语料库_语料库语言学及其应用.pdf

第24卷第4期佛山科学技术学院学报(社会科学版)No.4Vol.242006年7月JournalofFoshanUniversity(SocialScienceEdition)Jul.2006语料库、语料库语言学及其应用陈潇(暨南大学外国语学院,广东广州510632)摘要:语料库的发展随着计算机科学的发展经历了三个阶段;语料库语言学是基于借助计算机大规模对语料库的语料进行分析和标注的语言科学。语料库语言学在语言教学和研究中所能发挥的作用越来越大,从语言研究,语言教学、语言测试、词典编撰到人工智能等领域都开始应用语料库语言学。语料库语言学给以学生为中心的交际法语言教学提供理论和实践平台。关键词:语料库;语料库语言学;语言研究中图分类号:H0文献标识码:A文章编号:10082018X(2006)0420014206随着计算机科学的迅猛发展,人类语言学的世纪60年代的BrownCorpus和LOBCorpus为代发展不断加速,特别是过去语言学家在语言研究方表。这是语料库发展的初期,规模都比较小,如面认为十分困难或几乎不可能的研究工作,今天凭BrownCorpus和LOB都只有100万词左右。这种借语料库和语料库语言学可以顺利进行。本文拟就小规模的语料库只能用来考察常用语言现象的频语料库发展、语料库语言学理论基础、研究方法及率,无法展示语言的全貌;第二代以20世纪80年代其应用进行研究。的BirminghamCollectionofEnglishText和the为一、语料库LongmanLancasterEnglishLanguageCorpus代表。第二代语料库在规模上大大超过了第一代,语料库,即所收集的全套语言材料,它是某种同时在标注方面增加了词的语法属性标注(如,词语言中自然出现的,可以是书面的,也可以是口头性等),直到现在,人们越来越重视对语料库作不同的,许多语言学家都把这种材料作为研究语言的素层次的标注,如:语音、构词、句法、语义以及语用等材。过去,语料库中的材料由人工收集和整理;现层次;到了20世纪90年代,语料库进入了第三代的在,由于使用计算机的先进技术建设语料库,效率商业化时代,这类语料库的特点首先在规模上一般和规模都有了很大提高。语料库是由从有代表性的都超过几亿甚至数十亿词,在建设过程中使用先进语言材料中随机抽样输入计算机并可由计算机处的计算机文字处理等技术。如规模庞大的Collins理的大量文本组成的。语料库收入的文本(或词次)CobuildBankofEnglishCorpus。越多,其所覆盖的面越宽,则语料库提供的信息就CollinsCobuildBankofEnglish,即英语语料越可靠。库,建立在英国的伯明翰大学。该语料库系通用英语料库的发展经历了三代更替。第一代以20语语料库,所收文本覆盖面很广,不仅有各种体裁收稿日期:2006204216作者简介:陈潇(19662),女,湖南长沙人,暨南大学讲师,文学硕士。©1994-2009ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.第4期陈潇:语料库、语料库语言学及其应用15的书面语料,而且还有相当数量的口语语料,是当二、语料库语言学的理论基础今最大和最具权威性的英语语料库。由于Cobuild的BankofEnglishCorpus的词语料库语言学是基于以计算机为基础的语言频统计是根据拥有一亿多词次的语料库进行统计科学。Leech曾简述语料库语言学的发展历史,利的,而这一数字又大大超过了过去靠人工进行统计用语料库研究语言是从Bloomfield之后的美国一的一些词频表,如MichaelWest的AGeneralSer2些结构主义语言学家开始的。这些语言学家受实证viceListofEnglishWords和TheCambridgeEng2主义和行为主义观点的影响,认为语料库中的材料lishLexicon,故其可靠性要大得多。根据Cobuild是语言学研究的主要素材。在他们看来,用收集到BankofEnglishCorpus的词频统计选出的头700的某种语言中自然出现的语言材料建立起足够大个词,有不少只是在CambridgeEnglishLexicon的的语料库,对这种语言是必要的。3级至7级词表中才出现,例如,仅字母A一项就有首先,有人认为语料库语言学是一种理论架accord(5级),act(3级),actually(3级),aid(4级),构。但完全赞成语料库语言学是一种理论架构的几allow(3),announce(5级),area(3级),arms作武乎没有。只是某些学者比较强调语料库语言学的理器解(5级),army(3级),around(5级),art(3级),论意义。比