中央研究院漢語平衡語料庫4.0版簡介

中央研究院漢語平衡語料庫（簡稱Sinica Corpus）第4.0版，為一包含一千多萬目詞的帶標記平衡語料庫。本語料庫中每個文句都依詞斷開，並標示詞類標記。語料的蒐集也盡量做到平衡分配在不同的主題和語式上，是現代漢語無窮多的語句中一個代表性的樣本。所蒐集的文章為1981年到2007年之間的文章。