自己说Corpus已经转移到对外服务器上了，总算是对外public了，自己听了也很高兴，不过还是浇了他一点冷水 "My friend said it's ugly'。果然老板马上露出一副很受伤的表情，大叫"If we could make it better!" 几秒钟后又突然冒出一句,"but it's functional" 喃喃几句后又开始兴奋了，"yeah, functional, er? er?"  都快忍不住对他翻白眼了 ><||||

 

这个语料库从2005年1月正式动工直到2006年1月才release，中间也花了自己大量心血，20多万个字还有那些标点，符号都是自己一个一个敲进去的。听温州话敲汉语拼音一度扭曲了自己的语言系统，尤其八月的时候，说话能力明显下降。用Tony McNerry的话来讲是耗了自己大量的美好青春。不过很不喜欢这人，当时还有人建议自己申他的PhD，当场表示鄙视，那人长得没我老板帅，说话没我老板可爱，笑起来不但没我老板好看，还一副阴险样-_- 扯远了……不过这个足以说明除了睡觉，小说，游戏之外自己也的确干了些事，hiahiahia，居然有人说我无趣，不无趣能有那么多时间搞这个吗？！哼哼

 

现在是版本1.0，很小，才20多万字，不过麻雀虽小五脏具全，综合了The British National Corpus 和 The Lancaster Corpus of Mandarin Chinese的特点，有concordance display，collocates list，也能追溯每个说话者的背景信息。这里要非常感谢月月，微平，培培她们，没有她们参与录音，phonecall和conversation这两个部分就不会完善，还有OSU跟UCLA老师的鼓励和赞扬……如果PhD还在UA念，以后应该还会有V2，V3，包括一些同步翻译语料库，比如英语的，普通话的翻译，加些统计学的东西，比如T-score, Z-score，这些都还是“如果”……

 

很多人对corpus这个词不了解，就连自己系的同学也常常问我What is a corpus? 对这个问题自己一向没有给intelligible的答案，只说a database consists of transcribed real conversation or texts.一直有打算什么时候写一些介绍语言学的东西，用通俗的话来解释语言学里头那些有趣的没趣的名词啊，现象啊，让外行人念起来就跟吃饭一样简单明了，可惜也一直能力有限。这个……大概要到几十年后吧，如果那个时候自己还活着而且还在搞语言学的话……