英語(yǔ)實(shí)詞動(dòng)態(tài)增長(zhǎng)與重復(fù)分析

趙小東，胡賽兒

(大連海事大學(xué) 外國(guó)語(yǔ)學(xué)院，遼寧 大連 116026)

國(guó)內(nèi)外許多學(xué)者，如Baayen［1］、Brunet［2］、Fan［3－5］、Tuldava［6］等都研究過(guò)詞匯量與篇章長(zhǎng)度的關(guān)系。他們或設(shè)計(jì)不同的量化模型來(lái)描述詞匯量與語(yǔ)篇長(zhǎng)度的關(guān)系，或運(yùn)用不同的語(yǔ)言數(shù)據(jù)去驗(yàn)證這些模型。也有學(xué)者對(duì)實(shí)詞進(jìn)行了研究，如Francis等［7］、Johansson 等［8］通過(guò)計(jì)算LLC、Brown 和LOB語(yǔ)料庫(kù)中的實(shí)詞比率對(duì)實(shí)詞進(jìn)行了靜態(tài)的分析。對(duì)詞匯重復(fù)率的研究主要為國(guó)內(nèi)學(xué)者，如Fan［4－5］、羅衛(wèi)華等［9－10］。但目前卻沒(méi)有對(duì)各類實(shí)詞的動(dòng)態(tài)的詞匯量與篇章長(zhǎng)度關(guān)系的研究。因此本文擬利用計(jì)量的方法，對(duì)普通英語(yǔ)和科技英語(yǔ)中的實(shí)詞按4000詞切分，對(duì)其進(jìn)行詞匯增長(zhǎng)的動(dòng)態(tài)分析，對(duì)比研究?jī)蓚€(gè)語(yǔ)料庫(kù)中實(shí)詞的詞匯增長(zhǎng)、詞匯重復(fù)情況。

一、基本定義

本文中實(shí)詞包括名詞、動(dòng)詞、形容詞和副詞。對(duì)介詞、連詞、冠詞、代詞等虛詞不作研究，這是因?yàn)橛⒄Z(yǔ)中虛詞總量非常有限，增長(zhǎng)模式不明顯。實(shí)詞詞匯增長(zhǎng)是通過(guò)各實(shí)詞詞類的累積類符數(shù)除以該詞類的累積形符數(shù)計(jì)算的。

許多語(yǔ)言學(xué)家都注意到類符/形符比(Type/Token Ratio，簡(jiǎn)稱TTR)跟形符總數(shù)的關(guān)系。而且類符/形符比還通常用來(lái)測(cè)算詞匯多樣性(lexical variation 或lexical diversity)［11－12］。但計(jì)算TTR 的方法不盡相同。本文采用公式“TTR =各詞類累積類符數(shù)/各詞類累積形符數(shù)”來(lái)計(jì)算隨著英語(yǔ)篇章長(zhǎng)度，即累積形符數(shù)(4000)的增加，普通英語(yǔ)和科技英語(yǔ)的各類實(shí)詞TTR 的變化規(guī)律;各類實(shí)詞標(biāo)準(zhǔn)類符/形符比采用每4000 詞(形符數(shù))的TTR:每4000 詞時(shí)各類實(shí)詞的類符數(shù)除以4000。

本研究中，英語(yǔ)單詞的形符包括以空格斷開的英文單詞、字母、縮略等，但不包括標(biāo)點(diǎn)符號(hào)。形符數(shù)也稱詞次。總詞數(shù)即總詞次。類符指單詞的詞元(lemma)形式，即把詞類相同、意義相同，但詞尾變化不同的詞歸納為同一詞元。如think、thinks、thought 和thinking 統(tǒng)一歸并為一個(gè)詞元think。本文中的詞匯即為詞元或類符，詞匯數(shù)或詞匯量即為詞元數(shù)或類符數(shù)。歸并詞元時(shí)，剔除標(biāo)點(diǎn)符號(hào)、阿拉伯?dāng)?shù)字以及其他各種非字母字符。

二、研究設(shè)計(jì)

本文中科技英語(yǔ)語(yǔ)料采用JDEST 語(yǔ)料庫(kù)，JDEST 為上海交通大學(xué)建立的國(guó)內(nèi)權(quán)威科技英語(yǔ)語(yǔ)料庫(kù)，總?cè)萘繛? 079 649;普通英語(yǔ)語(yǔ)料采用BNC(英國(guó)國(guó)家語(yǔ)料庫(kù))的筆語(yǔ)部分抽樣。在對(duì)BNC 進(jìn)行抽樣時(shí)，先運(yùn)用FoxPro 程序?qū)NC 筆語(yǔ)語(yǔ)料庫(kù)的所有賦碼文本(tagged texts)中的標(biāo)注碼去掉。然后運(yùn)用另一FoxPro 程序從BNC 筆語(yǔ)庫(kù)中隨機(jī)抽取28個(gè)文本，總詞次為1 136 347。以下將此抽樣文本稱為SBNC。接著運(yùn)用CLAWS4 對(duì)JDEST 和SBNC 兩個(gè)語(yǔ)料庫(kù)進(jìn)行詞類(POS)標(biāo)注。然后運(yùn)用另一FoxPro程序?qū)蓚€(gè)語(yǔ)料庫(kù)進(jìn)行分詞處理，并根據(jù)POS 賦碼，即以N(名詞)、V(動(dòng)詞)、J(形容詞)和R(副詞)開頭的標(biāo)注碼，提取各類實(shí)詞。接著將各類實(shí)詞中的詞類標(biāo)注、標(biāo)點(diǎn)符號(hào)、特殊符號(hào)以及其他非字母字符去除。

然后再運(yùn)用兩個(gè)FoxPro 程序分別處理經(jīng)過(guò)分詞處理的SBNC 和JDEST 語(yǔ)料庫(kù)。這兩個(gè)程序分別將SBNC 隨機(jī)分為284個(gè)4000 詞(形符)的文本塊(chunks)，共113 600 詞次;JDEST 分為247個(gè)4000詞的文本塊，共988 000 詞次。由于Biber［13］認(rèn)為2000 至5000 詞的抽樣文本(text samples)足以代表文本范疇(text categories)，因此本文按4000 詞對(duì)SBNC 和JDEST 進(jìn)行切分。接著，程序會(huì)分別計(jì)算出各語(yǔ)料庫(kù)的每4000 詞文本塊的各類實(shí)詞類符數(shù)以及隨著兩個(gè)語(yǔ)料庫(kù)按4000 詞(形符)增長(zhǎng)時(shí)累積形符總數(shù)、累積各類實(shí)詞類符數(shù)、累積各類實(shí)詞形符數(shù)、各類實(shí)詞的TTR 及各類實(shí)詞的累積重復(fù)數(shù)、累積重復(fù)率等。

其中，累積各類實(shí)詞類符數(shù)即各類實(shí)詞的累積詞匯量。下面以名詞為例說(shuō)明累積實(shí)詞重復(fù)數(shù)及重復(fù)率的計(jì)算。累積名詞重復(fù)數(shù)的計(jì)算公式為:累積名詞重復(fù)數(shù)=累積名詞數(shù)－累積名詞量。公式中累積名詞數(shù)為各4000 詞的文本塊的名詞類符數(shù)，即名詞詞匯數(shù)之和。比如科技英語(yǔ)JDEST 語(yǔ)料中前兩個(gè)4000 詞文本塊各自名詞詞匯數(shù)為760 和767，則累積名詞數(shù)為1527。但如果將這兩個(gè)文本塊相加，變?yōu)?000 詞，這兩個(gè)文本塊的名詞詞匯數(shù)760 和767中就會(huì)有重復(fù)的名詞，將重復(fù)的名詞合并，這樣就可計(jì)算出累積名詞量，為1221。因此，JDEST 中前兩個(gè)文本塊的累積名詞重復(fù)數(shù)為1527－1221 =306，名詞累積重復(fù)率為0.1268。而第一個(gè)文本塊的名詞重復(fù)數(shù)和重復(fù)率都為0。表1為JDEST 語(yǔ)料庫(kù)中名詞部分?jǐn)?shù)據(jù)。

表1 JDEST 語(yǔ)料庫(kù)中累計(jì)詞次32 000 詞前名詞部分?jǐn)?shù)據(jù)

表1中，t_cu 表示累積形符總數(shù)(累計(jì)詞次)，n_type 為每4000 詞中名詞類符數(shù)，n_cu 為累積名詞類符數(shù)(累積名詞量)，n_cutok 為累積名詞形符數(shù)，n_ttr 為名詞類符/形符比，n_curep 為累積名詞重復(fù)數(shù)，n_cureprate 為名詞累積重復(fù)率。

三、結(jié)果分析

1.實(shí)詞增長(zhǎng)分析

結(jié)果顯示:284個(gè)SBNC 文本塊的名詞、動(dòng)詞、形容詞和副詞累積詞匯量分別為24 440、4601、9050和1632;247個(gè)JDEST 文本塊的各類實(shí)詞累積詞匯量依次為14 754、3481、8961 和1152。SBNC 的284個(gè)文本塊各實(shí)詞的平均詞匯量依次為851、284、245、118，JDEST 的247個(gè)文本塊各實(shí)詞平均詞匯量依次為756、250、292、110。表明普通英語(yǔ)各文本塊的名詞、動(dòng)詞和副詞詞匯量大于科技英語(yǔ)。普通英語(yǔ)的累積形容詞詞匯量在第247個(gè)文本塊時(shí)為8441，形容詞總詞量小于科技英語(yǔ)，而且普通英語(yǔ)各文本塊的平均形容詞詞匯量245 也遠(yuǎn)小于科技英語(yǔ)各文本塊的平均形容詞詞匯量292。觀察科技英語(yǔ)語(yǔ)料庫(kù)發(fā)現(xiàn)，除少量常用形容詞外，如other、high、large、small 等，其中有大量的科技方面的形容詞，用于正式或客觀的學(xué)術(shù)表達(dá)，描寫事物的特征，如magnetic(475)、hermal(406)、nuclear(375)、chemical(356)、conventional(331)、mechanical(314)、electric(297)、vertical(216)等。圖1為SBNC 和JDEST實(shí)詞增長(zhǎng)曲線。

圖1顯示，在SBNC 和JDEST 中，四種實(shí)詞的累積詞匯量呈類似增長(zhǎng)態(tài)勢(shì):開始都急劇增長(zhǎng)，隨后變緩。只是名詞累積詞匯量增長(zhǎng)得最快、最急劇;形容詞次之;動(dòng)詞的累積詞匯量增長(zhǎng)幅度位于第三;副詞累積詞匯量的增長(zhǎng)最不明顯，其增長(zhǎng)曲線幾乎與x軸平行。同時(shí)，圖1表明兩個(gè)語(yǔ)料庫(kù)中，詞匯量大多集中于名詞，然后是形容詞、動(dòng)詞和副詞。

2.實(shí)詞TTR 分析

程序運(yùn)行結(jié)果顯示SBNC 的名詞、動(dòng)詞、形容詞和副詞的平均標(biāo)準(zhǔn)TTR 依次為0.2128、0.0709、0.0613和0.0296，JDEST 的各類實(shí)詞平均標(biāo)準(zhǔn)TTR依次為0.1889、0.0626、0.0731 和0.0275。這說(shuō)明普通英語(yǔ)各4000詞(形符)文本塊的名詞和動(dòng)詞多樣性大于科技英語(yǔ)，但其形容詞多樣性卻低于科技英語(yǔ)，副詞多樣性大體相當(dāng)。換言之，科技英語(yǔ)的某語(yǔ)篇內(nèi)名詞和動(dòng)詞重復(fù)較多，即形符數(shù)較多，類符數(shù)較少;但普通英語(yǔ)的篇內(nèi)(每4000 詞次)形容詞重復(fù)性大，0.0613 ＜0.0731。下面分析兩個(gè)語(yǔ)料庫(kù)的累積TTR 曲線，如圖2所示。

圖1 SBNC 和JDEST 實(shí)詞增長(zhǎng)曲線

圖2 SBNC 和JDEST 中各類實(shí)詞TTR 下降曲線

圖2中實(shí)線為SBNC 的TTR 曲線，虛線為JDEST 的TTR 曲線。圖2顯示SBNC 的名詞、動(dòng)詞和形容詞累積TTR 都高于JDEST。說(shuō)明隨著總詞次以每4000 詞增加，普通英語(yǔ)的名詞、動(dòng)詞和形容詞的詞匯多樣性一直高于科技英語(yǔ)。即普通英語(yǔ)的名詞、動(dòng)詞和形容詞(形符)篇際(累積語(yǔ)篇)重復(fù)性較小，科技英語(yǔ)的名詞、動(dòng)詞和形容詞的篇際重復(fù)性較大。兩者的副詞TTR 曲線大體相同。

因此可得出如下結(jié)論:普通英語(yǔ)中名詞和動(dòng)詞的篇內(nèi)和篇際重復(fù)性都小于科技英語(yǔ);但其形容詞的篇內(nèi)重復(fù)性大，篇際重復(fù)性則小于科技英語(yǔ)。

3.實(shí)詞重復(fù)分析

計(jì)算出兩個(gè)語(yǔ)料庫(kù)的累積實(shí)詞重復(fù)數(shù)后發(fā)現(xiàn)，兩個(gè)語(yǔ)料庫(kù)中的累積實(shí)詞重復(fù)數(shù)都呈類似線性的增長(zhǎng)模式。SBNC 中名詞、動(dòng)詞和副詞的累積重復(fù)數(shù)一直高于JDEST。SBNC 中名詞累積重復(fù)數(shù)在0 ～210 000 之間，動(dòng)詞累積重復(fù)數(shù)在0 ～76 000 之間，副詞累積重復(fù)數(shù)在0 ～32 000 之間。而JDEST 中的名詞、動(dòng)詞和副詞累積重復(fù)數(shù)分別在0 ～170 000、0～58 000 和0 ～26 000 之間。不同之處在于SBNC的形容詞累積重復(fù)數(shù)一直小于JDEST，兩者的最終重復(fù)數(shù)相當(dāng)。為進(jìn)一步揭示各類實(shí)詞累積重復(fù)數(shù)和其累積形符數(shù)的關(guān)系，算出了兩個(gè)語(yǔ)料庫(kù)中各類實(shí)詞的累計(jì)重復(fù)率，如圖3所示。

圖3 SBNC 和JDEST 中各實(shí)詞累積重復(fù)率

圖3顯示SBNC 語(yǔ)料庫(kù)中的名詞累積重復(fù)率最高，達(dá)到68.49%，其次是SBNC 中的形容詞累積重復(fù)率。而且在曲線末端，形容詞的累積重復(fù)率甚至超過(guò)了名詞累積重復(fù)率，為68.72%。JDEST 中形容詞累積重復(fù)率最高，達(dá)到64.69%，其次為名詞，為58.58%。在SBNC 和JDEST 兩個(gè)語(yǔ)料庫(kù)中，副詞累積重復(fù)率都位于第三位;最后是動(dòng)詞，其累積重復(fù)率最低，分別為38.49%和36.48%。進(jìn)一步觀察發(fā)現(xiàn)，SBNC 的名詞、形容詞、副詞和動(dòng)詞累積重復(fù)率都高于JDEST。

四、結(jié) 語(yǔ)

通過(guò)對(duì)SBNC 和JDEST 中的實(shí)詞對(duì)比分析，得出如下結(jié)論:(1)普通英語(yǔ)和科技英語(yǔ)的名詞、形容詞和動(dòng)詞呈類似的增長(zhǎng)態(tài)勢(shì):先是急劇增加，然后變緩。(2)普通英語(yǔ)的名詞和動(dòng)詞多樣性大于科技英語(yǔ)，但其形容詞多樣性卻低于科技英語(yǔ)。(3)普通英語(yǔ)中名詞和動(dòng)詞的篇內(nèi)重復(fù)性以及名詞、動(dòng)詞和形容詞的篇際重復(fù)性都小于科技英語(yǔ)，但其形容詞的篇內(nèi)重復(fù)性較大。(4)普通英語(yǔ)和科技英語(yǔ)中累積實(shí)詞重復(fù)數(shù)都呈類似線性的增長(zhǎng)模式。普通英語(yǔ)中名詞累積重復(fù)率最高，科技英語(yǔ)中形容詞累積重復(fù)率最高。但科技英語(yǔ)的名詞、形容詞、副詞和動(dòng)詞累積重復(fù)率都低于普通英語(yǔ)。本研究結(jié)果有利于對(duì)英語(yǔ)語(yǔ)篇、英語(yǔ)學(xué)習(xí)者的實(shí)詞詞匯量進(jìn)行評(píng)估。由于英語(yǔ)中虛詞數(shù)量十分有限，英語(yǔ)語(yǔ)篇的復(fù)雜度和多樣性主要依賴于語(yǔ)篇中的實(shí)詞詞匯量。只要能估計(jì)某語(yǔ)篇的實(shí)詞詞匯量，就可預(yù)測(cè)其詞匯多樣性。這在教材編撰及選擇不同層次水平的閱讀材料時(shí)有重要意義。

［1］BAAYEN R H.Word frequency distribution［M］.Dordrecht:Kluwer Academic Publishers，2001.

［2］BRUNET E.Le vocabulaire de Jean Giraudoux.Structure et évelution［M］.Genève:Slatkine，1978.

［3］FAN Fengxiang.Models for dynamic inter-textual type-token relationship［J］.Glottometrics，2006，12(1):1－10.

［4］FAN Fengxiang.A corpus-based study on random textual vocabulary coverage［J］.Corpus Linguistics and Linguistic Theory，2008，4(1):1－17.

［5］FAN Fengxiang.An asymptotic model for the English hapax/vocabulary ratio［J］.Computational Linguistics，2010，36(4):631－637.

［6］TULDAVA J.Methods in quantitative linguistics［M］.Trier:WVT，1995.

［7］FRANCIS W N，KUCERA H.Frequency analysis of English usage:lexicon and grammar［M］.Boston:Houghton Mifflin，1982.

［8］JOHANSSON S，HOFLAND K.Frequency analysis of English vocabulary and grammar 2 vols［M］.Oxford:Clarendon Press，1989.

［9］羅衛(wèi)華，鄧耀臣.基于BNC 語(yǔ)料庫(kù)的英語(yǔ)篇際詞匯重復(fù)模式研究［J］.外語(yǔ)教學(xué)與研究，2009(3):224－229.

［10］羅衛(wèi)華，佟大明.篇際零重復(fù)詞分布和增長(zhǎng)模式實(shí)證研究［J］.中國(guó)外語(yǔ)，2011(6):59－64.

［11］MALVERN D，BRIAN R，NGONI C，et al.Lexical diversity and language development:quantification and assessment［M］.New York:Palgrave Macmillan，2004.

［12］READ J.Assessing vocabulary［M］.Cambridge:Cambridge University Press，2000.

［13］BIBER D.Methodological issues regarding corpus-based analyses of linguistic variation［J］.Literary and Linguistic Computing，1990，5(4):261.