文學(xué)作品的語料庫檢索分析

周瑩

摘要：語料庫語言學(xué)的發(fā)展為文體分析開辟了一條新途徑，為研究文學(xué)作品的語言風(fēng)格和主題提供了詳細(xì)的定量依據(jù)，并幫助讀者更好地理解原著的思想。借助AntConc語料庫工具，將LOB語料庫作為參考語料庫，利用形符（word tokens）、詞頻（word frequency）、關(guān)鍵詞（keywords）、索引（concordance）等功能對(duì)小說《呼嘯山莊》的敘事風(fēng)格，故事情節(jié)、人物性格、語言特征等進(jìn)行分析，為文學(xué)作品鑒賞提供新的解讀視角。

關(guān)鍵詞：呼嘯山莊 ?AntConc LOB語料庫

中圖分類號(hào)：I712.074 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1009-5349（2020）04-0112-02

隨著計(jì)算機(jī)技術(shù)的發(fā)展，語料庫語言學(xué)成為一門新興的學(xué)科，為文體分析開辟了一條新途徑。語料庫工具應(yīng)用的范圍也越來越廣泛，如翻譯研究、語法研究、文體學(xué)研究和詞典開發(fā)等。將語料庫工具應(yīng)用于文學(xué)作品分析，為文學(xué)文本中的語言特征、主題等提供了新的解讀途徑?！逗魢[山莊》作為艾米莉·勃朗特唯一的一部小說，受到國(guó)內(nèi)外許多學(xué)者的關(guān)注。但是，大多數(shù)研究都來自學(xué)者個(gè)人的主觀分析。相比之下，基于語料庫的方法比傳統(tǒng)的研究方法更具有客觀性，并且可以更準(zhǔn)確地分析出艾米莉·勃朗特是如何使用語言來揭示主題和描繪作品人物的。本文以LOB語料庫作為參考語料庫，通過AntConc工具中的形符（word tokens）、詞頻（word frequency）、關(guān)鍵詞（keywords）和索引（concordance）等功能依次分析小說情節(jié)、主題、語言特征、人物性格等。

一、數(shù)據(jù)收集

1.觀察語料庫和參考語料庫

根據(jù)Stubbs[1]，參考語料庫是比觀察語料庫大得多、且包含相同體裁文本的或者是大型混合的一般語料庫。而英語本族語語料庫使用的是LOB語料庫。LOB語料庫是由500個(gè)文本的英國(guó)英語構(gòu)成，整個(gè)語料共有1123452形符（word tokens）;因此選擇LOB語料庫作為參考語料庫（reference corpus），選擇《呼嘯山莊》原版英文小說作為觀察語料（observed corpus）?！逗魢[山莊》的英文純文本下載自https：//www.gutenberg.org/ebooks/768[2]。

2.語料庫工具

使用語料庫軟件AntConc 3.5.7從觀察語料庫和參考語料庫中收集數(shù)據(jù)信息。這個(gè)工具是由日本早稻田大學(xué)的Laurence Anthon設(shè)計(jì)和開發(fā)的，是一款免費(fèi)的語料庫檢索工具，主要功能包括索引工具（concordance）、詞簇（Clusters）、搭配（Collocates）、詞表（Word List）、關(guān)鍵詞（Keyword List）等，被許多人廣泛地應(yīng)用于語料庫語言學(xué)研究和數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)。

二、數(shù)據(jù)分析與討論

1.形符（word tokens）與類符（word types）比值分析

形符表示在語料庫中出現(xiàn)的所有單詞，而類符表示在語料庫中的單詞類型。借助AntConc工具，可以收集兩個(gè)語料庫中形符與類符的基本統(tǒng)計(jì)信息。觀察語料庫有119398個(gè)形符，而參考語料庫有1123452個(gè)形符。下面是《呼嘯山莊》與LOB語料庫中的形符類符表1：

類符/形符比（Type/Token Ratio，簡(jiǎn)稱TTR）指的是特定語料庫中類符數(shù)和形符數(shù)的比率[3] ，它被稱為詞匯密度，能反映文本所使用詞匯的豐富程度。TTR比值越大，說明該文本所使用的詞匯量越多;反之則越少。表1中LOB語料庫的TTR值是3.53，而《呼嘯山莊》中TTR值是7.7。從兩個(gè)語料庫的TTR數(shù)值看，《呼嘯山莊》的詞匯豐富程度是大于LOB語料庫的。然而，文本或語料庫越大，那么其TTR就越小。因此，比較不同大小語料庫的TTR值的意義不大。標(biāo)準(zhǔn)化類符/形符比（Sd. Type/Token Ratio）更適用于不同大小語料庫的詞匯量對(duì)比。到目前為止，AntConc還不包括該項(xiàng)功能，可借助wordsmith等語料庫工具進(jìn)一步分析。

2.詞頻分析（word frequency）

高頻詞匯的檢索是運(yùn)用語料庫檢索分析文學(xué)作品的主要方法之一。首先通過單詞表（word list）工具對(duì)語料庫中的所有單詞計(jì)數(shù)，然后有序地列出語料庫中最常用的單詞。表2提取了《呼嘯山莊》小說中出現(xiàn)頻率最高的50個(gè)單詞。

由表2可以看出，《呼嘯山莊》小說頻繁使用人稱代詞，高頻詞中的人稱代詞多達(dá)9個(gè)，其中，人稱代詞“ I（我）”是最常用的詞，這表明《呼嘯山莊》的故事是通過第一人稱來敘述的。而且，人稱代詞“you（你）”的重復(fù)使用表明文本中發(fā)生了很多對(duì)話。另外，發(fā)現(xiàn)“he（他）”，“his（他的）”和“him（他）”的發(fā)生次數(shù)（共4485次）比“she（她）”和“her（她）的”的發(fā)生次數(shù)（共2889次）要高得多。同時(shí)，前50個(gè)高頻詞中也出現(xiàn)了“mr（先生）”一詞（共312次）。由此可以看出，男性角色在這部小說中占有重要的地位。

表中另外一個(gè)突出的特點(diǎn)是，“Heathcliff”“Linton” “Catherine”等名字出現(xiàn)在前50常用詞中。這意味著這部小說的故事很可能與出現(xiàn)的這些人名有關(guān)。此外，前50個(gè)高頻詞中包含5個(gè)動(dòng)詞：“was”排名第15，“be”排名第26，“is”排名第29，“said”排名第41，“were”排名第44。5個(gè)動(dòng)詞中有3個(gè)為過去時(shí)，且出現(xiàn)頻率最高的是“was”，唯一的概念動(dòng)詞“said”也是過去式，這都表示小說中提到的大多數(shù)事物或故事都發(fā)生在過去。

3.關(guān)鍵詞（key words）分析

在語料庫語言學(xué)中，關(guān)鍵詞是在文本或語料庫中數(shù)據(jù)頻率統(tǒng)計(jì)上顯著出現(xiàn)的詞。語料庫軟件將文本的單詞列表與較大參考語料庫的單詞列表進(jìn)行比較，識(shí)別出關(guān)鍵詞。在文學(xué)作品中，主題詞有助于分析作品中的基本信息及主要情節(jié)。使用AntConc工具將觀察語料庫（Wuthering Height）與參考語料庫（LOB）進(jìn)行比較，得出排名前15位的常見關(guān)鍵詞，見表3。

從表3可以看出，“I”一詞排在第一位，說明故事是第一人稱來敘述的。在《呼嘯山莊》中，Lockwood是整個(gè)故事的敘述者。他首先以第一人稱的角度講述了自己居住在呼嘯山莊時(shí)的所見所聞。既是小說的敘事者，同時(shí)也是小說中的角色，但故事中發(fā)生的這些活動(dòng)他是沒有參與的。他只是一個(gè)觀察者，客觀而冷靜地描述了過去和現(xiàn)在發(fā)生的事情。因此，Lockwood這個(gè)名字在小說中很少出現(xiàn)。

從關(guān)鍵詞表中，還可以得出有關(guān)小說主題的一些信息?？梢郧宄嘏袛喑觥逗魢[山莊》的主要角色。關(guān)鍵詞前10中的出現(xiàn)人名是Heathcliff，Linton和Catherine，可以確定整部小說都是圍繞這三個(gè)人物發(fā)展的。值得我們注意的還有關(guān)鍵詞是“Master（主人）”。這本書講述了三個(gè)主要角色之間的愛情以及Heathcliff的復(fù)仇故事。[4] Heathcliff重新回到呼嘯山莊和畫眉山莊，并最終成為這兩個(gè)地方的主人，因此經(jīng)常看到“Master”這個(gè)詞。

4.索引（concordance）分析

索引功能可以幫助搜索特定的關(guān)鍵詞并查看該關(guān)鍵詞所在的上下文。通過這種方式，可以查看事情發(fā)生時(shí)的語境和作者描述人物的語言，從而使讀者更好地理解作品。索引功能搜索關(guān)鍵詞“Heathcliff”，可以清楚地看到他所在的上下文。搜索結(jié)果顯示，與“Heathcliff”相關(guān)的大多數(shù)單詞都是消極的，例如自私、暴力、惡魔等。Heathcliff離開家后，性格變得陰暗且狂野;他非常殘酷，一心只想報(bào)仇。而通過索引功能顯示出來的描述凱瑟琳的詞主要分為兩種：一種用于描述凱瑟琳的性格特征，例如野性、狂熱。另一種則是用于描述凱瑟琳的生活狀態(tài)，例如沉默、困惑、憂郁等。這兩種類型的詞充分體現(xiàn)了凱瑟琳的雙重性格，她狂野且渴望荒原，又無法抗拒名利雙收的誘惑;同時(shí)顯示了凱瑟琳失去愛情并離開曠野后的沮喪狀態(tài)。通過索引檢索，小說人物性格特征變得格外清晰。

三、結(jié)語

語料庫分析工具為分析文學(xué)作品提供了新途徑。它為研究文學(xué)作品的語言風(fēng)格和主題提供了詳細(xì)的定量依據(jù)，并幫助讀者更好地理解原著的思想。通過對(duì)大量數(shù)據(jù)進(jìn)行定量分析，可以更直觀、客觀地解讀文本。當(dāng)然，文本檢索有其自身的局限性。研究人員需要以多種方式去解釋文本，以更好地理解作品。

參考文獻(xiàn)：

[1]Stubbs， M. Text and Corpus Linguistics： Computer-Assisted Studies of Language and Culture [M].Cambridge： Blackwell Publishers， 2005.

[2] Bront?， E. Wuthering Heights[OL].http：//www.gutenberg.org/etext/768，2007.

[3]楊惠中.語料庫語言學(xué)導(dǎo)論[M].上海：上海外語教育出版社， 2002.

[4]楊璐，西斯克利夫與凱瑟琳的愛恨情仇[J].世界文學(xué)評(píng)論，2010（2）：87-91.

責(zé)任編輯：孫瑤