基于視頻點(diǎn)播系統(tǒng)和PatCount 的“影視語料庫”的研究與開發(fā)

吳艷霞　王瑩

摘 要：電影、電視等未經(jīng)改寫的原始材料，注重語言的原生性和學(xué)習(xí)的場景性，是練習(xí)純正地道英語的首選。但往往線性播放，作為聽說材料，不利于主題的加深及意義的構(gòu)建。本文擬利用視頻點(diǎn)播系統(tǒng)和Patcount技術(shù)，與教材單元主題同步，垂直整合電影、電視的精彩片段，開發(fā)“影視語料庫”。

關(guān)鍵詞：“影視語料庫”；視頻點(diǎn)播系統(tǒng)；PatCount

一、國內(nèi)外研究現(xiàn)狀

1.國外研究現(xiàn)狀

自20世紀(jì)60年代第一代大型機(jī)讀語料庫問世以來，語料庫已有了近50年的發(fā)展歷史。但目前國外關(guān)于“影視語料庫”的相關(guān)文獻(xiàn)還不多見，“影視語料庫”建設(shè)仍屬于一個新的研究領(lǐng)域。所以本文只能就國外語料庫在教學(xué)中的應(yīng)用進(jìn)行一個簡單的梳理，以期幫助我們了解“影視語料庫”建庫的宏觀國際背景。國外早在20世紀(jì)70年代便開始將語料庫作為一種輔助性工具應(yīng)用于語言教學(xué)，主要圍繞三個方面進(jìn)行：

（1）語言描寫，如Thompson利用語料庫調(diào)查了農(nóng)業(yè)專業(yè)博士論文的文獻(xiàn)引用和情態(tài)動詞使用情況。

（2）語言教學(xué)，如Simpson等人建立的學(xué)術(shù)英語口語語料庫Micase。

（3）學(xué)習(xí)者語料庫建設(shè)，如Granger為首建成了國際學(xué)習(xí)者英語語料庫ICLE。

從語料庫的研究內(nèi)容不難看出，語料庫已從語言描寫走向語言應(yīng)用，語料庫的建設(shè)正在從廣泛走向精深。我們擬建的 “影視語料庫”正屬于學(xué)習(xí)者語料庫。

2.國內(nèi)研究現(xiàn)狀

我國語料庫語言學(xué)研究始于20世紀(jì)80年代，我國英語學(xué)習(xí)者語料庫的建設(shè)起步不算晚，先后建成了“中國學(xué)習(xí)者英語語料庫” [1]和“中國學(xué)生英語口筆語語料庫” [2]等。這些語料庫為深入研究學(xué)習(xí)者的二語語音、詞匯、語法、語篇、語用提供了充分的依據(jù)。但這些語料庫均以中國學(xué)生的口語、書面語或外國學(xué)生的書面語作為語料，并不能直接用于聽說學(xué)習(xí)。目前，直接用于聽說學(xué)習(xí)的語料庫很少有人問津，是個亟待開發(fā)的領(lǐng)域。

基于以上研究，本文擬構(gòu)建“影視語料庫”，以達(dá)到聽、說、訓(xùn)練的最佳效果。

二、“影視語料庫”的研究框架

“影視語料庫”的研究內(nèi)容包括 “影視視頻語料庫”的建立和檢索與“影視文本語料庫”的建立和檢索。研究框架如圖1所示。

三、研究方法

“影視語料庫”主要包括語料庫的建立和檢索兩個方面，檢索工具是重點(diǎn)。語料庫建好后，利用價(jià)值的大小取決于檢索工具的使用。所以本文重在介紹兩種檢索工具在語料庫中的應(yīng)用。

1.視頻點(diǎn)播系統(tǒng)

“影視視頻語料庫”的檢索將基于美萍VOD視頻點(diǎn)播系統(tǒng)8.4標(biāo)準(zhǔn)版。VOD系統(tǒng)由編碼器、服務(wù)器、終端播放器三大部分組成。三大部分分工協(xié)作，共同完成語料的加載和點(diǎn)播。

（1）編碼器： 由一臺普通計(jì)算機(jī)、一塊流媒體采集卡和流媒體編碼軟件組成。流媒體采集卡負(fù)責(zé)將音視頻信息源輸入計(jì)算機(jī)；編碼軟件負(fù)責(zé)將流媒體采集卡傳送過來的音視頻信號壓縮成流媒體格式，使其成為可供服務(wù)器發(fā)布的流式文件。

（2）服務(wù)器： 由VOD視頻服務(wù)器和一臺硬件服務(wù)器組成。這部分負(fù)責(zé)增

加、刪除、修改、分發(fā)編碼器傳上來的流媒體節(jié)目。

（3）終端播放器：這部分由一臺普通PC和播放器組成，可以實(shí)現(xiàn)在線查找、瀏覽、點(diǎn)播、下載以及評論音視頻語料等功能。我們將安裝的播放器為QQ影音或KMPlayer，這兩款播放器可以有效進(jìn)行字幕顯示、隱藏以及字幕語言切換，并且具有開始、停止、暫停和隨機(jī)播放等功能。

2.PatCount

文本分析工具PatCount的核心程序用Perl語言匯編而成，全面支持正則表達(dá)式。圖2為PatCount的主界面。

PatCount的主界面分為上下兩個窗口，上部窗口用于讀入模式文件。模式文件分兩類：一類是本義字符串，如sharply， lead to， at the same time等。另一類為正則表達(dá)式，如 “＼S+_PPH1＼s＼S+_VB＼w*＼s＼S+_J＼w+＼s＼S+_CSW＼s”，表達(dá)的是 “it + BE + adj + whether”結(jié)構(gòu)。PatCount的使用步驟如下：

第一，用正則表達(dá)式編寫工具PatternBuilder編寫正則表達(dá)式，并保存為模式文件。

第二，在PatCount上部窗口加入需要的模式文件，并添加需要分析的語料，點(diǎn)擊運(yùn)行，下部窗口出現(xiàn)分析結(jié)果。

第三，將分析結(jié)果存為Excel文件，導(dǎo)入SPSS統(tǒng)計(jì)軟件，進(jìn)行卡方檢驗(yàn)。

四、結(jié)論

研究還有很多不足之處：本文擬構(gòu)建的“影視語料庫”規(guī)模有限；“影視語料庫”的層次性還不夠明顯；還不能實(shí)現(xiàn)人機(jī)互動，這些都是筆者今后努力的方向。

參考文獻(xiàn)：

楊惠中，桂詩春.中國學(xué)習(xí)者英語語料庫.上海：上海外語教育出版社，2003.

文秋芳，王立非，梁茂成.中國學(xué)生英語口筆語語料庫.北京：外語教學(xué)與研究出版社，2009.endprint