一、语料库的发展
语料库的发展从语料的输入层面上先后经历了手工抄写、打字输入、计算机键盘输入、光电扫描、语音输入四个阶段。前两种输入法用于早期建立规模较小的卡片式语料库，由于计算机技术的飞速发展和日益普及，光电扫描已经成为书面语输入的标准手段，对于口语材料则可采用语音识别加人工校正的方法进行输入，因此建立大规模语料库在技术上已经不成问题。
但是语料多少并不是决定语料库质量的唯一标准。现在，互联网日益普及、电子出版物已成时尚，从各媒体获取大量语料已是举手之劳，关键是语料库中的语料都被分类整理过，并被加上了各种标记，这样语料库就成了机器可读的形式，经操作员在计算机终端上的编辑和修改，最终提供给语言学家做各种研究。不加标记的语料很难用于语言研究，加注标记的工作可以由专门的软件来完成。
近几十年来，语言学家开始用计算机对大量的语料进行取样、储存、分类和统计分析。从国外英语语料库的建设来看，英国伯明翰大学的柯伯国际语言数据库早在1980年就开始运转，该语料库就是现在著名的“英语库”的前身，其收词已达到4.5亿个；英语国家语料库收词1亿左右；世界英语语料库收录了2亿词；美国的蓝登书屋动态词典数据库收词1.4亿个。随着科学技术的发展，各种语料库的容量仍在持续膨胀，计算机语料库的优势就是资料真实，可信度强。语料库里存储的数据来自方方面面：报纸杂志、小说、戏剧、广播、电视等。语料库不仅有各种文体的书面语，还有各种场合的口语体。这些语料库均通过计算机加注了各种标记，检索者通过特殊的标记就可轻松地获得所需的语料信息。
二、语料库的分类
每个语料库的结构和收录内容都有所不同。要对其进行分析和比较，就必须准确把握语料库的各项特征。现代语料库研究发轫于欧美，因此欧美的语料库特别是英语语料库的建设历史最长，种类最丰富，设计也最成熟。现以欧美语料库为例，归纳一下语料库的大致分类。
从不同角度出发，可以将语料库大致分类如下：
（1）根据语言素材的类型，分为书面语语料库、口语语料库和混合语料库。
（2）根据语料的文体类型，分为单文体语料库和多文体语料库。
（3）根据语料的选取方式，分为全文语料库和抽样语料库。
（4）根据语料的时间特征，分为共时语料库和历时语料库。
（5）根据是否对语料赋码，分为未赋码语料库和已赋码语料库。
（6）根据是否对语料进行后续增补，分为封闭式语料库和监控语料库。
（7）按照语料的语种，分为单语种语料库和多语种并行语料库。
（8）根据收取的语料是原文还是译文，分为原文语料库和翻译语料库。
（9）根据语料的作者是母语使用者还是外语学习者，分为母语语料库和学习者语料库。
需要指出的是，以上这些分类角度各有不同，彼此之间并不冲突。从不同的视角出发，可以将同一个语料库归入不同类别。例如布朗语料库既是书面语语料库、多文体语料库、抽样语料库、共时语料库和未赋码语料库，同时又是封闭式语料库、单语种语料库、原文语料库和母语语料库。
从整体上看，欧美语料库的建设较为成熟。不仅数量众多，种类齐全，而且普遍具有明确的设计理念。通过系统抽样的方法，保证所收语料具备了一定的均衡性和代表性。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
