语料库语言学

✍ dations ◷ 2025-08-28 01:30:23 #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

  • 医学诊断上的性别偏差性别偏好所致的诊断差异(英语:Gender-bias in medical diagnosis)是社会学中,一个对于医学的观察论述。然而这个论述是有争议的。 这个论述指出,许多医学诊断及精神诊断可能受到
  • 视力测试视力测试是由眼科医生、眼科视光师及视觉矫正师(英语:Orthoptics)所进行的测试,以评估接受视力测试者的视力能力及水平、对焦点的追踪及对物件的辨识能力。
  • 全身麻醉药全身麻醉剂(英语:general anesthetics)是麻醉药中的一类。麻醉药根据作用部位的不同,可分为全身麻醉药(general anesthetics)和局部麻醉药(local anesthetics)。全身麻醉药作用于中
  • 氟喹诺酮喹诺酮(英语:quinolone)是一类人工合成的含4-喹诺酮基本结构,对细菌DNA螺旋酶具有选择性抑制的抗菌剂。1962年最早的喹诺酮类药物萘啶酸首先用于临床,由于其抗菌谱窄、口服吸收差
  • 氯化汞氯化汞(化学式:HgCl2)俗称升汞,室温下为白色晶体,是实验室常用试剂。可溶于水,加热易升华,可引起汞中毒,因为毒性极大,使用时必须小心。氯化汞为正交晶系,容易升华,具有明显的共价特性
  • 电流电流是电荷的平均定向移动。电流的大小称为电流强度,是指单位时间内通过导线某一截面的电荷,每秒通过1库仑的电荷量称为1安培。安培是国际单位制七个基本单位之一。安培计是专
  • 迷走神经迷走神经(英语:vagus nerve)是脑神经,故亦称第十对脑神经(tenth cranial nerve), 编号X。迷走神经属混合性神经,是人的脑神经中最长和分布范围最广的一组神经,含有感觉、运动和副交感
  • RBMK计划26台机组:压力管式石墨慢化沸水反应炉(RBMK,俄语:Реактор Большой Мощности Канальный,直译:大功率管式反应炉)是一种苏联建造的用于核电站的
  • 子宫内膜异位症子宫内膜异位症(Endometriosis)属于妇科疾病,指的是本当存在于子宫内的内膜组织却在子宫外的其他地方生长,多数会在卵巢、输卵管以及子宫附近的组织,少数的情况也可能发生在身体
  • 曲安奈德曲安奈德(英语:Triamcinolone acetonide)是一种用来治疗各种皮肤病或减轻口疡带来不适的合成皮质类固醇。它是更有效的去炎松,大约是强的松的八倍。