1 引言

itGLOBE语料库是北外全球语料库集群项目的一部分，包含101个语种，采用布朗语料库采样方案，旨在促进双语或多语对比研究。本文介绍了itGLOBE语料库的创建背景、过程及其应用价值。

2 意大利语语料库建设历程

意大利语语料库建设始于20世纪40年代末，由罗贝尔托·布萨开创，其对圣托马斯·阿奎那拉丁语著作的计算机索引工作标志着首个机器可读语料库的诞生。意大利语语料库发展经历了三个阶段：起步阶段（20世纪50年代初至70年代初），词典编纂阶段（20世纪70年代初至90年代末），以及全面发展阶段（20世纪90年代末至今）。起步阶段以著作索引编写为目标，词典编纂阶段以语料库为基础编纂词典，全面发展阶段则形成了多样化、功能丰富的语料库格局。意大利语语料库在语言资源分类、储存与保护方面发挥了重要作用，广泛应用于语言学习、研究和资源记录保护。自然语言处理技术在语料库建设中得到体现，且各研究间具有传承性。itGLOBE语料库的创建旨在填补意大利语与英语、汉语语料库直接对比的空缺，为意大利语研究提供平衡语料资源。

3 itGLOBE语料库的创建

itGLOBE语料库是一个百万词级的平衡语料库，收集了2013年之后出版的意大利语书面语文本，现已上传至北外CQPweb多语种语料库平台，提供多种在线分析功能。语料库采样方案参考布朗语料库，涵盖新闻、通用、学术、小说四种体裁类型及其15个子体裁，特别注重本土侦探小说的收集。语料采集包括文本选择、录入和元信息标注，文本均为意大利语原文，不包括翻译文本，时间范围广泛，覆盖2000年后的文本。语料库提供生语料、词性赋码和词形还原三个版本，以适应不同研究需求。所有语料均经过人工校对，以UTF-8编码格式存储，并附有详细的元信息。平台支持简单查询和CQP语法，满足不同用户的需求。

4 研究展望

itGLOBE语料库的平衡性和代表性使其成为研究2000年后意大利语特征的重要资源。词频表和n-gram表有助于课程设计和词典编纂。新闻、通用、学术、小说四大类文本可支持篇章体裁和语域变异研究。itGLOBE的可比性使其能与其他语料库进行对比研究，如与CROWN2021进行意英对比，与ToRCH系列进行意汉对比，以及与其他GLOBE语料库进行类型学研究。itGLOBE的取样方案与意大利语参照库相近，有助于历时变化研究。小说子库可与意汉平行语料库进行翻译学研究。后续语料库建设包括更新语料元信息、降低2013年前语料比例、扩容以支持更多对比研究，并考虑加入口语语料和新兴体裁。

5 结语

意大利语语料库发展成熟，平衡语料库对多语对比研究有价值；itGLOBE语料库采用布朗语料库取样方法，与布朗家族及GLOBE语料库兼容；可在北外CQPweb平台上在线使用，满足不同用户需求；遵循共建共享理念，鼓励同行参与，促进意大利语教学与研究。