首页 >
语料库语言学
✍ dations ◷ 2025-04-04 06:14:36 #语料库语言学
语料库语言学(英语:corpus linguistics)是基于语言运用的实例(即语料库)的语言研究。语料库语言学可以对自然语言进行语法与句法分析,还可以研究它与其他语言的关系。语料库最初由手工完成,而现在主要是由计算机自动完成。语料库语言学家相信,可靠的语言分析需建立在新鲜的语料、自然的语言环境,和最小的实验干扰之上。在语料库语言学中,语料标注的意义众说纷纭,从约翰·辛克莱(John McHardy Sinclair)主张最少量的标注,并允许文本“为自己说话”,到“英语用法调查组”(设在伦敦大学学院)鼓励更多的标注,并认为它是通向更完备和严谨的语言理解的道路。现代语料库语言学的一个里程碑是亨利·库切拉(英语:Henry Kucera)和W.纳尔逊弗朗西斯在1967年出版的《当代美语的计算分析》(Computational Analysis of Present-Day American English)一书。该项工作基于对布朗语料库(英语:Brown Corpus)的分析,布朗语料库是一个精心编制的美国英语语料库,规模约有一百万词次。库切拉和弗朗西斯将这些语料用于各种计算分析,获得了丰富和多样化的成果,该成果结合了语言学、语言教、心理学、统计学、和社会学元素。另一关键出版物是1960年伦道夫·夸克(英语:Randolph Quirk)的《当代英语语法》(Towards a description of English Usage),在这本书中他介绍了“英语用法调查”项目(The Survey of English Usage)。此后不久,波士顿出版商霍顿米夫林邀请库切拉为其新的美国传统英语字典提供百万词次,三线引文的来进行词典编纂。《美国传统英语字典》创新地将规定性元素(应如何使用语言)和描述性元素(语言实际上是如何被使用)结合在了一起。其他出版社纷纷效仿。英国出版商柯林斯COBUILD单语学习词典,就是为非英语母语者学习英语而出版的,它使用了“英语银行”(Bank of English)语料库。“英语用法调查”语料库被用于由夸克等人编著的《综合英语语法》(A Comprehensive Grammar of the English Language)中。布朗语料库也催生了类似的语料库:LOB语料库(Lancaster-Oslo-Bergen Corpus,20世纪60年代英国英语),科尔哈帕(Kolhapur,印度英语),惠灵顿(Wellington,新西兰英语),澳大利亚英语语料库(Australian Corpus of English,澳大利亚英语),皱眉语料库(Frown Corpus,20世纪90年代初,美国英语),以及FLOB语料库(FLOB Corpus,20世纪90年代,英国英语)。其他语料库包括国际英语语料库(International Corpus of English),和英国国家语料库(British National Corpus,收集了1亿词次的口头和书面语料,在20世纪90年代时由出版商、牛津大学、兰卡斯特大学和大英图书馆创建)。至于说到当代的美国英语,现已有了美国国家语料库(英语:American National Corpus),以及可以在线访问的4亿多词次的美国当代英语语料库(英语:Corpus of Contemporary American English,1990年创建)。第一个电脑转录口语语料库,建于1971年蒙特利尔法语项目(Montreal French Project),有一亿词次,这一项目还启发了夏娜·帕普拉克(Shana Poplack)建立了规模更大的渥太华-赫尔地区法语口语语料库(英语:Corpus of spoken French in the Ottawa-Hull area)。语料库除了收集现存语言,也收集古代语言。比如20世纪70年代建立的希伯来文圣经的安徒生福布斯数据库(英语:Andersen-Forbes database of the Hebrew Bible,数据库的每个子句的语法分析都使用了多达七级语构的图表,每一部分都标注了七个方面的信息。古兰经阿拉伯语语料库(英语:Quranic Arabic Corpus)是古典的阿拉伯文《古兰经》的标注语料库。它包含多层次的标注,包括形态分割,词性标注,以及使用依存语法进行的句法分析。语料库语言学已经有了一大批研究方法,这些研究方法都试图找到从数据到理论的解决方案。瓦利斯和尼尔森最先介绍了他们的3A观点(英语:3A perspective):注释(英语:Annotation),抽象(英语:Abstraction)和分析(英语:Analysis)。如今大多数词汇语料库采用词性标注(英语:part-of-speech-tagged)。然而,即使是采用未标注语料的语料库语言学家也无疑会使用一些方法来从句子中隔离出他们感兴趣的词。在这种情况下,注释和抽象在词汇搜素中结合起来了。发布标注语料库的优点是其他用户可以在语料库中进行研究与实验。语言学家与其他相关人士就可以利用语料库来工作了。通过数据共享,语料库语言学家能将语料库视为语言探讨的核心,而不是知识的源泉。
相关
- 螺旋体门螺旋体门(Spirochaetes)是一类很有特点的细菌,具有长的螺旋形盘绕的细胞。它们独具细胞全长、在细胞膜和细胞壁之间的鞭毛,称为“轴丝”(axial filament)。螺旋体可以通过轴丝产生
- 碘缺乏病碘缺乏病(IDD)是因缺乏摄入碘元素而造成的病态。这种病症通常出现于远离海洋的内陆地区的人口,因海产是人体摄取碘的主要来源,以及内陆地区土壤含量不足。但并不代表沿海地区就
- 烧伤灼伤是指皮肤或其他组织因热力、电力、化学物质、摩擦力或辐射所造成的创伤。大部分的灼伤是因接触滚烫液体、固体或火焰的高温。暴露在烹饪的火焰或不安全的煮食器具的危险
- 直径在数学尤其是几何学中,直径是圆形的特性之一,是指穿过圆心且其两端点皆在圆周上的线段或者该线段的长度是最长的,一般用符号d或著Ø表示。在一般的度量空间(也就是定义了距离的
- 软骨软骨(cartilage)是脊椎动物特有的胚胎性骨骼,一种无血管组织,略带弹性的坚韧组织,在机体内起支持和保护作用。由于软骨没有血液供应,在基质中含有大量的第二型胶原和葡萄糖胺聚合
- 韦斯顿电池韦斯顿电池是一种原电池,1893年由英国化学家爱德华·韦斯顿(Edward Weston)发明。由于其高度稳定的电动势,多用于实验室中电位计的校准。1911年该电池被采纳为电动势的国际标准
- 中华民国环保署坐标:25°02′19″N 121°30′28″E / 25.03861°N 121.50778°E / 25.03861; 121.50778行政院环境保护署(简称环保署)是中华民国环境保护事务的最高主管机关,前身为1971年3月成
- 妥拉《妥拉》(希伯来语:.mw-parser-output .script-hebrew,.mw-parser-output .script-Hebr{font-size:1.15em;font-family:"Ezra SIL","Ezra SIL SR","Keter Aram Tsova","Taamey
- 布朗氏综合征布朗氏综合征(Brown's syndrome)是一种罕见的斜视症状,患部眼睛无法看较高的地方。布朗氏综合征可能是先天性障碍,也可能是后天的。布朗氏综合征是因为上斜肌无法正常动作,因此眼
- 毛利语毛利语(毛利语:Māori, 聆听,也被称为te reo,“语言”之意)是新西兰原住民毛利人的语言、也是新西兰的三种官方语言之一,另两种是英语和手语。毛利人从太平洋诸岛来到新西兰之后、