http://ccl.pku.edu.cn:8080/ccl_corpus/CCLCorpus_Readme.html

北京大学CCL语料库简介

语料库网址： http://ccl.pku.edu.cn:8080/ccl_corpus　

CCL语料库及其检索系统为纯学术非盈利性的。不得将CCL语料库检索系统及其产生的检索结果用于任何商业目的。CCL不承担由此产生的一切后果。

CCL语料库仅供语言研究参考之用。语料本身的正确性需要您自己加以核实。

CCL语料库中的中文文本未经分词处理。检索系统以汉字为基本单位。

1 使用说明

2 语料库规模与分布

 

3 如何引用CCL语料库？

中文

詹卫东、郭锐、常宝宝、谌贻荣、陈龙，2019，北京大学CCL语料库的研制，《语料库语言学》2019年第6卷第1期，总第11辑，pp.71-86。

詹卫东、郭锐、谌贻荣，2003，北京大学中国语言学研究中心CCL语料库，网址：http://ccl.pku.edu.cn:8080/ccl_corpus

English

ZHAN Weidong, GUO Rui, CHANG Baobao, CHEN Yirong & CHEN Long, 2019, The building of the CCL corpus: Its design and implementation, Corpus Linguistics, 2019, Vol.6, No.1, pp.71-86

ZHAN, Weidong, GUO, Rui, CHEN, Yirong, 2003, The CCL Corpus of Chinese Texts, Available online at the website of Center for Chinese Linguistics (abbreviated as CCL) of Peking University, http://ccl.pku.edu.cn:8080/ccl_corpus

4 版本发展

序号	版本	总规模①	现代汉语	古代汉语	汉英双语
（1）	2004版	107,791,180 （1亿字符）	85,398,433 字	22,392,747 字	无
（2）	2006版	未统计	219MB（229,700,435字节）	196MB（206,222,888字节）	69.3MB（71,618,853 字节）
（3）	2007版	未统计	603MB（632,428,846字节）	同上	同上
（4）	2009版	未统计	695MB	397MB	同上
（5）	2014版	783,463,175（7.8亿字符）	581,794,456（5.8 亿字符）	201,668,719（2亿字符）	中文字数:6,176,546（600万字） 英文词数:3,934,609（300万词）
（6）	2024版	5,841,676,206（58.4 亿字符）	4,746,907,429（47.5 亿字符）	1,094,768,777（10.9 亿字符）	中文字数:192,057,581（1.9亿字） 英文词数:103,578,166（1亿词）

注① 指现代汉语加古代汉语的字数规模。2024版CCL语料库若将汉英双语对齐语料中汉语语料统计在内，总规模达到60亿字。