基于NLB檢索系統(tǒng)詞語搭配統(tǒng)計值的日語近義詞詞典編纂構(gòu)想

劉艷偉 劉玉琴

（大連理工大學 軟件學院，遼寧 大連 116624）

基于NLB檢索系統(tǒng)詞語搭配統(tǒng)計值的日語近義詞詞典編纂構(gòu)想

劉艷偉 劉玉琴1

（大連理工大學 軟件學院，遼寧 大連 116624）

日語近義詞詞典作為日語學習者重要的參考工具書,若不能提供豐富、詳盡、科學的近義詞辨析信息，很可能導致誤用，阻礙學習。語料庫提供大量的真實語料，基于語料庫的詞語搭配，對近義詞進行辨析，使近義詞研究更具科學性和有效性。NLB檢索系統(tǒng)是日本國立國語研究所和Lago語言研究所共同開發(fā)的日語在線檢索系統(tǒng)，檢索數(shù)據(jù)源于「現(xiàn)代日本語書き言葉均衡コーパス」語料庫。NLB自動呈現(xiàn)節(jié)點詞與搭配詞的共現(xiàn)頻數(shù)、MI值和LD值。本文基于NLB檢索系統(tǒng)，以近義詞「文句」和「苦情」為例，從詞配角度區(qū)分二者的異同，探討日語近義詞詞典編纂的新方法。

NLB檢索系統(tǒng)；詞語搭配；共現(xiàn)頻數(shù)；MI值；LD值

一、引言

近義詞（synonym），在很多研究中也被譯為“同義詞”。Lyons（1981:50）定義并確立了同義詞的分類標準，同時也指出了近義詞的概念：意義上相近但不相同的詞。本文中的近義詞將沿用Lyons的概念。

日語近義詞的大量存在使近義詞辨析成為日語學習中不容忽視的領(lǐng)域。任培紅（2008:57）指出：“傳統(tǒng)的近義詞辨析方法，是在教學中給出定義和描述，輔之以少量例句。教師和學習者往往依賴詞典，或通過內(nèi)省和憑經(jīng)驗進行定性分析，以比較近義詞之間的差異?！比照Z近義詞詞典作為日語學習者重要的參考工具書，應該提供豐富詳盡的近義詞辨析信息。筆者選取一組常用的近義詞「文句」和「苦情」，考察了近義詞詞典對其用法的解釋，發(fā)現(xiàn)結(jié)果并不盡如人意。

語料庫問世前的研究，缺乏足夠的自然數(shù)據(jù)，缺乏科學性和有效性。語料庫提供大量的真實語料,國內(nèi)外學者運用語料庫的方法對近義詞進行了研究，具有代表性的歐美學者有Biber等（2000）、Kennedy（1998）、Thomas & Short（2001）；日本學者有田野村忠溫（1994）、大曾美惠子（2002）、野田春美（2004）、杉本武（2009）；國內(nèi)運用語料庫方法從事英語近義詞研究的有張繼東、劉萍（2005）、任培紅（2008）、王春艷（2009）、陸軍（2010）等，從事日語近義詞研究的有毛文偉（2002）、王華偉、曹亞輝（2012）等。其中，有些研究并沒有科學的統(tǒng)計方法，缺乏科學理論依據(jù)。有的研究雖然采用了科學的統(tǒng)計方法，但由于統(tǒng)計過程完全靠人工進行，需要語言學者必須掌握統(tǒng)計學知識，也會耗費大量的精力。

張繼東、劉萍（2005）提出了基于語料庫進行同義詞辨析的三種方法，即同義詞在不同語域中詞頻分布差異；搭配詞的計算與同義詞的辨析；語義韻、類聯(lián)結(jié)與同義詞的辨析。其中搭配詞的計算與同義詞的辨析方法就是以節(jié)點詞的跨距為參照,統(tǒng)計同義詞的顯著搭配詞,并計算同義詞與其搭配詞相互信息值(MI值)以及Z值（或T值）。

朱文慧、馬立東（2010）將基于語料庫的近義詞辨析的方法歸為四種：近義詞的詞匯搭配，近義詞的語義韻，近義詞的類連接以及近義詞的語域分布的異同。嘗試將語料庫中檢索到的近義詞的搭配詞及語義韻特點等信息整合到英漢學習型詞典的近義詞辨析欄中,從而實現(xiàn)英漢學習型詞典中近義詞辨析欄的優(yōu)化設(shè)置。這開辟了基于語料庫編纂近義詞詞典的科學新理念。但只是宏觀提出了劃分方法，關(guān)于詞配研究的相關(guān)統(tǒng)計值、統(tǒng)計方法和顯著搭配的例句等都沒有涉及。

本文借鑒以上張繼東、劉萍（2005）、朱文慧、馬立東（2010）提出的通過詞語搭配進行同義詞辨析的方法，以近義詞「文句」和「苦情」為例，在綜合現(xiàn)有日語近義詞詞典的基礎(chǔ)上，結(jié)合NLB檢索系統(tǒng)提供的詞語搭配值（MI值和LD值），來區(qū)分日語近義詞異同，提出基于NLB檢索系統(tǒng)詞語搭配統(tǒng)計值，編纂日語近義詞詞典的新方法。

二、NLB檢索系統(tǒng)及其提供的詞語搭配統(tǒng)計值

NLB為NINJAL-LWP for BCCWJ的簡稱。日本國立國語研究所構(gòu)建的「現(xiàn)代日本語書き言葉均衡コーパス」已經(jīng)廣為中國日語研究者所知。正是為了方便「現(xiàn)代日本語書き言葉均衡コーパス」的檢索，日本國立國語研究所和Lago語言研究所共同開發(fā)了在線檢索系統(tǒng)NLB。該系統(tǒng)于2013年6月25日公開，容量共計約1.05億詞。NLB最大的特征是能系統(tǒng)地展示各詞匯與節(jié)點詞之間的共起關(guān)系。網(wǎng)址為：http:// nlb.ninjal.ac.jp/。所使用的解析器和詞典為：形態(tài)素解析器 MeCab0.99+IPA，詞典2.7.0，系受關(guān)系解析器CaboCha0.64。

詞語搭配指詞與詞的結(jié)伴，是一種高度因循性的詞語組合，是詞語間的典型共現(xiàn)行為（鄧耀臣，2003）。在外語學習中，掌握和使用典型的詞語搭配是學習本族語者的無標記語言的重要內(nèi)容之一（鄧耀臣，2003）。語料庫證據(jù)表明，每一個詞項都有其獨特的搭配行為，同義詞也不例外，它們一般只在概念意義上相同或接近，但在搭配詞選擇上并不能隨意替換（陸軍，2010）。國內(nèi)關(guān)于詞語搭配中共現(xiàn)詞顯著性的測量方法通常使用MI值和T值兩種。這兩種方法都是通過比較共現(xiàn)詞的觀察頻數(shù)（observed frequency）和期望頻數(shù)（expected frequency）的差異來確定搭配序列在語料庫中出現(xiàn)概率的顯著程度（鄧耀臣，2003）。

（一）MI值的統(tǒng)計測量

MI值（Mutual Information Score 互信息值）表示的是互相共現(xiàn)的兩個詞中，一個詞對另一個詞的影響程度，或者說一個詞在語料庫中出現(xiàn)的頻數(shù)所能提供的關(guān)于另一個詞出現(xiàn)的概率信息。MI值越大，說明節(jié)點詞對其詞匯環(huán)境影響越大，對其共現(xiàn)詞吸引力越強。因此，MI值表示的是詞語間的搭配強度。

MI=log2（共現(xiàn)的實際頻數(shù)×語料庫總詞數(shù)/節(jié)點詞頻數(shù)×搭配詞頻數(shù)）（王華偉 曹亞輝，2012）

基于語料庫的詞語搭配研究中通常把MI值≥3的詞作為顯著搭配詞（Church等，1991）。

（二）T值的統(tǒng)計測量

T值表示的是節(jié)點詞與搭配詞相互預見或相互吸引的程度。T值達到一定程度，搭配詞即可被視為顯著搭配詞，它與節(jié)點詞組成的序列則是顯著搭配。衛(wèi)乃興（2002:107）指出：“研究者一般將T值≥2的認定為顯著值，因為用該值基本上可將偶然搭配詞過濾掉，獲得全部有意義的搭配?！?/p>

（三）LD值的統(tǒng)計測量

NLB檢索系統(tǒng)采用的是MI值和LD值的統(tǒng)計測量。中條、內(nèi)山（2004）對9種統(tǒng)計值準確度比較后得知，D值是有用度和準確度都很高的指標。D值常用來統(tǒng)計處理詞語搭配，它的計算不需要語料庫的總詞量，只通過節(jié)點詞頻數(shù)和共起詞頻數(shù)二者的關(guān)系來計算詞語搭配的強度。

但是因為D值很小，常常是0.0xx，所以Rychly（2008）提出用LD值代替D值。LD即LogDice，是將D值對數(shù)化的結(jié)果。

LD的最大值是14，通常情況下小于10。LD值越大，搭配強度越大。本文將LD值≥3的搭配視為顯著搭配。

三、日語詞典中對「文句」和「苦情」的釋義

「文句」和「苦情」都有“牢騷、抱怨、不滿”之意，在表示該意義時為近義詞。本文將二者進行比較，目的在于說明NLB檢索系統(tǒng)提供的MI值和LD值在區(qū)分日語近義詞時起到的重要作用，提出基于NLB檢索系統(tǒng)編纂日語近義詞詞典的新方法?！肝木洹购汀缚嗲椤故莾蓚€常用的名詞，在句中可以充當主語或賓語成分。詞典中對二者表示“牢騷、抱怨、不滿”之意時的解釋為：

表1 詞典中對「文句」和「苦情」的釋義①

詞典雖然列舉了一些搭配和例句, 但單憑這些脫離上下文和真實語境的例子很難使學習者真正掌握二者微妙的差異和恰當?shù)挠梅?。根?jù)以上解釋，日語學習者很容易做出如此判斷：「文句」是單純地向?qū)Ψ奖硎静粷M，而「苦情」則是因為自己的利益受到了損害而不滿。由于例句過短、過少，使學習者無法更多地把握該詞的使用語境，很有可能造成誤用。再有， 例句中出現(xiàn)的搭配詞語是否為顯著搭配不得而知?！缎旅鹘鈬Z詞典》中給出的「苦情を取り扱う」，這種搭配本身雖然沒有問題，但它的顯著程度還需要科學的驗證。

『使い方の分かる類語例解辭典』⑤（以下簡稱為《類語辭典》）把「文句」和「苦情」作為一對近義詞進行了辨析：

相同意義：對蒙受的傷害、妨礙等表示的不滿、不平或憤怒。

區(qū)別：（一）「苦情」是因為外界給自己帶來了妨礙、困擾或因購買的商品存在問題而提出的不滿，是比較正式的表達方式。（二）「文句」可用于挑刺兒、找茬兒等沒有正當理由的不滿。

《類語辭典》同樣存在以上三部詞典的問題：例句過短過少；搭配詞語是否為顯著搭配有待驗證。除此之外，《大》、《新》、《明》三部詞典將“蒙受外界的損害”只作為「苦情」的前提，關(guān)于「文句」的釋義中是沒有這個前提的，因此日語學習者很有可能將這一前提作為「文句」和「苦情」的區(qū)別。而《類語辭典》卻將這一前提作為二者的共同之處，詞典之間的矛盾使日語學習者感到迷茫，手足無措。

四、基于NLB檢索系統(tǒng)的考察

在NLB檢索系統(tǒng)中輸入節(jié)點詞「文句」和「苦情」，系統(tǒng)顯示出「現(xiàn)代日本語書き言葉均衡コーパス」中所包含的節(jié)點詞「文句」的頻數(shù)為2,490，節(jié)點詞「苦情」的頻數(shù)為2,376，不符合義項要求的部分將在考察時排除。NLB檢索系統(tǒng)將節(jié)點詞的所有用法都進行了歸類，如「節(jié)點詞＋助詞＋動詞」「動詞＋節(jié)點詞」「節(jié)點詞＋助詞＋形容詞」「節(jié)點詞＋助詞」等。本文基于NLB檢索系統(tǒng)提供的頻數(shù)、MI值和LD值，以近義詞「文句」和「苦情」為例，從詞配角度區(qū)分二者的異同，探討編纂日語近義詞詞典的新方法。

首先將節(jié)點詞「文句」和「苦情」后續(xù)「を＋動詞」用法中共現(xiàn)頻數(shù)最多的前10個搭配詞及其MI值和LD值進行匯總，形成表2。

點擊語料庫中的共現(xiàn)詞，可以查看語料庫中包含該共現(xiàn)詞的例句。筆者經(jīng)過逐一檢驗之后，排除以下類型檢索結(jié)果。

（1）「文句を唱える」類型。這里的「文句」應該是“詞句、話語”之意，不符合義項要求。

（2）后續(xù)動詞為非實意動詞的類型，（表2中標記*之處）例如：

★文句を～～いる

◆お父さんは黙っている。お母さんはどんどん続けてお父さんに文句を言っている。でも、お父さんの聲は聞えない。/父親沉默不語。媽媽一個勁兒地發(fā)著牢騷?？墒牵瑓s聽不到父親的聲音。

★文句を～～くる

◆どうにか家までたどり著いたと思ったら、今度は料金に文句をつけてきた。/想著這下可算到家了，可是又對費用問題挑起刺兒來。

表2 節(jié)點詞「文句」和「苦情」后續(xù)「を＋動詞」時共現(xiàn)頻數(shù)最多的前10個搭配詞⑥

★文句を～～てる

◆新婚旅行のお土産を配った同僚に「これっくらいの土産じゃね…」と面と向かって文句を言ってた。/一個同事剛分完自己新婚旅行的禮物，就有人當面牢騷道：“就這種禮物啊……”。

「苦情を～～いる」和「苦情を～～くる」屬于同一類型，在此省略例句，這類用法也不屬于本文考察范圍，篩選時將其排除。

從表2的搭配情況來看，「文句」和「苦情」后面存在相同的共現(xiàn)動詞「言う」。動詞「つける」「言える」「始める」等只與「文句」共現(xiàn)，而「申し立てる」「見る」「受け付ける」等只與「苦情」共現(xiàn)。從共現(xiàn)頻數(shù)來看，與兩詞共現(xiàn)頻數(shù)最高的都是「言う」，分別為680次和106次，前者約等于后者的6倍，可見「文句を言う」比「苦情を言う」的使用頻率高。

然而，搭配詞共現(xiàn)頻數(shù)高并不意味著是顯著搭配，還需要分析MI值和LD值的情況。MI值≥3，LD值≥3的詞即可視為顯著搭配詞。MI值和LD值越大，說明節(jié)點詞對其詞匯環(huán)境影響越大，對其共現(xiàn)詞吸引力越強。

表2中節(jié)點詞「文句」后續(xù)「を言う」頻數(shù)為680，排在第一位，MI值為7.95，LD值為6.35，遠大于3，所以，「を言う」為「文句」的顯著搭配。而節(jié)點詞「苦情」后續(xù)「を見る」的頻數(shù)為17，雖然排在第3位，但由于其MI值為5.50，LD值為2.03，LD值小于3，所以不視為顯著搭配。

五、基于詞語搭配統(tǒng)計值的近義詞詞典編纂思路

使用以上方法，分別匯總「文句」和「苦情」所有用法中的顯著搭配，再將其分條對照地編入詞典，并篩選出語料庫中有代表性的句子作為例句。擬編寫近義詞詞典樣例，參見表3。篇幅原因，表3中只列出「文句」和「苦情」后續(xù)「を＋動詞」的用法。詞典采取左右對照的形式，相同用法在同一行左右對照出現(xiàn)，使兩詞區(qū)別一目了然。

從表3的樣例可以清楚的比較兩個近義詞的區(qū)別。第一，在后續(xù)「を＋動詞」的用法中，與「文句」顯著搭配的動詞只有「言う」和「つける」兩個，而與「苦情」顯著搭配的動詞有「言う」「申し立てる」「受け付ける」和「受ける」。第二，「言う」與兩個詞都是顯著搭配，表達的意義卻不同。通過詞典樣例可知，「文句」是一方帶有情緒地埋怨另一方，而「苦情」是對自己蒙受的損失、不利或遭到的不愉快提出申訴，多用于公眾發(fā)出的不滿或個人對公家的不滿，而親人、朋友之間的不滿則用「文句」。

六、結(jié)語

NLB檢索系統(tǒng)自動呈現(xiàn)頻數(shù)、MI值和LD值，省去了日語研究者自己統(tǒng)計的過程，彌補了研究者統(tǒng)計學知識的匱乏，打破了語言學與統(tǒng)計學之間的界限。根據(jù)頻數(shù)、MI值和LD值,能夠科學準確地判斷詞語搭配強度等相關(guān)信息，掌握節(jié)點詞的常用用法，便于區(qū)分近義詞的異同。

另外，NLB檢索系統(tǒng)中的語料為廣大日語學者非常熟悉的「現(xiàn)代日本語書き言葉均衡コーパス」語料庫語料，它呈現(xiàn)的是原汁原味的真實語料,把這些日常生活中經(jīng)常用到的日語經(jīng)過篩選之后編入詞典，會幫助日語學習者在不同語境中了解近義詞的各自用法，方便對近義詞做出辨析，有助于區(qū)分近義詞，避免誤用，加快正確掌握目的語的進程。

注釋：

① 本文日文例句部分為筆者譯。

② 參見：松村明.2006.大辭林 第二版[Z].東京：三省堂.

③ 參見：金田一京助.1999.新明解國語辭典 第五版[Z].東京：三省堂.

④ 參見：北原保雄.2002.明鏡國語辭典 第一版[Z].東京：大修館書店.

⑤ 參見：遠藤織枝等.2003.使い方の分かる類語例解辭典 新裝版[Z].東京：小學館.

⑥ 「文句」節(jié)點詞頻數(shù)：1,070，搭配動詞數(shù)量：88；「苦情」節(jié)點詞頻數(shù)：292，搭配動詞數(shù)量：70。

[1] Biber, D., S. Conrad & R. Reppen. 2000.Corpus Linguistics Foreign Language[M]. Cambridge: Cambridge University Press.

[2] Church, K. et al. 1991. Using statistics in lexical analysis[A]. In U. Zernik (ed.), Lexical Acquisition:Exploring On-line Resources to Build a Lexicon[C]. Hillsdale, NJ:Lawrence Erlbaum Associates.

[3] Kennedy, G. 1998.An Introduction to Corpus Linguistics[M]. London: Addison Wesley Longman.

[4] Lyons, J. 1981. Language and L inguistics[M].Cambridge: Cambridge University Press.

[5] Rychly, P. 2008. A lexicographer-friendly association score[J]. Proceedings of Recent Advances in Slavonic Natural Language Processing, (4):6-9.

[6] Thomas, J & M. Short. 2001.用語料庫研究語言[M].北京：外語教學與研究出版社.

[7] 石川慎一郎.2008.コロケーションの強度をどう測るか——ダイス係數(shù)、tスコア，相互情報量を中心として[A].徳永健伸.自然言語処理[C].京都：中西印刷.

[8] 大曽美惠子.2002.コーパスから得られるコロケーション情報―『影響、刺激、感動』を中心に― [A].名古屋大學言語文化部?國際言語文化研究科.言語文化論集[C].名古屋：名古屋大學.

[9] 杉本武.2009.コーパスからみた類義語動詞：「ねじる」と「ひねる」[J].文蕓言語研究言語篇，(55):109-122.

[10] 田野村忠溫.1994.丁寧體の述語否定形の選択に関する計量の調(diào)査——「～ません」と「～ないです」[A].古谷大輔.大阪外國語大學論集[C].大阪：一心社.

[11] 中條清美 內(nèi)山將夫.2004.統(tǒng)計的指標を利用した特徴語抽出に関する研究[A].斉田智里.関東甲信越英語教育學會紀要[C].橫浜：関東甲信越英語教育學會.

[12] 野田春美.2004.否定ていねい形「ません」と「ないです」の使用に関わる要因―用例調(diào)査と若年層アンケート調(diào)査に基づいてー[J].計量國語學，(5):228-244.

[13] 鄧耀臣.2003.詞語搭配研究中的統(tǒng)計方法[J].大連海事大學學報（社會科學版），(4):74-77.

[14] 陸軍.2010.基于語料庫的學習者英語近義詞搭配行為與語義韻研究[J].現(xiàn)代外語，(3):276-286+329-330.

[15] 毛文偉.2002.試析復合辭“～テナラナイ”“～テショウガナイ”“～テタマラナイ”的異同──語料庫統(tǒng)計法在語法研究中的應用一例[J].解放軍外國語學院學報，(3):62-66.

[16] 任培紅.2008.近義詞的教與學:以Common和Ordinary為例[J].解放軍外國語學院學報，(4):57-60.

[17] 王春艷.2009.基于語料庫的中國學習者英語近義詞區(qū)分探討[J].外語與外語教學，(6):27-31.

[18] 王華偉 曹亞輝.2012.日語教學中基于語料庫的詞語搭配研究——以一組動詞近義詞為例[J].解放軍外國語學院學報，(2):71-75+91.

[19] 衛(wèi)乃興.2002.基于語料庫和語料庫驅(qū)動的詞語搭配研究[J].當代語言學，(2):101-114.

[20] 張繼東 劉萍.2005.基于語料庫近義詞辨析的一般方法[J].解放軍外國語學院學報，(6):49-52.

[21] 朱文慧 馬立東.2010.英漢學習型詞典中近義詞辨析欄的優(yōu)化設(shè)置──基于語料庫的近義詞辨析及其應用[J].辭書研究，(6):78-87.

Conceptions of Japanese Synonym Lexicography Based on the Statistics of Word Collocation in NLB Retrieval System

As an important reference book for Japanese learners, Japanese synonym dictionary will impede students’ Japanese learning and lead them to misuse some words if it cannot provide rich, detailed and scientific synonym discrimination information. Since a corpus provides a large quantity of authentic language materials, synonym discrimination based on a corpus can make the research into synonyms more scientific and effective. As an online Japanese retrieval system jointly developed by National Institute for Japanese Language and Linguistics and Lago Language Research Institute, NLB gets its data from the Balanced Corpus of Contemporary Written Japanese and it can automatically reflect the co-occurrence frequency, MI value and LD value of node words and their collocates. Based on the collocation information found in NLB, this paper analyzes the similarities and differences between “文句” and “苦情”, and thus explores the new methods of Japanese synonym lexicography.

NLB retrieval system; collocation; co-occurrence frequency; MI score; LD score

G42

A

2095-4948（2015）02-0070-06

本文為教育部人文社會科學研究規(guī)劃基金項目“基于視頻語料庫的日語拒絕行為的研究”（13YJA740039）、遼寧省教育科學“十二五”規(guī)劃項目“基于視頻語料庫的日語授受表達習得平臺的建設(shè)”（JG14DB090）的階段性成果。

劉艷偉，女，大連理工大學軟件學院講師，研究方向為應用語言學；劉玉琴，女，大連理工大學軟件學院副教授，博士，研究方向為教育工學、應用言語學、語料庫語言學。