數(shù)據(jù)庫在語言學(xué)研究中的應(yīng)用

摘 要：語料在語言研究中起著非常重要的作用，隨著計(jì)算機(jī)技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)庫在語言學(xué)研究中得到了廣泛的應(yīng)用，并表現(xiàn)出對(duì)語料進(jìn)行收集、加工、處理的強(qiáng)大優(yōu)勢(shì)。將大量的、真實(shí)使用下的語言信息經(jīng)過科學(xué)的收集和組織而集成的專供研究使用的語料庫已成為語言學(xué)家進(jìn)行學(xué)術(shù)研究的重要工具。

關(guān)鍵詞：數(shù)據(jù)庫 語言學(xué) 語料庫

一、引言

語言學(xué)是一門既古老又年輕的學(xué)科，語言學(xué)的研究不只是理論和分析方法的創(chuàng)新。現(xiàn)代科學(xué)表明，研究方法和操作手段的更新往往成為理論發(fā)展的契機(jī)。語言學(xué)的研究需要收集、加工、處理語料，并強(qiáng)調(diào)語料的真實(shí)性和客觀性。語言學(xué)研究的學(xué)者都能感受到語料處理方式和手段的重要性。

語言學(xué)研究者面對(duì)大規(guī)模的文本語料，要從這些語料中發(fā)掘新的語言規(guī)則或需要的信息，首要任務(wù)就是對(duì)大規(guī)模真實(shí)的文本語料進(jìn)行加工、篩選。采用手工的處理方法對(duì)海量語料數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分類、分析等操作，工作效率會(huì)非常低，而且勞動(dòng)強(qiáng)度非常大。這也促使處理語言材料的工作方法和操作手段發(fā)生變化。數(shù)據(jù)庫技術(shù)是一門數(shù)據(jù)管理自動(dòng)化的綜合性技術(shù)，數(shù)據(jù)庫是組織、存儲(chǔ)和管理數(shù)據(jù)的倉庫。隨著計(jì)算機(jī)技術(shù)的廣泛應(yīng)用和網(wǎng)絡(luò)的普及，數(shù)據(jù)庫在生產(chǎn)、生活、科技領(lǐng)域得到了廣泛地應(yīng)用和推廣，在語言學(xué)研究中也表現(xiàn)出了強(qiáng)大的優(yōu)勢(shì)，已成為語言學(xué)家的重要工具[1]。

二、數(shù)據(jù)庫與語言學(xué)

數(shù)據(jù)庫，顧名思義，就是存放數(shù)據(jù)的倉庫。只不過這個(gè)倉庫是在計(jì)算機(jī)存儲(chǔ)設(shè)備上按一定的格式存放的，具有強(qiáng)大的數(shù)據(jù)組織、數(shù)據(jù)處理和數(shù)據(jù)管理能力。語言學(xué)研究的語料具有規(guī)模大、類型多、異構(gòu)性、零散性等特點(diǎn)，使用數(shù)據(jù)庫管理可以提高語言學(xué)研究者的工作效率。要想高效地使用數(shù)據(jù)庫來存儲(chǔ)、管理各種語言材料，語料庫設(shè)計(jì)的首要任務(wù)就是對(duì)語言材料數(shù)據(jù)進(jìn)行合理地定義，建立便于對(duì)數(shù)據(jù)進(jìn)行加工、處理的語言材料數(shù)據(jù)庫。數(shù)據(jù)在數(shù)據(jù)庫中的定義包括定義數(shù)據(jù)存儲(chǔ)的格式、數(shù)據(jù)的存儲(chǔ)類型和數(shù)據(jù)之間關(guān)聯(lián)關(guān)系。數(shù)據(jù)的定義是數(shù)據(jù)庫使用的關(guān)鍵，好的定義可以方便用戶對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、檢索和處理。數(shù)據(jù)庫管理系統(tǒng)具有強(qiáng)大的數(shù)據(jù)定義功能，為語言學(xué)研究者提供使用數(shù)據(jù)庫的可能。

數(shù)據(jù)庫在語言學(xué)中的應(yīng)用主要體現(xiàn)在對(duì)語言材料的加工和處理方面。數(shù)據(jù)庫強(qiáng)大的數(shù)據(jù)定義功能為語言材料的存儲(chǔ)提供了可能，更重要的是語言學(xué)研究者可以通過定義的語言材料對(duì)海量的語料進(jìn)行加工和處理。數(shù)據(jù)庫有強(qiáng)大的數(shù)據(jù)處理功能，語言學(xué)研究者可以通過多種操作方法獲取語言材料信息，如篩選語料、語料排序、語料分類、語料統(tǒng)計(jì)和語料的更新等。譬如，何樂士的《<左傳>虛詞研究》中的文章大都寫于二十世紀(jì)六十年代[2]，當(dāng)時(shí)主要靠手抄卡片積累資料、分析統(tǒng)計(jì)，這些工作何先生需要花費(fèi)大量的時(shí)間和精力，幾天甚至十幾天才能獲得結(jié)果，而現(xiàn)在研究者大都使用數(shù)據(jù)庫或語料庫，輸入檢索內(nèi)容瞬間就能準(zhǔn)確無誤地得到結(jié)果。這也是數(shù)據(jù)庫的最大益處，省時(shí)省力。

目前，隨著計(jì)算機(jī)網(wǎng)絡(luò)的普及和各種語言材料數(shù)據(jù)庫的建設(shè)，使語言學(xué)研究者最大限度地占有語言資料成為了可能，充分體現(xiàn)了數(shù)據(jù)庫的資源共享性。語言學(xué)研究也有不同的研究目標(biāo)和語料需求，要想使數(shù)據(jù)庫能夠滿足不同的主題需求，需要建立更加廣泛的數(shù)據(jù)資源庫。當(dāng)然，語言材料的來源不同，類型不同，要讓這些異構(gòu)異質(zhì)資源進(jìn)行合理定義集成。語言學(xué)的研究需要現(xiàn)有的語言學(xué)研究成果，語言材料的數(shù)據(jù)庫可以保證語言材料的可靠性，同時(shí)也可以滿足語言學(xué)不斷發(fā)展更新的需要，這也是數(shù)據(jù)庫本身的特征。

隨著計(jì)算機(jī)的發(fā)展，數(shù)據(jù)庫在語言學(xué)中得到了廣泛的應(yīng)用，已成為語言學(xué)家的重要工具。利用數(shù)據(jù)庫技術(shù)使其具有結(jié)構(gòu)化、關(guān)系化、集成、穩(wěn)定等特點(diǎn)，建立語言材料的數(shù)據(jù)倉庫——語料庫。語料庫（Corpus）就是存放原始語言材料的數(shù)據(jù)倉庫，就是一個(gè)由大量在真實(shí)情況下使用的語言信息經(jīng)過科學(xué)的收集和組織而集成的專供研究使用的資料庫。近年來計(jì)算機(jī)技術(shù)的發(fā)展，相關(guān)研究者和組織建立了廣泛的語料庫。

三、語料庫語言學(xué)

語料庫的設(shè)計(jì)需要大量真實(shí)語料的不斷搜集、積累。所謂的語料庫（corpus），就是存放大量事實(shí)語料的倉庫。但嚴(yán)格定義的語料庫，僅指“由大量收集的書面語或口語構(gòu)成，并通過計(jì)算機(jī)儲(chǔ)存和處理，用于語言學(xué)研究的文本庫”。[3]語言學(xué)研究者在語料庫的基礎(chǔ)上開展語言學(xué)研究。

“語料庫語言學(xué)”反映兩個(gè)層次的含義：一是語言學(xué)研究的一個(gè)新的手段，即利用語料庫對(duì)語言學(xué)的某個(gè)方面進(jìn)行研究；二是語料庫反映出來的語言學(xué)的新觀點(diǎn)和新理論，相當(dāng)于語言學(xué)的一個(gè)分支，如社會(huì)語言學(xué)、語用學(xué)等學(xué)科。從現(xiàn)有文獻(xiàn)資料看，大都將其作為語言學(xué)利用語料進(jìn)行科學(xué)研究的一種新的手段。

（一）語料庫的作用和發(fā)展

語料庫是按照一定的語言學(xué)原則，對(duì)語言文本信息進(jìn)行收集、加工、處理以電子計(jì)算機(jī)為載體承載語言知識(shí)的基礎(chǔ)資源庫。

傳統(tǒng)的語言學(xué)研究是通過手工方法獲取語言材料，任何語言學(xué)研究者都不可能記憶和處理全部語言數(shù)據(jù)。建立語料庫后，可以快速地從浩如煙海的語言資料庫中獲取準(zhǔn)確的信息。語料庫最直接的用途就是為編纂字典提供大量真實(shí)準(zhǔn)確的例句，例如，根據(jù)COBUILD語料庫編寫的詞典就有7種。除此之外，Leech（1993）還列舉了語料庫進(jìn)行語言理論研究、語法研究、語義研究、語篇分析研究等十幾種用途[4]。說明了語料庫中的語料對(duì)語言學(xué)研究領(lǐng)域的重要性以及語料庫對(duì)語言學(xué)研究領(lǐng)域的促進(jìn)作用。

20世紀(jì)90年代以來，語料庫的建設(shè)和研究迅速發(fā)展，規(guī)模從百萬字發(fā)展到千萬字、億萬字，語料加工的深度發(fā)展到篇章級(jí)，實(shí)現(xiàn)了語料庫的定量分析、機(jī)器翻譯、詞典編纂等。如英國(guó)的COBUILD語料庫，在該語料庫基礎(chǔ)上出版了語法、詞典、英語教材二十多種。[5-6]漢語語料庫的起步較晚，如北京語言文化大學(xué)的“現(xiàn)代漢語語法研究語料庫”、北京大學(xué)CCL語料庫和北語中介語語料庫等。

（二）基于語料庫的語言學(xué)研究endprint

語料庫已經(jīng)成為語言學(xué)家研究語言學(xué)的強(qiáng)有力工具，基于語料庫的語言學(xué)研究具有以下特點(diǎn)：

（1）語料的真實(shí)性：學(xué)習(xí)者語料庫中的全部材料都是通過隨機(jī)采樣所收集的學(xué)生實(shí)際作文，是真實(shí)的語言運(yùn)用。通過對(duì)學(xué)習(xí)者中間語的分析得出的結(jié)論都是有根有據(jù)的，是從實(shí)際出發(fā)的。我國(guó)的英語教學(xué)成績(jī)很大，但問題也不少，只有通過對(duì)教學(xué)現(xiàn)狀的科學(xué)分析、深入研究，才可能提出有針對(duì)性的、切合實(shí)際的改進(jìn)方案，收到實(shí)際效果，避免無的放矢，避免無謂的爭(zhēng)論。

（2）定量分析：基于語料庫的研究，一個(gè)顯著的特點(diǎn)就是數(shù)據(jù)驅(qū)動(dòng)。計(jì)算機(jī)的存儲(chǔ)和語言處理能力為觀察語言包括學(xué)習(xí)者提供了以前難以想象的強(qiáng)有力手段，定量分析使描寫具有客觀性，通過統(tǒng)計(jì)推斷也可以避免判斷的主觀性。數(shù)據(jù)驅(qū)動(dòng)的定量分析使我們有可能看到以前憑直覺無法發(fā)現(xiàn)的問題。這些統(tǒng)計(jì)數(shù)據(jù)使我們有可能從量化的角度來探討中國(guó)學(xué)生英語學(xué)習(xí)的特點(diǎn)。當(dāng)然定量分析還必須輔以定性分析，才能為怎樣學(xué)好英語提出切合實(shí)際的解決辦法。

（3）群體分析：通過數(shù)據(jù)驅(qū)動(dòng)的定量分析，我們還可以發(fā)現(xiàn)，有些言語失誤是個(gè)別學(xué)生語言運(yùn)用中的問題，是個(gè)體行為。有些言語失誤則帶有普遍性，是中國(guó)的英語學(xué)習(xí)者中普遍存在的現(xiàn)象，這就促使我們不得不認(rèn)真研究其發(fā)生的原因。是因?yàn)槟刚Z遷移？還是由于過度概括？或者是出于教材或教學(xué)中的疏漏？只有找到了原因，才能找到改進(jìn)教學(xué)的方法，提高教學(xué)質(zhì)量。

（4）縱向分析：學(xué)習(xí)者語料庫中收集了各個(gè)層次學(xué)生的語言產(chǎn)出，他們處于不同的學(xué)習(xí)階段，有的是初學(xué)者，有的已經(jīng)到了學(xué)習(xí)的較高級(jí)階段，這樣就使我們有可能對(duì)英語學(xué)習(xí)的發(fā)展過程進(jìn)行縱向分析，看看哪些是初學(xué)者容易出現(xiàn)的言語失誤，哪些言語失誤到高級(jí)階段就很少出現(xiàn)，而另一類言語失誤的出現(xiàn)頻率卻又增加了，從而發(fā)現(xiàn)學(xué)習(xí)者中間語發(fā)展的規(guī)律。

（5）對(duì)比分析：所謂言語失誤是指中間語中不合目標(biāo)語規(guī)范的地方。有了學(xué)習(xí)者語料庫，我們可以采用定量分析的方法，通過把學(xué)習(xí)者語料庫與本族語者語料庫進(jìn)行對(duì)比分析，不但能夠找出那些不合規(guī)范的地方，而且可以找出哪些語言現(xiàn)象過度使用（即超用）了，哪些現(xiàn)象又過少使用（即少用）了，這些都是憑經(jīng)驗(yàn)和直覺很難發(fā)現(xiàn)的。

語料庫為語言學(xué)研究者提供真實(shí)的語料、統(tǒng)計(jì)數(shù)據(jù)、現(xiàn)行理論的驗(yàn)證和構(gòu)建新的研究理論，為語言學(xué)研究從高度抽象轉(zhuǎn)向語言實(shí)際應(yīng)用起到了非常重要的支持作用。

四、結(jié)束語

語言學(xué)的研究必須以語言事實(shí)為依據(jù)，詳盡地、大量地占有語言資料。數(shù)據(jù)庫的出現(xiàn)使得語言材料的收集、整理和加工從枯燥無味、費(fèi)時(shí)費(fèi)力的手工勞動(dòng)中解脫出來，語料庫已成為語言學(xué)研究者的重要工具。近年來，語料庫已經(jīng)逐漸從語言學(xué)研究的輔助工具逐漸演變?yōu)橐婚T多角度分析語言現(xiàn)象的一個(gè)學(xué)科。這也反映了語言學(xué)研究領(lǐng)域的思想觀念的更新和趨于科學(xué)性的發(fā)展趨勢(shì)。[7]語料庫的使用已逐步滲透到語言研究的各個(gè)領(lǐng)域，已成為自然語言研究者、詞典編纂者和語言學(xué)研究者必不可少的研究工具。

[本文為洛陽理工學(xué)院青年基金資助項(xiàng)目（2011QR02）。]

注釋：

[1]江獲：《數(shù)據(jù)庫是語言學(xué)家的重要工具》，中國(guó)社會(huì)科學(xué)院院報(bào)，2004年，第6期。.

[2]黎路遐：《從語言學(xué)的角度談數(shù)據(jù)庫在學(xué)術(shù)研究中的應(yīng)用》，云夢(mèng)學(xué)刊，2008年，第3期。

[3]馬納琴：《語料庫語言學(xué)在語言研究中的作用》，甘肅聯(lián)合大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2007年，第23期。

[4]李文翔等：《基于內(nèi)容主題的語料庫系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)》，計(jì)算機(jī)應(yīng)用研究，2004年，第21期。

[5]穆曉莉，尹轉(zhuǎn)云：《語料庫在語言研究方面的應(yīng)用綜述》，西安外國(guó)語學(xué)院學(xué)報(bào)，2001年，第9期。

[6]高鳳英：《語料庫語言學(xué)在詞匯和話語研究中的運(yùn)用》，山西大同大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2010年，第24期。

[7]賈雯：《國(guó)內(nèi)語料庫庫語言學(xué)研究述評(píng)》，阜陽師范學(xué)院學(xué)報(bào)，2006年，第5期。

（常國(guó)萍 河南省洛陽理工學(xué)院中文系 471023）endprint