這一章中我將進一步和你分享如何使用語料庫分析工具。上一章中提及，常用的研究工具有，日本早稻田大學研發的AntConc、英國利物浦大學開發的WordSmith和CORPRO。其中，AntConc是免費的軟件，WordSmith和CORPRO則需要費用。

在進行語料庫分析前，我們先來簡單瞭解一下語料庫分析流程。

語料庫分析流程

一、建立語料庫

語料庫分析中，我們所使用的語料庫大多是自行建立的。國內比較知名的語料庫大多是文學類或語言類語料庫，對於傳播科系而言，我比較推薦的是慧科搜索新聞研究數據庫。這是由香港慧科訊業創建，香港特區政府和香港中文大學斥資成立。該庫可搜索1000多種平面媒體和6000餘種網站新聞（需要在某寶上購買賬號或通過學校圖書館進行登入）。

需要注意的是，語料庫分析法有效文本數建議在500以上，有效字數在兩萬左右。研究文本量足夠，才能確保研究的準確性也有足夠的可信度，最後的研究結論不會產生以偏概全的錯誤。

為何需要建立語料庫？

建立語料庫，需要考量我們所研究的文本內容和範圍。例如，時間範圍：五年內的新聞報道，特定議題範圍：蘇軾詩文、科技類報道、疫情報道或關於轉基因，諸如此類。以自己所研究主題確定研究樣本後，需要自行建立語料庫。有以下幾點好處： 1、確保文本在圈定的範圍內。2、利於通過專業工具分析。3、確保範圍內的文本適合使用。

如何建立語料庫？

以新聞傳播專業為例：研究主題為五年內（2014年-2019年）五家平面媒體，關鍵詞為轉基因（或基因改造）。總計本研究搜尋文章總計為 1193 篇，剔除不符該研究宗旨報導後共計納入620 篇報導（納入比率 51.97%）。

舉例說明

建立語料庫的方式，就是將研究文本複製貼入「記事本」。

這裡建議三點步驟：

:1、按樣本類型劃分

2、之後按時間劃分

3、將記事本文本改格式為「UTF-8」或「Unicode」（以使用工具所適用格式為準）

實踐說明

二、建立字典

語料庫研究方法中，建立完語料庫後，緊接著就是設立字典。這一步的重要性在於，隨後語料庫將進行斷詞。

斷詞後效果

左圖為斷詞前的完整文本，右圖為斷詞後的文本。建立字典的意義就是語料庫工具斷詞的依據。語料庫工具最早是基於英文單詞設計的，可以準確的對英文文本進行斷詞，但若是中文文本則需額外設立詞典，防止中文語境中的一些詞彙影響工具斷詞的準確性。

1、如何斷詞

設立詞典後，對文本進行斷詞。以免費的研究工具SegmentAnt為例。左下角為研究文本，右下角為字典文本。設置好後導入字典，點擊star即可開始斷詞。

Ant工具斷詞操作畫面

斷詞後，需要重新返回文本審核一遍，將斷詞後文本中未斷詞正確的詞彙，重新填入字典中，重新進行斷詞。

三、研究分析

將全部的文本進行斷詞後，恭喜你，就可以開始研究分析啦。

WordSmith工具分析示意圖

以WordSmith為例，點擊軟件運行後，點擊WordList，左上角新建文本，

更多的研究流程，我就不詳細說明啦。對於語料庫研究方法而言，設立語料庫和字典，是研究的基礎和根本。隨後進行斷詞和分析。語料庫研究方法，比較繁瑣的過程便是，收集語料庫文本，將所要研究的文本從網絡上抓取下來，放在記事本中。唯有這一步比較繁瑣，因為研究文本的量往往不少。但好處在於，隨後的研究都可以通過工具軟件自行完成。我們研究者所要做的，就是讀的懂數據，能進行自主分析。

語料庫分析的視覺效果圖，文字雲

閱讀更多 傳媒乾貨盡在要言 的文章

關鍵字: 軟件 一章 語料庫