DiSCUSS现代汉语平衡口语语料库的创建

本文主要介绍“DiSCUSS现代汉语平衡口语语料库”(简称DiSCUSS库)的建设过程。作为国内首个开源的百万词级现代汉语平衡口语语料库,DiSCUSS库采用与“国际英语语料库”相同的取样模式创建,库容为100万词。该语料库具有较好的平衡性和代表性,使其可广泛应用于汉语口语研究、汉外口语对比等领域。此外,DiSCUSS库提供的社会语言学变量、说话人标记和词性标注等也可作为开展语言变异、话轮转换机制、叙事结构等研究议题的重要数据基础。