淺談?wù)Z料庫分類及用途

代思師 蔡容齡 吳恒

一、語料庫的定義

在語言學(xué)中，語料庫是指大量文本的集合。在語料庫語言學(xué)中，他們是主要用來進(jìn)行統(tǒng)計分析與假設(shè)檢定，在某一領(lǐng)域中，測試語言規(guī)律的出現(xiàn)或有效性。語料庫可以是某一單獨(dú)語種的文本（單語語料庫），又或者是多種語言中的文本數(shù)據(jù)。

二、語料庫的分類

1.多語種語料庫

多語種語料（Multilingual corpora）經(jīng)常經(jīng)過格式特殊處理進(jìn)行比對研究，也被稱作平行語料庫。它是由大量的平行文本（parallel text）組成。平行文本通常是幾種語言放在一起，有原文有譯文，對齊放置。較為著名的平行文本有洛布古典叢書和克萊梵語叢書。平行文本不僅僅是兩種語言的平行，有時會有多種語言集合。如圣經(jīng)研究中，關(guān)于圣經(jīng)的譯文可以有多種版本。較為著名的便是俄利根的《圣經(jīng)六國譯文合璧》，其中為舊約提供了六個版本。

在多語種語料庫中，一定要注意多語種語義的平行對齊，這是保障語言學(xué)研究的前提條件。一般情況下，雙語平行語料庫中，主要有兩種類型，翻譯語料庫（translation corpus）和對比語料庫（comparable corpus）。在翻譯語料庫中，一種語言的文本會是另外語種語言文本的翻譯。在翻譯過程中，翻譯人員可以對句子進(jìn)行拆分、合并、刪除、插入或重新排列。翻譯語料庫現(xiàn)如今廣泛運(yùn)用于機(jī)器翻譯中，機(jī)器翻譯實際屬于計算機(jī)語言學(xué)中的一類，其方法是通過某種程序?qū)⒁环N語言翻譯成另外一種語言。借助語料庫，便可以提供大量準(zhǔn)確而地道的目標(biāo)語言文本，從而使計算機(jī)可以生成更加復(fù)雜的自動翻譯，處理更復(fù)雜的語言翻譯。

在對比語料庫中，文本都是同種類型，覆蓋同種內(nèi)容，但是他們并不是互相翻譯的關(guān)系。為開發(fā)平行語料庫，有些文本需以一個短語或句子組成的語塊進(jìn)行匹配。其中，經(jīng)常會運(yùn)用由兩種語言語料庫組成的平行語塊對雙語的機(jī)器翻譯進(jìn)行訓(xùn)練。為使語料庫能夠?qū)φZ言學(xué)研究更能有用，他們通常會運(yùn)用到注釋程序，比如，對演講的部分內(nèi)容進(jìn)行注釋或是詞性標(biāo)注。

2.數(shù)圖資料庫

一些語料庫還可用于分析文本結(jié)構(gòu)水平。尤其是一些較小的語料庫，有可能全部都有解析。這些語料庫通常稱為數(shù)圖資料庫（Treebanks）或者解析語料庫（Parsed Corpora）。在語言學(xué)中，數(shù)圖資料庫就是一個文本的解析語料庫，對句法或語義結(jié)構(gòu)進(jìn)行注釋。在二十世紀(jì)九十年代初期的解析語料庫的建造使計算機(jī)語言學(xué)發(fā)生了翻天覆地的變化，使他們從大范圍經(jīng)驗數(shù)據(jù)中獲益。世界上規(guī)模最大的數(shù)圖資料庫是賓夕法尼亞大學(xué)數(shù)圖資料庫（The Penn Treebank）。自從該資料庫建立以后，數(shù)圖資料庫的運(yùn)用便顯得十分重要。雖然該類型語料庫是源于計算機(jī)語言學(xué)，但是其研究領(lǐng)域范圍已經(jīng)涉及整個語言學(xué)研究。在數(shù)圖資料庫中，會對所有文字進(jìn)行注解。

3.考古語料庫

考古語料庫（Archaeological corpora）被用作研究歷史文檔，破譯古老的文本，或運(yùn)用于宗教學(xué)領(lǐng)域研究。考古語料庫并不是新興的產(chǎn)物，在考古學(xué)中，古時候存在的大量文字語言的書籍或材料便可組成一個考古語料庫，如前文所說的羅塞塔石碑。石碑制作于公元前一九六年，原本只是一塊刻有古埃及法老托勒密五世詔書的石碑，但由于這塊石碑同時刻有同一段內(nèi)容的三種不同語言版本，使得近代的考古學(xué)家得以有機(jī)會對照各語言版本的內(nèi)容后，解讀出已經(jīng)失傳千余年的埃及象形文之意義與結(jié)構(gòu)，而是研究古埃及歷史的重要里程碑。

三、結(jié)語

對于英語學(xué)習(xí)者來講，語料庫的用途也十分廣泛?？捎糜谀繕?biāo)語言的學(xué)習(xí)，同時也可以用作外文寫作的輔助工具，通過語料庫呈現(xiàn)的權(quán)威文本來掌握目標(biāo)語言的語句形成習(xí)慣。

參考文獻(xiàn)：

[1]王克非，秦洪武.論平行語料庫在翻譯教學(xué)中的應(yīng)用[J].外語教學(xué)與研究，2015（5）.

[2]王克非.中國英漢平行語料庫的設(shè)計與研制[J].中國外語，2012（6）.