英語視頻新聞?wù)Z料庫的構(gòu)建

【摘要】建設(shè)英語視頻新聞?dòng)⒄Z語料庫對(duì)于英語的學(xué)習(xí)者具有重要的意義和價(jià)值。結(jié)合語料庫語言學(xué)理論，從語料庫的代表性、語料庫的規(guī)模、語料的抽樣、語料的標(biāo)記、語料的賦碼等幾個(gè)方面探討了英語視頻新聞?dòng)⒄Z語料庫的建設(shè)程序，提出了一些關(guān)于建設(shè)該類語料庫的方法和思路。

【關(guān)鍵詞】英語新聞 抽樣 賦碼 語料庫

語料庫是真實(shí)語言材料的集合，通常都村粗在計(jì)算機(jī)里，具有信息量大、信息復(fù)雜等特點(diǎn)。作為人們經(jīng)常接觸的語言材料，新聞的內(nèi)容能夠反映社會(huì)生活，新聞?wù)Z言具有強(qiáng)烈的時(shí)代性，對(duì)日常生活用語的使用有著重要的意義，也可以說是標(biāo)準(zhǔn)語言，能夠體現(xiàn)現(xiàn)代英語發(fā)展特征和社會(huì)趨勢(shì)。以英語新聞作為選材來源，建立一個(gè)視頻新聞?wù)Z料庫并進(jìn)行不同目的的研究具有深遠(yuǎn)的意義和十分重要的價(jià)值。

一、建設(shè)新聞?dòng)⒄Z語料庫的目的

近幾年來，國外在新聞?dòng)⒄Z方面的研究有了長足的進(jìn)步，關(guān)于新聞?dòng)⒄Z的特點(diǎn)及在國內(nèi)新聞報(bào)道的研究，近幾年來國內(nèi)許多著作和論文體現(xiàn)的較多，近年來，國外在相關(guān)領(lǐng)域已經(jīng)建成了報(bào)刊新聞?dòng)⒄Z語料庫，例如：路透社報(bào)刊新聞?dòng)⒄Z語料庫，它存在的主要目的是研究報(bào)刊新聞?dòng)⒄Z。因此，建立一個(gè)用來分析和研究新聞?dòng)⒄Z，提高新聞?dòng)⒄Z的研究能力，提高英語播音主持專業(yè)英語新聞教材的編寫和教學(xué)水平的新聞?dòng)⒄Z語料庫，具有重要的意義。新聞?dòng)⒄Z語料庫應(yīng)該具有豐富的功能，包含大量的材料，如：視頻新聞?dòng)⒄Z文本、語音文件等。

二、英語新聞聽力教學(xué)語料庫的設(shè)計(jì)原則

語料庫的設(shè)計(jì)是所有工作的第一步，也是語料庫建設(shè)中最重要的一個(gè)環(huán)節(jié)，設(shè)計(jì)的質(zhì)量會(huì)關(guān)系到語料庫的質(zhì)量并在一定程度上影響后續(xù)相關(guān)語料庫的研究。設(shè)計(jì)階段要對(duì)問題進(jìn)行全面分析，通常來說要全面考慮，必須充分考慮語料庫的規(guī)模、內(nèi)容、語料樣本，下面就語料庫的設(shè)計(jì)原則進(jìn)行闡述。

1.語料庫的代表性原則。語料庫建設(shè)的首要原則是代表性原則，它是區(qū)分語料庫與語料檔案庫的一個(gè)重要標(biāo)志。一般來說，視頻新聞?dòng)⒄Z語料庫的主要特征是有限的語料樣本能夠最大限度地反映新聞?dòng)⒄Z。因此，這就要求建庫者應(yīng)該收集盡量豐富的各種形式的文本，這樣在一定程度上可以保證語料庫的總體特征，提高語料庫的代表性。

2.語料庫規(guī)模適度性原則。通常來說，語料庫的規(guī)模要盡量大，這樣可以涵蓋更加豐富的內(nèi)容，但在事實(shí)上操作難度很大，其規(guī)模會(huì)受到很多影響因素的限制。因此，日常管理過程中，建庫者是運(yùn)用統(tǒng)計(jì)學(xué)的原理，以語料代表性和合理分配樣本比例為基礎(chǔ)，通過一定比例的樣本從總體上反映語言學(xué)特征，這樣就可以不必片面追求規(guī)模，同樣達(dá)到比較理想的效果。

語料庫的規(guī)模有四個(gè)層次，分別是：詞次、庫文本數(shù)量、層間樣本數(shù)量和庫樣本容量。各層次之間的比例要從平衡的角度進(jìn)行合理分配。綜上所述，隨著科學(xué)技術(shù)的進(jìn)步，應(yīng)用現(xiàn)代化的互聯(lián)網(wǎng)和多媒體技術(shù)，可以實(shí)現(xiàn)建立100萬詞次容量的廣播新聞?dòng)⒄Z語料庫，這一規(guī)模就可以完全滿足研究廣播新聞?dòng)⒄Z的需要。

三、語料抽樣

語料庫自身也存在著矛盾，應(yīng)用過程中發(fā)現(xiàn)無盡的語言事實(shí)和有限的語料樣本之間的矛盾是永遠(yuǎn)無法解決的，語料庫常見的研究方法是用有限的語料代表整體語言事實(shí)。要盡最大限度的解決這個(gè)問題，必須在確定規(guī)模的基礎(chǔ)上根據(jù)統(tǒng)計(jì)學(xué)理論進(jìn)行科學(xué)抽樣，使建成的語料庫達(dá)到總體效度的標(biāo)準(zhǔn)。

英語視頻新聞?wù)Z料庫的語料全部從英語新聞選取，語料庫的建設(shè)目的是為主流標(biāo)準(zhǔn)英美新聞?wù)Z言的研究提供數(shù)據(jù)，所以采取英語報(bào)道中的材料。

1.等距抽樣。語料庫建設(shè)者必須充分考慮所手機(jī)的內(nèi)容要具有多樣性，這樣抽樣時(shí)才具有代表性。當(dāng)新聞報(bào)道遇到重要新聞熱點(diǎn)事件時(shí)，如奧運(yùn)會(huì)或者恐怖襲擊等，在一段時(shí)期當(dāng)中新聞報(bào)道將會(huì)用大量篇幅覆蓋該主題，這就會(huì)使抽樣在平衡性上造成偏差。這樣在一段時(shí)間內(nèi)占某一新聞事件將不會(huì)對(duì)語料選取的多樣性和均衡性造成影響，但是從現(xiàn)代統(tǒng)計(jì)學(xué)的觀點(diǎn)來看，其隨機(jī)指定的方法未免缺乏科學(xué)性和精確性。為了達(dá)到更好的代表性和平衡性，可以采取統(tǒng)計(jì)學(xué)中的等距抽樣的方法，做好樣本排列順序和樣本抽樣間距的設(shè)計(jì)。

2.分層抽樣。分層抽樣是“按照總體已有的某些特征，將總體分成幾個(gè)不同部分，每一部分稱為一層，然后再分別在每一部分中進(jìn)行簡單隨機(jī)抽樣?！痹诜謱映闃又?，各層子樣本方差可能會(huì)小于總體方差，具有較好的均勻性，可以得到較高的精度，分層抽樣可以減少誤差，提高精度。

3.語料的預(yù)處理、添加文本頭標(biāo)記和文本的結(jié)構(gòu)標(biāo)記。進(jìn)行抽樣后的語料還不能直接加入預(yù)料庫，之前需要進(jìn)行加工和標(biāo)識(shí)。目前常用的方法是在Wordsmith 軟件中撰寫命令語句，再導(dǎo)入抽樣后的語料進(jìn)行處理，方便快捷地就可以完成預(yù)處理的工作。

根據(jù)語料庫建設(shè)的通識(shí)做法，需要對(duì)每篇語料加注文本頭，以提供這篇語料的有關(guān)基本信息。文本頭的標(biāo)記提供包括語料的來源、收集時(shí)間等七個(gè)方面的基本信息。標(biāo)記的方法可以參照研究者的需要進(jìn)行。

四、語料的賦碼

抽樣語料不經(jīng)過賦碼只能被稱作生語料。使用生語料庫只能進(jìn)行制定詞頻表或借助語料庫檢索軟件對(duì)特定詞的詞頻、用法和搭配加以研究，不能完全發(fā)揮語料庫在新聞?dòng)⒄Z研究方面的潛力。經(jīng)過賦碼的語料庫則具有更廣泛的研究價(jià)值。

語料庫的賦碼是對(duì)語料添加語言特征碼的過程。語料庫的賦碼有兩種：詞性賦碼和句法賦碼。詞類賦碼目前已可以自動(dòng)進(jìn)行，對(duì)不受限制的語料進(jìn)行自動(dòng)賦碼的準(zhǔn)確率已可達(dá)到96%以上的準(zhǔn)確率，基本上可以滿足語言研究和應(yīng)用的需要。而對(duì)語料進(jìn)行自動(dòng)句法賦碼的準(zhǔn)確率還不高，還沒有達(dá)到應(yīng)用的程度，對(duì)語料的句法賦碼到目前為止還必須采取計(jì)算機(jī)軟件協(xié)助下的人工賦碼方法 。

英語新聞報(bào)道內(nèi)容豐富，形式多樣，語言靈活，詞語、句法活用情況頻繁。就其英語視頻新聞而言，文本的賦碼不可能達(dá)到絕對(duì)的準(zhǔn)確率，但經(jīng)過努力可以保證準(zhǔn)確率達(dá)到90%以上，基本達(dá)到后期研究的需要。

五、英語新聞?wù)Z料庫的應(yīng)用

新聞?dòng)⒄Z語料庫的建設(shè)和應(yīng)用還需要很長時(shí)間的探索。嚴(yán)格意義上來講，“語料庫本身并不包含和語言相關(guān)的新信息，但基于語料庫的檢索引擎給我們提供了觀測(cè)舊信息的新視角?！蓖ㄟ^語料庫軟件檢索功能，將調(diào)研語料庫中所有詞按照詞頻高低進(jìn)行排列。通過頻率詞表除可以觀察不同新聞?wù)Z篇的特點(diǎn)，能夠掌握詞匯的頻率等信息，進(jìn)而計(jì)算出選詞指數(shù)。利用語料庫軟件的文本索引功能對(duì)整個(gè)新聞?wù)Z料庫進(jìn)行檢索，可以呈現(xiàn)出英語新聞報(bào)道的規(guī)律。

六、結(jié)語

當(dāng)今社會(huì)，新聞編輯和文化研究能力只所以得到進(jìn)一步提高，主要取決于英語視頻新聞?wù)Z料庫及相應(yīng)檢索軟件的發(fā)展和進(jìn)步為其研究提供了一個(gè)新的平臺(tái)。

多媒體技術(shù)從技術(shù)和應(yīng)用角度能夠?yàn)樾侣剰臉I(yè)者、新聞教學(xué)和英語學(xué)習(xí)者提供非常便捷的服務(wù)。借助一些語料庫檢索軟件，可以快速了解英語新聞詞匯和語篇特征，解析新聞?dòng)⒄Z中的常見詞匯、常用語言的連接關(guān)系。此外，新聞?dòng)⒄Z語料庫與新聞文本對(duì)應(yīng)的視頻文件還有很多作用，可以提供查詢服務(wù)，提供借閱服務(wù)，還可以為編寫新聞?dòng)⒄Z教材提供了大量豐富的素材，教材編寫者還可以通過軟件的查詢功能實(shí)現(xiàn)快速選取語料庫中需要的材料，而且還能根據(jù)語料庫樣本的統(tǒng)計(jì)特征控制所選材料的難易程度，進(jìn)而促進(jìn)新聞?dòng)⒄Z的研究。

參考文獻(xiàn)：

[1]Kennedy，Graeme.An Introduction to Corpus Linguistics[M].New York：Longman，1998.

[2]韓寶成.外語教學(xué)研究中的統(tǒng)計(jì)學(xué)[M].北京：外語教學(xué)與研究出版社，2000.

[3][英]霍斯頓.應(yīng)用語言學(xué)中的語料庫[M].北京：世界圖書出版公司北京公司，2006.

[4]李曉娜.多模態(tài)話語分析南寧國際民歌藝術(shù)節(jié)海報(bào)[J].安徽文學(xué)（下半月），2010（12）.

[5]王立非，文艷.應(yīng)用語言學(xué)研究的多模態(tài)分析方法[J].外語電化教學(xué)，2008（03）.

作者簡介：郭文正（1979-），河南鄭州人，文學(xué)碩士，平頂山學(xué)院外國語學(xué)院副教授。