漢語二語教學(xué)領(lǐng)域詞義標(biāo)注語料庫的研究及構(gòu)建

王 敬，楊麗姣，蔣宏飛，蘇靖杰，付靜玲

(北京師范大學(xué) 中文信息處理研究所，北京 100875)

漢語二語教學(xué)領(lǐng)域詞義標(biāo)注語料庫的研究及構(gòu)建

王 敬，楊麗姣，蔣宏飛，蘇靖杰，付靜玲

(北京師范大學(xué) 中文信息處理研究所，北京 100875)

詞匯教學(xué)在漢語二語教學(xué)領(lǐng)域占有極為重要的地位，其中多義詞又是詞匯教學(xué)的重點(diǎn)和難點(diǎn)。該研究通過分析三部經(jīng)典領(lǐng)域詞表，選取了1 181個(gè)重點(diǎn)多義詞，以《現(xiàn)代漢語詞典(第6版)》為標(biāo)注體系，制定了適合實(shí)際標(biāo)注的多義詞標(biāo)注規(guī)范和形式，在197冊經(jīng)典漢語二語教材上進(jìn)行了多義詞詞義標(biāo)注，構(gòu)建了一個(gè)規(guī)模約350萬字的面向漢語二語教學(xué)領(lǐng)域的詞義標(biāo)注語料庫，并在此基礎(chǔ)上對1 811個(gè)多義詞、4 323個(gè)多義詞義項(xiàng)進(jìn)行了計(jì)量統(tǒng)計(jì)，分析了多義詞不同詞義的出現(xiàn)情況及其分布規(guī)律。為了更好地服務(wù)于漢語二語教學(xué)，開發(fā)了語料庫檢索系統(tǒng)，設(shè)計(jì)并實(shí)現(xiàn)了多義詞義項(xiàng)的查詢功能。

漢語二語教學(xué)；語料庫；多義詞標(biāo)注

1 引言

對外漢語教學(xué)領(lǐng)域主要包括語音、詞匯、語法等方面的教學(xué)，詞匯教學(xué)在其中占有極為重要的地位。李如龍，吳茗認(rèn)為學(xué)習(xí)語言，詞匯是基礎(chǔ)，詞匯體現(xiàn)了語音的結(jié)構(gòu)和變化，組成語句又體現(xiàn)了種種語法關(guān)系，詞匯教學(xué)的效果直接影響著留學(xué)生漢語的整體水平。其中多義詞的教學(xué)又是詞匯教學(xué)的重點(diǎn)和難點(diǎn)。在自然語言處理領(lǐng)域，如何識(shí)別文本中多義詞的詞義也一直是一個(gè)重要課題，詞義消歧任務(wù)最早與1950年作為機(jī)器翻譯的一個(gè)任務(wù)被提出。隨著語料庫語言學(xué)的興起，語料庫開始在無論是漢語二語教學(xué)領(lǐng)域和自然語言處理領(lǐng)域起到了至關(guān)重要的作用，因此需要建立一個(gè)高質(zhì)量的多義詞詞義標(biāo)注語料庫。

詞義標(biāo)注語料庫是指根據(jù)某個(gè)詞典對多義詞各個(gè)義項(xiàng)的定義，在真實(shí)語料上標(biāo)注多義詞的正確義項(xiàng)。Leech指出詞義標(biāo)注是最實(shí)用的語義標(biāo)注。詞義標(biāo)注語料庫是機(jī)器翻譯、信息檢索等自然語言處理系統(tǒng)的基礎(chǔ)性資源，在語言研究、詞典編纂等方面也有重要應(yīng)用。例如，Sinclair等提出在COBUILD詞典編纂中利用詞義標(biāo)注語料庫統(tǒng)計(jì)得到詞義頻率信息編排義項(xiàng)。

詞義標(biāo)注語料庫已經(jīng)經(jīng)過了十幾年的建設(shè)，無論是英語還是漢語都有了自己的詞義標(biāo)注語料庫。目前已經(jīng)建設(shè)的詞義標(biāo)注語料庫主要以采用詞義知識(shí)庫WordNet為主，著名的有SemCor語料庫、SenseVal語料庫和DSO語料庫等。采用傳統(tǒng)語言詞典進(jìn)行詞義標(biāo)注的語料庫數(shù)量很少，不成規(guī)模。

漢語的詞義標(biāo)注語料庫建設(shè)起步較晚，主要有北京大學(xué)漢語詞義標(biāo)注語料庫(Chinese Word Sense Tagging Corpus,STC ) 。該語料庫由北京大學(xué)計(jì)算語言學(xué)研究所建設(shè)，所選語料是2000年1～3月和1998年1月的《人民日報(bào)》，共計(jì)642萬字，所用詞典是該所開發(fā)的《現(xiàn)代漢語語義詞典》。該語料庫標(biāo)注了966個(gè)多義名詞和動(dòng)詞的義項(xiàng)。其中名詞794個(gè)、動(dòng)詞168個(gè)；肖航將新加坡國立大學(xué)“華文教材語料庫”中的中小學(xué)語文教材作為語料庫，選擇傳統(tǒng)語言詞典——《現(xiàn)代漢語詞典(第5版)》作為詞義體系，對該語料庫添加詞義標(biāo)記，該語料庫總字?jǐn)?shù)約為200萬字。

目前，國內(nèi)的面向漢語二語教學(xué)的語料庫主要集中在中介語語料上，例如，北京語言大學(xué)開發(fā)的“HSK動(dòng)態(tài)作文語料庫”，中山大學(xué)開發(fā)的“漢字偏誤標(biāo)注的漢語連續(xù)性中介語語料庫”、南京大學(xué)開發(fā)的“外國留學(xué)生漢語口語縱向語料庫”和“美國學(xué)生漢語作文縱向語料庫”，中介語語料庫主要是對語料進(jìn)行字、詞、句的偏誤標(biāo)注等。

但是國內(nèi)目前還沒有專門的面向漢語二語教學(xué)的詞義標(biāo)注語料庫，因此本文選取《現(xiàn)代漢語詞典》(第6版)為標(biāo)注詞典，《現(xiàn)代漢語規(guī)范詞典》作為補(bǔ)充，在漢語二語教材語料庫上進(jìn)行詞義標(biāo)注，在標(biāo)注實(shí)踐的基礎(chǔ)上，制定了一個(gè)比較完善的詞義標(biāo)注體系，規(guī)范了詞義標(biāo)注標(biāo)準(zhǔn)，并對標(biāo)注結(jié)果進(jìn)行了數(shù)據(jù)分析和統(tǒng)計(jì)，在此基礎(chǔ)上設(shè)計(jì)了一個(gè)多義詞詞義檢索系統(tǒng)。本研究彌補(bǔ)了漢語二語教學(xué)領(lǐng)域語料庫類型單一的缺陷，并填補(bǔ)了漢語二語教學(xué)領(lǐng)域的基于語料庫進(jìn)行詞義研究的空白。

2 標(biāo)注語料及多義詞選擇

2.1 標(biāo)注語料

本研究使用北京師范大學(xué)中文信息處理研究所開發(fā)的漢語國際教育動(dòng)態(tài)語料庫*漢語國際教育動(dòng)態(tài)語料庫由北京師范大學(xué)中文信息處理研究所和漢語文化學(xué)院共同建設(shè)，主要收錄對外漢語教學(xué)領(lǐng)域經(jīng)典教材和新HSK樣卷文本語料，并提供多層次的語言信息標(biāo)注，目前規(guī)模約14萬句，240余萬詞次。中的外漢語教學(xué)領(lǐng)域經(jīng)典教材部分，包括經(jīng)典教材58套，共189冊，約350萬字(含字母、數(shù)字和漢字)，12萬句。圖1是教材信息庫的部分截圖。

圖1 漢語二語教材語料庫教材信息庫

動(dòng)態(tài)語料庫在采集教材時(shí)充分考慮了教材類型、適用水平、出版年代、影響因子等屬性特征。所選教材分別從出版年份、學(xué)習(xí)者適用年齡、學(xué)習(xí)者漢語水平以及教材性質(zhì)、教材類型、適用課型等方面做了考慮。所有教材均是1989年到2012年共21年間的典型教材，學(xué)習(xí)者的使用年齡覆蓋到兒童、小學(xué)、中學(xué)和成人，學(xué)習(xí)者的漢語水平也從零基礎(chǔ)、初級、中級到高級水平，適用課型包括口語、聽力、閱讀、寫作和綜合課型，這些教材大部分是用來教授語言技能的，一小部分是醫(yī)學(xué)漢語和商務(wù)漢語。

2.1 多義詞的選取

本研究所說的多義詞是廣義概念下的多義詞，即同一詞形具有多種詞義可能的均視為多義詞。從詞義標(biāo)注和詞義消歧角度來說，機(jī)器無法只從詞形上判斷兩個(gè)詞形相同的詞是否為兩個(gè)不同的詞，這對留學(xué)生來說是一樣的，因此采用廣義多義詞概念更適用于詞義標(biāo)注和漢語二語教學(xué)。

語料庫詞義標(biāo)注根據(jù)標(biāo)注詞的不同，可分為部分詞詞義標(biāo)注和全詞(all-words)詞義標(biāo)注兩種類型。本文的研究是部分詞詞義標(biāo)注，選取了1 181個(gè)多義詞進(jìn)行標(biāo)注。這1 181個(gè)多義詞來自《新漢語水平考試大綱HSK詞匯》、《漢語國際教育用音節(jié)漢子詞匯等級劃分》、《1700對近義詞語用法對比》，我們將這1 181個(gè)多義詞成為多義詞詞義標(biāo)注詞表(以下簡稱詞表)。

詞表中雙音節(jié)詞占多數(shù)，共812個(gè)，單音節(jié)詞占少數(shù)，共517個(gè)，多音節(jié)詞最少，只有八個(gè)。詞表中多義詞音節(jié)數(shù)和多義詞的HSK等級分布如表1所示。

表1 詞表多義詞音節(jié)數(shù)和HSK詞匯等級分布情況

3 標(biāo)注體系的選擇

語料庫詞義標(biāo)注在語義體系和詞典資源的選擇上有多種不同做法，主要包括傳統(tǒng)語言詞典(例如《辭?！贰冬F(xiàn)代漢語詞典》)、語義詞典(例如《同義詞詞林》)、用于信息處理用的詞義知識(shí)庫(例如WordNet、HowNet)等。本文選擇在釋義方面具有代表性的、使用最為廣泛的《現(xiàn)代漢語詞典(第6版)》作為詞義體系?！冬F(xiàn)代漢語詞典》(以下簡稱《現(xiàn)漢》)是漢語語言研究、研究教學(xué)等使用最為廣泛的詞典。

《現(xiàn)代漢語詞典(第6版)》對詞義和語素義進(jìn)行了區(qū)分。圖2是《現(xiàn)漢》對多義詞“白”的釋義。圖2中“白”的義項(xiàng)(1)、(3)、(6)、(7)、(10)和(11)是詞義，而(2)、(4)、(5)、(8)和(9)是語素義。符淮青指出為了分析多義詞不同義項(xiàng)的意義，首先要區(qū)分詞義和語素義，詞義能作為詞獨(dú)立運(yùn)用，語素義只能存在于它所構(gòu)成的詞和固定結(jié)構(gòu)中。詞典對詞義和語素義的區(qū)分，便利了語料庫的詞義標(biāo)注和計(jì)算機(jī)的詞義消歧。因?yàn)橛?jì)算機(jī)詞義消歧的輸入(通常情形下)是經(jīng)過了詞語切分，因此真正成為消歧對象的是詞義，而語素義則可以在詞語或固定組合中自動(dòng)得到消解。因此我們在進(jìn)行多義詞詞義標(biāo)注時(shí)，只標(biāo)注詞義，不標(biāo)注語素義。

圖2 《現(xiàn)代漢語詞典(第6版)》對多義詞“白”的釋義

4 多義詞義項(xiàng)標(biāo)注實(shí)踐

4.1 標(biāo)注形式

對于一個(gè)包含n個(gè)義項(xiàng)S的詞WORD，它在一定的上下文中被標(biāo)注上詞義WS，其標(biāo)注形式為:

@DUOYI_WORD/POS#WS(WS=Si、MH、UN)

其中，WORD代表一個(gè)詞，@DUOYI表示這個(gè)詞需要進(jìn)行多義詞義項(xiàng)標(biāo)注，POS是這個(gè)詞的詞性，WS是這個(gè)詞在其所在句子中的詞義(WS的取值將在下文說明)詞性和詞義用#隔開。

肖航從為語料庫標(biāo)注多義詞詞義的實(shí)踐來看，詞典普遍存在詞義可區(qū)分性不足的情況，根據(jù)對《現(xiàn)代漢語詞典》的分析，他認(rèn)為詞典中多義詞的義項(xiàng)之間存在重疊、相離、包含等關(guān)系。本文根據(jù)該文獻(xiàn)，以及在多義詞詞義試標(biāo)注過程中的實(shí)踐，對多義詞在詞典中的義項(xiàng)和語料中的義項(xiàng)進(jìn)行了形式化的表示，如下:

假設(shè)一個(gè)多義詞在詞典中一共有n個(gè)義項(xiàng)，則其第i個(gè)義項(xiàng)就表示為Si(i=1,2,3,…,n)。其中，詞義WS和義項(xiàng)的關(guān)系有幾種形式:

1.義項(xiàng)i可以準(zhǔn)確表示詞義，則WS=Si；

2.義項(xiàng)i無法準(zhǔn)確表示詞義，則WS=MH，其中MH的取值有三種:

A義項(xiàng)i和義項(xiàng)j的交集表示詞義，則MH=Si+Sj；

B義項(xiàng)i和義項(xiàng)j共同表示詞義，但是義項(xiàng)i包含義項(xiàng)j，則MH=Si>>Sj；

C義項(xiàng)i或義項(xiàng)j表示詞義，則MH=Si|Sj；

3.無法為語料中的多義詞找到合適的義項(xiàng)，則WS=QS，QS的取值為:

A義項(xiàng)i釋義過窄，則QS=Si-

B合適的沒有義項(xiàng)，則QS=addS(n+i) (其中，QS參照《現(xiàn)代漢語規(guī)范詞典》進(jìn)行義項(xiàng)補(bǔ)充)

4.義項(xiàng)i是語素義，無需進(jìn)行標(biāo)注，則WS=UN(無需標(biāo)注)

4.2 標(biāo)注方式

多義詞標(biāo)注采用機(jī)器和人工結(jié)合的方式進(jìn)行。首先進(jìn)行機(jī)器標(biāo)注，再進(jìn)行人工標(biāo)注。機(jī)器標(biāo)注是對多義詞中可以通過詞性決定詞義的義項(xiàng)進(jìn)行標(biāo)注，例如,“安定”這個(gè)詞，凡是詞性是形容詞的都選擇義項(xiàng)①，凡是詞性是動(dòng)詞的都選擇義項(xiàng)②。

【安定】①_【形】(生活、形勢等)平靜正常;穩(wěn)定:生活～|情緒很～|～的社會(huì)秩序。②_【動(dòng)】使安定:～人心。

為了保證多義詞詞義的標(biāo)注質(zhì)量，我們組織了20名語言學(xué)及相關(guān)專業(yè)本科生、研究生參與人工標(biāo)注，標(biāo)注人員經(jīng)過培訓(xùn)和試標(biāo)注檢驗(yàn)合格后，進(jìn)入正式標(biāo)注。標(biāo)注結(jié)果需要經(jīng)過兩次人工校對，存疑處由專家討論確認(rèn)。如上文所述的詞典中存在的義項(xiàng)重疊、相離、包含等關(guān)系，也在標(biāo)注過程中不斷地進(jìn)行詞表修訂，以使結(jié)果更符合實(shí)際情況。具體工作可以分為以下幾個(gè)步驟:

步驟1 對語料進(jìn)行分詞和詞性標(biāo)注；

步驟2 對分詞和詞性標(biāo)注記性人工校對；

步驟3 對可以通過詞性決定詞義的義項(xiàng)進(jìn)行機(jī)器標(biāo)注；

步驟4 對剩余的多義詞進(jìn)行人工標(biāo)注；

步驟5 對標(biāo)注了MH和QS的義項(xiàng)進(jìn)行討論并修訂詞表；

步驟6 根據(jù)更新的詞表修訂標(biāo)注結(jié)果；

步驟7 初次校對多義詞詞義標(biāo)注結(jié)果；

步驟8 終校標(biāo)注結(jié)果，收集討論結(jié)果，確認(rèn)標(biāo)注詞表；

為了方便進(jìn)行人工標(biāo)注，我們開發(fā)了輔助詞義標(biāo)注的工具，該詞義標(biāo)注工具的界面如圖3所示。

圖3 多義詞詞義標(biāo)注工具

該軟件將多義詞詞義標(biāo)注詞表加載于其中，通過點(diǎn)選的方式對每個(gè)詞進(jìn)行詞義標(biāo)注。

4.3 標(biāo)注過程中特殊語言現(xiàn)象的處理

在多義詞詞義標(biāo)注過程中，會(huì)涉及很多特殊語言現(xiàn)象，需要有一定的規(guī)范對這些現(xiàn)象進(jìn)行統(tǒng)一處理，才能對多義詞進(jìn)行標(biāo)注(圖2)。

1.多義離合詞的處理:多義的離合詞在沒有分離時(shí)和普通的多義詞一樣進(jìn)行標(biāo)注，當(dāng)離合詞分離之后，只對分離出來可以單獨(dú)成詞的那一部分進(jìn)行標(biāo)注，不成詞的部分不進(jìn)行標(biāo)注，另外，可離合的趨向動(dòng)詞在分離后都不進(jìn)行標(biāo)注。

表2 多義離合詞的標(biāo)注規(guī)范及示例

例1中，多義離合詞“過去”沒有分離，因此按照詞典，將此句中的“過去”標(biāo)注上詞義。例5中，多義離合詞“過去”分離為“過”和“去”，那么此時(shí)就將它們的詞性標(biāo)注為“語素g”，并標(biāo)注上“UN”表示無需標(biāo)注。

2.多義重疊詞的處理:一個(gè)多義重疊詞是否要進(jìn)行標(biāo)注，要看這個(gè)詞的重疊形式是否能拆分成獨(dú)立的詞，能拆分出獨(dú)立的詞就進(jìn)行標(biāo)注，不能拆分或拆分后不能獨(dú)立成詞就不進(jìn)行標(biāo)注，是否拆分以《現(xiàn)漢》的收詞標(biāo)準(zhǔn)進(jìn)行判斷，拆分規(guī)則如表3所示。

表3 多義重疊詞的標(biāo)注規(guī)則及示例

5 多義詞義項(xiàng)分布情況的統(tǒng)計(jì)和分布

按照上述步驟，我們將在340萬字語料上進(jìn)行1 181個(gè)多義詞的詞義標(biāo)注，并對這1 181個(gè)多義詞的義項(xiàng)標(biāo)注數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)和分析，希望從中能夠挖掘出其中的規(guī)律，并解釋其中的原因，希望對漢語教學(xué)尤其是教材編寫提供一定的參考。

1.多義詞義項(xiàng)復(fù)現(xiàn)情況統(tǒng)計(jì)

詞表中共1 181個(gè)多義詞，根據(jù)《現(xiàn)代漢語詞典(第6版)》，共包括4 213個(gè)義項(xiàng)，平均每個(gè)義項(xiàng)出現(xiàn)3.57次。在所有語料中，待標(biāo)注多義詞共538 159詞次，其中需要標(biāo)注的多義詞共537 493詞次，無需標(biāo)注的多義詞共666詞次。本文將每個(gè)義項(xiàng)出現(xiàn)的次數(shù)按照100的距離進(jìn)行了統(tǒng)計(jì)，其結(jié)果如圖4a)所示。

圖4 多義詞義項(xiàng)在語料中的分布情況

從圖4中可以看出，出現(xiàn)次數(shù)在100以內(nèi)的義項(xiàng)是最多的，為2 831個(gè)，共占總義項(xiàng)的78.70%。其中出現(xiàn)次數(shù)排在前10位的詞的義項(xiàng)分為別:在1 000次以上的詞分別為“在/p#⑦”(20 173次)、“你/r#①”(18 191次)、“有/v#①”(8 796次)、“和/c#[2]-③”(7 790次)、“看/v#[2]-①”(7 288次)、“有/v#②”(6 664次)、“能/vu#④”(6 180次)、“會(huì)/vu#[2]-⑤”(5 403次)、“把/p#[1]-”(5 124次)、“什么/r#①”(5 079次)，其中，“在/p#⑦”出現(xiàn)次數(shù)最多，為20 173次。

再此基礎(chǔ)上，本文又統(tǒng)計(jì)了出現(xiàn)次數(shù)在1-100次之間的義項(xiàng)，并以10為距離再次進(jìn)行了統(tǒng)計(jì)，其結(jié)果見圖4b)。其結(jié)果表示，出現(xiàn)次數(shù)在1-10的義項(xiàng)最多，一共出現(xiàn)了1 466次，占總義項(xiàng)的51.78%，并且隨著出現(xiàn)次數(shù)的增加，義項(xiàng)逐漸減少。

隨后，本文繼續(xù)統(tǒng)計(jì)了出現(xiàn)次數(shù)在1～10次之間的義項(xiàng)，其結(jié)果如圖5所示。

圖5 出現(xiàn)次數(shù)小于10的義項(xiàng)在語料中的的分布情況

這表明，所有義項(xiàng)中，出現(xiàn)一次的義項(xiàng)最多，為370個(gè)，占總義項(xiàng)的25.44%。

2.高頻義項(xiàng)及低頻義項(xiàng)的分布統(tǒng)計(jì)及分析

根據(jù)對多義詞在真實(shí)語料下的詞義情況分析，絕大部份多義詞的義項(xiàng)頻率分布是不均衡的。具體表現(xiàn)為只有個(gè)別義項(xiàng)高頻，其他義項(xiàng)低頻，對義項(xiàng)進(jìn)行義頻的統(tǒng)計(jì)分析，可以反映出教材中選擇詞義的狀況，結(jié)合新漢語水平考試(HSK)詞匯等級大綱中的詞匯等級，可以為以后的編寫者提供客觀的數(shù)據(jù)基礎(chǔ)。以下的數(shù)據(jù)，本文只統(tǒng)計(jì)了773個(gè)復(fù)現(xiàn)次數(shù)在100次以上的義項(xiàng)。高頻義項(xiàng)及低頻義項(xiàng)的統(tǒng)計(jì)如表4所示。

表4 語料中高頻及低頻義項(xiàng)分布情況

從表4可以看出，當(dāng)高頻閾值設(shè)置為70%時(shí)，有45.02%的多義詞義項(xiàng)是高頻義項(xiàng)，并且當(dāng)詞匯的等級是四級時(shí)，高頻義項(xiàng)出現(xiàn)的最多。通過低頻義項(xiàng)的分布可以看出，無論低頻閾值設(shè)置為30%、20%還是10%，詞匯等級是一級的詞匯所包含的低頻義項(xiàng)最多。

多義詞義項(xiàng)頻率分布的兩個(gè)極端情況是:①一個(gè)多義詞有多個(gè)詞典義項(xiàng)但除一個(gè)高頻義項(xiàng)外其他義項(xiàng)不出現(xiàn)； ②一個(gè)多義詞中個(gè)別義項(xiàng)不會(huì)出現(xiàn)在語料中。

對于第一種情況，通過調(diào)查發(fā)現(xiàn)，共有35個(gè)多義詞只在語料中出現(xiàn)了一個(gè)義項(xiàng)，其他義項(xiàng)沒有出現(xiàn)，并且這35個(gè)多義詞只包括2—3個(gè)義項(xiàng)，除了出現(xiàn)的那個(gè)義項(xiàng)，剩下的1—2個(gè)義項(xiàng)基本都是不常見義項(xiàng)。

在所有的義項(xiàng)中，一共有1 367個(gè)義項(xiàng)沒用出現(xiàn)在語料中，涉及699個(gè)多義詞，這1 367個(gè)義項(xiàng)所屬詞匯的HSK等級分布如表5所示。

表5 詞表中多義詞的HSK等級分布

通過分析語料，發(fā)現(xiàn)造成這種現(xiàn)象主要有以下幾點(diǎn)原因:

1) 該義項(xiàng)為其所在詞的不常用義項(xiàng)，比如“扒”的第[2]-④個(gè)義項(xiàng):烹調(diào)方法，現(xiàn)將原料煮到半熟，再用油炸，最后用文火煮爛:～羊肉|～白菜。這些義項(xiàng)主要是方言義、文言文義等，通過統(tǒng)計(jì)，這1 381個(gè)義項(xiàng)中，共有方言義63個(gè)，文言義24個(gè)，口語義11個(gè)，舊時(shí)義12個(gè)，少數(shù)民族用語1個(gè)，用作姓氏180個(gè)，統(tǒng)計(jì)291個(gè)；

2) 多義詞義項(xiàng)釋義太窄，導(dǎo)致該義項(xiàng)的適用范圍太小，比如:“編輯”的第二個(gè)和第三個(gè)義項(xiàng):“②_【名】做編輯工作的人”；“③_【名】新聞出版機(jī)構(gòu)中編輯人員的中級專業(yè)職稱。”第三個(gè)義項(xiàng)就是將義項(xiàng)限定的太窄，導(dǎo)致語料中出現(xiàn)“編輯/n”90%都都會(huì)選擇義項(xiàng)②，只有在上下文很明確的條件下，才會(huì)選擇義項(xiàng)③；

3) 語料的限制，因?yàn)檎Z料是來自漢語二語教學(xué)的教材，有一部分語料是面向初中級的留學(xué)生，一小部分是面向高級留學(xué)生，所以語料中出現(xiàn)的多義詞的義項(xiàng)總是會(huì)集中在一些基本義或詞的最常用義。例如， 義項(xiàng)“把/p#[1]-”就一共出現(xiàn)了5 000多次，而其他詞義基本上很少出現(xiàn)或不出現(xiàn)。這在一定程度上也顯示了教材選詞和詞義的局限性，以及程度不均的詞義復(fù)現(xiàn)率。

6 多義詞義項(xiàng)查詢功能的實(shí)現(xiàn)

通過系統(tǒng)的、大規(guī)模的語料標(biāo)注實(shí)踐，我們構(gòu)建了一個(gè)面向漢語二語教學(xué)的詞義標(biāo)注語料庫。資源的開發(fā)需要面向?qū)嶋H的需求，為了更好地服務(wù)于漢語二語教學(xué)及相關(guān)的研究工作，我們對該領(lǐng)域的用戶需求進(jìn)行了分析，開發(fā)了語料庫檢索系統(tǒng)*語料庫檢索系統(tǒng)網(wǎng)址:www.aihanyu.org。，并依此設(shè)計(jì)并實(shí)現(xiàn)了了多義詞義項(xiàng)的查詢功能。圖6不完全顯示了多義詞詞表，通過詞表可以查詢某個(gè)多義詞的義項(xiàng)。如圖7所示，在檢索框中輸入“阿姨”，會(huì)顯示出“阿姨”這個(gè)詞所包含的義項(xiàng)。點(diǎn)擊“阿姨”的義項(xiàng)1，將會(huì)顯示出義項(xiàng)1所包含的所有語料，如圖8所示。

圖6 漢語國際教育動(dòng)態(tài)語料庫檢索系統(tǒng)——多義詞檢索功能

圖7 多義詞“阿姨”的檢索結(jié)果

圖8 標(biāo)注了“阿姨”義項(xiàng)1 的語料詳情

如圖8所示，“阿姨”的義項(xiàng)1共包含13條語料，在所有包含“阿姨”的中占比7.34%。當(dāng)點(diǎn)擊第一條語料時(shí)，會(huì)顯示出這條語料的詳情，包括該語料的來源、詞性標(biāo)注信息、多義詞標(biāo)注信息，以及該語料所包含的語法點(diǎn)信息。

7 結(jié)論

多義詞是漢語二語教學(xué)領(lǐng)域詞匯教學(xué)中的重點(diǎn)和難點(diǎn)。本文根據(jù)三張經(jīng)典領(lǐng)域詞表，篩選出1 181個(gè)重點(diǎn)多義詞，在197冊經(jīng)典漢語二語教材上，以《現(xiàn)代漢語詞典(第6版)》為標(biāo)注體系進(jìn)行了標(biāo)注，制定了一套多義詞標(biāo)注規(guī)范和形式，構(gòu)建了一個(gè)包含約350萬字的面向漢語二語教學(xué)的詞義標(biāo)注語料庫。在該語料庫上，本文對1 181個(gè)多義詞及其4 323個(gè)多義詞義項(xiàng)進(jìn)行了數(shù)量統(tǒng)計(jì)，分析了多義詞義項(xiàng)復(fù)現(xiàn)情況、高頻及低頻義項(xiàng)分布情況及其規(guī)律。并在此基礎(chǔ)上研發(fā)了一個(gè)原料庫檢索系統(tǒng)，實(shí)現(xiàn)了多義詞詞義查詢功能。

基于上述研究工作，我們希望從以下幾個(gè)方面做出嘗試，以改進(jìn)和提升現(xiàn)有的資源，并探索新的應(yīng)用空間:第一,擴(kuò)大語料庫規(guī)模，目前語料庫僅包含漢語二語教學(xué)領(lǐng)域的教材語料，并未包含真正的母語語料，希望以后的工作中能夠加入一些新聞?wù)Z料、網(wǎng)絡(luò)語料等，使語料覆蓋更廣；第二,加入更多的多義詞，實(shí)現(xiàn)全詞標(biāo)注。因?yàn)槿肆ξ锪τ邢?，目前僅在語料上實(shí)現(xiàn)了部分詞標(biāo)注，有很多多義詞并沒有被標(biāo)注上；第三,在第二部的基礎(chǔ)上，開展多義詞詞義消歧研究，以節(jié)省人力，豐富現(xiàn)有的資源庫建設(shè)維度和應(yīng)用空間。

[1] Ide N,Wilks Y.Making sense about sense[J].Word Sense Disambiguation.Dordrecht::Springer，2007，33:47-73.

[2] Leech G.Corpus annotation schemes[J].Literary and Linguistic Computing，1993，8(4):275 -281.

[3] Sinclair J.Corpus,concordance,collocation[M].Oxford:Oxford University Press，1991.

[4] 符淮青.現(xiàn)代漢語詞匯 (增訂本第二版)[J].北京:北京大學(xué)，2004:63.

[5] 國家漢辦/孔子學(xué)院總部.新漢語水平考試大綱[M].北京:商務(wù)印書館，2009.

[6] 金澎,吳云芳,俞士汶.詞義標(biāo)注語料庫建設(shè)綜述[J].中文信息學(xué)報(bào)，2008，22(03):16-23.

[7] 李如龍,吳茗.略論對外漢語詞匯教學(xué)的兩個(gè)原則[J].語言教學(xué)與研究，2005，2(41):21.

[8] 劉英林,馬箭飛.漢語國際教育用音節(jié)漢字詞匯等級劃分[M].北京:北京語言大學(xué)出版社， 2010.

[9] 吳云芳,俞士汶.信息處理用詞語義項(xiàng)區(qū)分的原則和方法[J].語言文字應(yīng)用，2006， 2:126-133.

[10] 肖航,楊麗姣.基于詞典的語料庫詞義標(biāo)注研究[J].語言文字應(yīng)用， 2010， 2:135-141.

[11] 肖航.基于詞典的語料庫詞義標(biāo)注[D].新加坡:新加坡國立大學(xué)， 2009.

[12] 楊寄洲,賈永芬.1700 對近義詞語用法對比[M].北京:北京語言大學(xué)出版社，2005.

[13] 中國社會(huì)科學(xué)院語言研究所詞典編輯室.《現(xiàn)代漢語詞典》(第6版)[M].北京:商務(wù)印書館， 2012.

A Word Sense Annotated Corpus for Teaching Chinese as Second Language

WANG Jing,YANG Lijiao,JIANG Hongfei,SU Jingjie,FU Jingling

(Institute of Chinese Information Processing,Beijing Normal University,Beijing 100875,China)

In field of teaching Chinese as a second language,the teaching of word is very important,in which polysemous word is a challenging issue.After a survey of 3 classical vocabularies in this field,this paper selects 1 181 polysemous words.Then an annotation specification is designed,with a reference to Modern Chinese Dictionary (Edition 6).Tagging the 1 181 words appeared in 197 popular Chinese textbooks yields a corpus with word senense annotation over 3.5 million characters.A quantitative study on the 1 811 polysemous words is also made,with an analysis of the distribution of total 4 323 word senses.

teaching Chinese as a second language；corpus；polysemous words annotation

王敬(1988—),博士,主要研究領(lǐng)域?yàn)橹形男畔⑻幚?。E-mail:wangjing1204@foxmail.com楊麗姣(1973—),副教授,主要研究領(lǐng)域?yàn)闈h語國際教育、詞匯語義學(xué)、語料庫語言學(xué),對外漢語教學(xué)。E-mail:yanglijiao@bnu.edu.cn蔣宏飛(1982—),博士后,主要研究領(lǐng)域?yàn)樽匀徽Z言處理、智能問答、文本挖掘、機(jī)器翻譯。E-mail:jianghongfei@dinfo.cn

1003-0077(2011)00-0221-09

2016-09-15 定稿日期:2016-10-10

國家語委“十二五”科研規(guī)劃項(xiàng)目(YB125-124)；國家高技術(shù)研究發(fā)展計(jì)劃(863)(NO.2012AA011104)；中國博士后科學(xué)基金第53批面上資助(一等)(2013M530026)

TP391

A