提供者：肖丹、马路遥
一、资源名称
- BCC语料库
二、链接
三、简介
北京语言大学语料库中心（BLCU Corpus Center，简称BCC）是以汉语为主、兼有英语和法语的在线语料库，是服务语言本体研究和语言应用研究的在线大数据系统。BCC语料库总字数约 150 亿字，包括报刊（20 亿）、文学（30 亿）、微博（30 亿）、科技（30 亿）、综合（10 亿）和古汉语（20 亿）等多领域语料，是可以全面反映当今社会语言生活的大规模语料库。BCC语料库具有数据量大、领域广和检索便捷等优点。目前，已经支持了百余篇论文的发表。
- 以汉语为主，兼有其他语种的语言大数据；
- 为语言本体研究提供在线检索系统；
- 为语言本体研究提供建构大数据的语言应用平台；
- 支持云服务；
- 通过API调用方式为开展知识抽取、模型构建提供便利。
四、教程
（1）在线检索
统计
BCC检索式中可以包含词性或短语类型，也可以带通配符。
enter description here筛选
提供二次检索的功能，即在现有的返回结果中保留或者剔除符合检索式的语料实例，得到二次结果。下载
下载检索或统计结果高级
可以设置返回结果的显示形式；可以随机生成实例，如设定上下文显示字数，设定是否以句形式显示结果。
enter description here全文
点击该按钮可以查看检索实例更多的上下文。
enter description here
（2）BCC检索式
汉字串（或者词串）
enter description here通配符“.”、“@”、“~”
enter description here集合符号“[]”
enter description here离合符号“*”
属性约束符号“/”
enter description here空格或者“+”
（3）检索功能
检索式
用户可以在搜索栏中输入检索式，点击“搜索”，进行查询。BCC检索式由字、词和语法标记等单元组成，并且支持通配符和离合查询。词性符号 ：输入词性符号，可按照词性符号进行检索。BCC中汉语语料库采用北京大学的词性体系，英语语料库采用美国宾州大学的词性体系。
空格 ：隔开2个词性符号
. ：表示一个字符
~ ：表示一个词
* ：用于检索离合的语言片段，例，洗*澡，符合检索式的实例可为“洗一个痛快澡”、“洗一个舒服澡”等。
/ ：限制/前的连续串是具有某种词性的词，例，../v ，表示双音节动词。检索设置
点击“多领域”，检索结果将包含报刊、微博等全部领域的检索结果。用户也可以选择在某一领域中检索。选择“自定义”，可以进一步细化某一领域的检索范围，例如，检索范围可细化到文学领域下的《红楼梦》（仅限平台提供的语料）。历时检索
在搜索栏输入字符串，可返回该字符串在历年语料中的频次。结果以图表形式呈现，用户可下载。检索结果处理
每条检索结果包含符合检索式的实例以及上下文信息，用户可以再次基础上进行统计并下载相关结果。- 统计
选择“统计”，可对语料中检索式描述的实例进行统计，用户可以下载统计结果。 - 筛选
选择“筛选”，在弹出窗口中输入某一字符串，选择“保留”或者“排除”，可以返回保留或者排除初次检索结果中含有该字符串的检索结果。 - 下载
选择“下载”，用户可以下载1000条检索结果。 - 高级
选择“高级”，用户可以设置上下文字数、显示顺序等。
- 统计
（4）对比功能
进入“对比”功能，选择“单一来源”，可返回2个检索式在某一领域中的查询结果，结果以词云形式呈现。检索领域可以由用户自定义。
选择“两个来源”，可返回1个检索式在2个不同领域中的检索结果，结果以词云形式呈现。
五、相关论文
（1）荀恩东 饶高奇 肖晓悦 臧娇娇. 大数据背景下BCC语料库的研制[J].语料库语言学,2016.