漢語學(xué)術(shù)口語語料庫的創(chuàng)建與應(yīng)用研究

同濟(jì)大學(xué) 韓 毅 劉運(yùn)同

提要：在漢語國際教育的理論研究和教學(xué)實踐中，漢語學(xué)術(shù)口語是一個重要的組成部分，然而目前該領(lǐng)域的研究和探索十分有限。本文使用LancsBox平臺搭建了規(guī)模達(dá)86,395字的試驗性漢語學(xué)術(shù)口語語料庫。在語料采寫的過程中，通過運(yùn)用語音識別技術(shù)，再結(jié)合文本人工校對，大幅提高了采寫的工作效率。語料處理方面，在參考各類標(biāo)注系統(tǒng)的基礎(chǔ)上，研究采用XML格式，標(biāo)注了停頓、重復(fù)、口誤、填充詞、未完句和替換等口語現(xiàn)象。同時，利用所搭建的漢語學(xué)術(shù)口語語料庫，本文對漢語學(xué)術(shù)口語的一些典型特征開展了初步研究。在詞頻統(tǒng)計和詞語分布分析的基礎(chǔ)上，本文還完成了漢語學(xué)術(shù)口語中的自然停頓單位分析及其分布統(tǒng)計，發(fā)現(xiàn)自然停頓單位的長度集中在1—15個音節(jié)的區(qū)間上。

1.引言

在漢語國際教育的研究與教學(xué)實踐中，生活漢語、通用漢語的教學(xué)與研究較多，學(xué)術(shù)漢語的教學(xué)與研究較少，漢語學(xué)術(shù)口語的教學(xué)與研究更少。無論是在英語作為第二語言還是漢語作為第二語言的研究領(lǐng)域，目前語料庫的建設(shè)都呈現(xiàn)出書面語語料庫較多、口語語料庫較少的局面。

本文希望通過創(chuàng)建小型試驗性漢語學(xué)術(shù)口語語料庫，為進(jìn)一步創(chuàng)建大型口語語料庫，特別是學(xué)術(shù)口語語料庫的探索提供工具和方法方面的支持。利用所搭建的漢語學(xué)術(shù)口語語料庫，初步統(tǒng)計分析所選取語料的停頓單位、詞頻分布、語義關(guān)聯(lián)以及特殊句式等研究課題，為漢語學(xué)術(shù)口語研究、口語研究提供語料基礎(chǔ)和方法借鑒。

2.漢語學(xué)術(shù)口語語料庫的設(shè)計和研制

2.1 語料的采集和轉(zhuǎn)寫

語料的采集是搭建任一類型語料庫的基礎(chǔ)工作。本文所進(jìn)行的漢語學(xué)術(shù)口語語料庫的搭建是一項試驗性的、先導(dǎo)性的研究，并未按照隨機(jī)抽樣或一定規(guī)則的分類抽樣選擇語料，而是依據(jù)便利性原則，選取了網(wǎng)易公開課平臺上的“南昌大學(xué)公開課：現(xiàn)代漢語與社會生活”1的視頻作為語料的主要來源。該課程由徐陽春教授主講，視頻音質(zhì)較高，普通話相對標(biāo)準(zhǔn)，雜音較少，有利于提高轉(zhuǎn)寫效率，減少轉(zhuǎn)寫錯誤。

相較于規(guī)范的書面語語料來說，口語語料的采寫過程更為繁瑣。本研究的采寫流程為：

（1）轉(zhuǎn)錄。使用虛擬聲卡工具Virtual Audio Cable配合聲音處理工具Adobe Audition CS6對視頻聲音進(jìn)行轉(zhuǎn)錄并處理保存。其中，采用內(nèi)錄的方式是為了保證聲音質(zhì)量的穩(wěn)定，不摻雜外界噪聲。

（2）轉(zhuǎn)寫。將處理過的音頻文件導(dǎo)入“訊飛聽見”平臺，使用“語音轉(zhuǎn)文字——中文機(jī)器快轉(zhuǎn)”功能，利用語音識別技術(shù)，對聲音文本進(jìn)行前期處理。該步驟的識別準(zhǔn)確率可保證在90%以上，能夠較好地提升轉(zhuǎn)寫效率。

（3）加工存檔。對轉(zhuǎn)寫后的語料進(jìn)行精細(xì)加工，對照音頻文件逐字逐句校對修正，標(biāo)注停頓等符號，并儲存為文本文檔。

2.2 語料的標(biāo)注

語料的標(biāo)注分為兩個層面：第一是語料基本性質(zhì)的標(biāo)注，以及語料的采集時間、分類等方面的標(biāo)注。在這一層面上，漢語學(xué)術(shù)口語語料庫對每一篇語料的標(biāo)注包括以下6個方面。

（1）類型，包括課堂（這是本研究的試驗性語料庫的主要語料類型）、學(xué)術(shù)會議、學(xué)術(shù)報告等；

（2）學(xué)科，分為語言學(xué)、金融、計算機(jī)科學(xué)等；

（3）時間，指語言行為發(fā)生的時間，精確至月；

（4）地點(diǎn)，指語言行為發(fā)生的地點(diǎn)，精確至單位、組織和場合，如南昌大學(xué)、XX學(xué)術(shù)研討會；

（5）說話人性別；

（6）說話人年齡，以10歲為單位進(jìn)行分段分類，如20—29歲、30—39歲等。

語料標(biāo)注的另一個層面為對具體的詞、句子、段落進(jìn)行標(biāo)注。如上所述，進(jìn)行語料標(biāo)注的目的是研究語言現(xiàn)象，因此語料標(biāo)注需要有較強(qiáng)的可拓展性和靈活性。本文認(rèn)為這一層面的標(biāo)注應(yīng)堅持以下4個原則。

（1）標(biāo)注分類明確可辨；

（2）標(biāo)注符號可以全部或按照分類快速移除；

（3）可以通過標(biāo)注符號快速提取相應(yīng)分類的語料；

（4）標(biāo)注系統(tǒng)具有較強(qiáng)的適配性和拓展性。

在口語話語標(biāo)注時，通常會從以下4種標(biāo)注系統(tǒng)中進(jìn)行選取，包括：Bois的TD、Konrad Ehlich的HIAT、會話分析（CA）傳統(tǒng)的轉(zhuǎn)寫系統(tǒng)和Brian MacWhinney的CHAT（劉運(yùn)同 2016）。本文在參考上述標(biāo)注系統(tǒng)的基礎(chǔ)上，結(jié)合XML語言的形式與格式，同時以本文重點(diǎn)研究的課題為出發(fā)點(diǎn)，對以下口語特征進(jìn)行標(biāo)注。

（1）停頓，即口語表達(dá)中的自然停頓。在判斷停頓時不僅依靠聽力辨別，還依靠音頻聲波圖中的靜音時長輔助判斷，在停頓處插入符號[P]表示。

（2）重復(fù)，即口語表達(dá)中的語言重復(fù)。用“”符號表示，例如：“連不起來有點(diǎn)雜糅[P]。”此處需要對標(biāo)注符號的形式做一點(diǎn)簡單的說明：在“”中，“df”表示一種標(biāo)注的大類，此處“df”定義的是“口語中的不流暢”現(xiàn)象，也是本文主要標(biāo)注的類別?！皌ype='repeat'”中的“'repeat'”表示“口語中的不流暢”這一上層類別中的子類別“重復(fù)”，下文還會分別介紹其他次級子類。正如例句所示，標(biāo)注時將需要標(biāo)注的文本放置與兩個尖括號中間，“”表示該標(biāo)注的完成，“/”是結(jié)束的主要標(biāo)記，在分析時用于提取和定位標(biāo)注內(nèi)容。

（3）口誤，即在話語中表達(dá)錯誤，但沒有進(jìn)行修改或修改為其他不相關(guān)的內(nèi)容。用“”符號表示，例如：“那么我們的課大學(xué)的課呢[P]跟高中那個時候呢[P]不同點(diǎn)在哪里呢[P]?！?/p>

（4）填充詞，即用于語段間的停頓和過渡的內(nèi)容。用“”符號表示。這類現(xiàn)象出現(xiàn)的次數(shù)較多，例如：“然后[P]那么A怎么怎么樣就可以報考是這樣的[P]?！?/p>

（5）未完句，即當(dāng)前句子沒有說完，重新說或轉(zhuǎn)說其他句子。用“”符號表示。例如：“跟動作的關(guān)系最為[P]密切唉你同學(xué)們注意第一句沒有[P]啊last year in May[P]。”

（6）替換，即在說話時覺得表達(dá)不夠清晰完整，從而選擇快速替換為意思相同或相近的內(nèi)容。用“”符號表示，例如：“接著往下看[P]成分贅余[P]那就多余了[P]校門前是一條[P]很筆直的大道唉那不就這個很是多余的啦[P]”。

2.3 語料庫的搭建

選擇以LancsBox作為語料庫的搭載平臺開展相應(yīng)研究。LancsBox是由英國蘭卡斯特大學(xué)的學(xué)者們開發(fā)的用于語料數(shù)據(jù)收集、儲存和分析的軟件系統(tǒng)2。選取LancsBox作為搭載平臺的理由包括以下幾點(diǎn)。

（1）本地化處理自有語料；

（2）內(nèi)置算法可以幫助開展分詞、詞頻統(tǒng)計、關(guān)鍵詞檢索等語料分析的基礎(chǔ)性工作；

（3）可將語料分析結(jié)果進(jìn)行可視化展示；

（4）支持中文。

2.4 語料庫的檢索

2.4.1 語料庫基本數(shù)據(jù)

語料規(guī)模：口語音頻長度約200 分鐘，轉(zhuǎn)寫文本（除各類符號）約10萬字；

語料類型：高校課堂；

學(xué)科細(xì)分：語言學(xué)；

時間：2013 年4 月（根據(jù)網(wǎng)易公開課網(wǎng)站信息推算）；

地點(diǎn)：南昌大學(xué)；

說話人性別：男；

說話人年齡：50—60歲（根據(jù)南昌大學(xué)公開資料推算）。

2.4.2 語料關(guān)鍵詞檢索

語料關(guān)鍵詞檢索功能通過LancsBox提供的前后文關(guān)鍵字工具KWIC（key word in context）實現(xiàn)。其具體功能包括以下幾點(diǎn)。

（1）查詢一個詞或短語在語料中出現(xiàn)的頻率；

（2）檢索特殊的語言結(jié)構(gòu)，例如關(guān)聯(lián)詞語、口語詞、被動句等在語料中的分布情況；

（3）對檢索出的語料條目根據(jù)具體需求進(jìn)行分類、篩選和排序；

（4）在兩個語料庫中對檢索數(shù)據(jù)進(jìn)行對比分析。

在進(jìn)行語料關(guān)鍵詞檢索的過程中，常用的檢索方式包括以下4種。

（1）直接輸入詞或短語進(jìn)行檢索；（2）使用通配符“*”進(jìn)行檢索；（3）使用正則表達(dá)式；（4）復(fù)雜度更高的方法就是將通配符與正則表達(dá)式相結(jié)合。

在進(jìn)行關(guān)鍵詞檢索時，語料庫可以為研究者提供一些自定義的配置選項，下文詳細(xì)介紹了幾種常用的配置。

（1）對關(guān)鍵詞左右顯示詞語數(shù)量的配置：默認(rèn)顯示7個詞語，可通過自定義配置的方式更改該數(shù)值。

（2）初級篩選：研究者在得到相應(yīng)檢索結(jié)果后，如得到非常多的信息條目，可據(jù)此使用初級篩選配置，定位需要保留的信息條目或者排除帶有干擾的信息條目。

（3）高級篩選：若研究者需要進(jìn)行更為具體的研究工作，則需要限定更多的篩選條件，KWIC tools提供了高級篩選功能，可以對關(guān)鍵詞及其左、右的各個詞語進(jìn)行條件設(shè)定，同時可進(jìn)行正則運(yùn)算。

3.漢語學(xué)術(shù)口語的詞頻統(tǒng)計分布與語義關(guān)聯(lián)研究

3.1 詞頻統(tǒng)計分析

詞頻統(tǒng)計分析是詞匯研究的重要方法，也是語料庫研究中分析文本特點(diǎn)的重要方法。漢語詞與詞之間沒有空格等符號標(biāo)識詞的邊界，在做詞頻統(tǒng)計之前需要對漢語文本進(jìn)行分詞處理。本研究結(jié)合LancsBox自帶的分詞模型和Jieba分詞模型對語料進(jìn)行了分詞處理。經(jīng)過兩種分詞結(jié)果的詞匯對照，在Jieba分詞的基礎(chǔ)上，添加自定義詞典，并啟用HMM模型3，將“是吧”“對不對”等詞語準(zhǔn)確地切分出來。本文使用Python程序語言引入Jieba模塊進(jìn)行相關(guān)的切詞處理，在切詞前已經(jīng)將少量英文、阿拉伯?dāng)?shù)字等先行去除。

經(jīng)過中文分詞處理，相關(guān)語料總共被切出了25,902個詞，本文對詞頻在前100的詞進(jìn)行分析研究。按照詞頻降序排列后的結(jié)果如表1所示。

表1 詞頻前100的詞降序排列結(jié)果

（續(xù)表）

從統(tǒng)計結(jié)果看，詞頻最高的是“的”“啊”“是”“呢”“了”這些詞語。眾所周知，“的”在通用漢語中的詞頻本身就很高?！鞍　薄澳亍钡忍撛~在LCMC（Lancaster Corpus of Mandarin Chinese）漢語書面語語料庫中的詞頻都在200以上4，語料庫中“啊”和“呢”等詞的高頻使用，可視為漢語口語語料庫的特征之一。

3.2 詞語搭配網(wǎng)絡(luò)分析

任何一個詞語都不是孤立的。在不同的場景下，詞語之間存在著某種特定的關(guān)系，這種關(guān)系很難通過只言片語或少量的文本發(fā)現(xiàn)，而運(yùn)用語料庫數(shù)據(jù)，語料的規(guī)模越大，越容易發(fā)現(xiàn)特定背景下的語言中詞與詞之間的特定關(guān)系，稱之為詞語搭配。

我們可以使用兩種方法衡量語料庫中詞語間的關(guān)聯(lián)程度：互信息（MI）和T值（T-score）。MI值可展示語料庫中詞語的共現(xiàn)頻率與預(yù)期值的差異。用統(tǒng)計學(xué)術(shù)語說，這種方法可用來測量詞x 和y 之間的關(guān)聯(lián)強(qiáng)度。

但是，在詞頻非常低的情況下，用MI值測量詞語之間關(guān)聯(lián)強(qiáng)度的效果難以盡如人意。T值則可以避免這一問題，這種方法也將詞頻因素納入了考慮范圍。T值測量的不是關(guān)聯(lián)強(qiáng)度，而是分析可以斷言存在關(guān)聯(lián)的置信度（confidence）。從實際的操作情況出發(fā)，MI值更可能賦予完全固定的短語以較高的分值，而T值則會產(chǎn)生出現(xiàn)頻率相對較高的、特征鮮明的搭配詞。

從本次搭建的漢語口語語料庫情況來看，詞語的出現(xiàn)頻率并不低，并且本研究主要關(guān)注詞語之間的關(guān)聯(lián)強(qiáng)度而非置信度。同時，作者對兩種計算方法進(jìn)行了應(yīng)用試驗，發(fā)現(xiàn)MI值更為準(zhǔn)確，因此本文選擇使用MI值來測算詞語之間的關(guān)聯(lián)強(qiáng)度。

LancsBox支持的GraphColl能夠便捷地提供MI值與T值的計算，GraphColl是由蘭卡斯特大學(xué)社會科學(xué)語料庫研究中心開發(fā)的跨平臺工具，用于分析搭配網(wǎng)絡(luò)，建立和研究詞語搭配網(wǎng)絡(luò)，MI值的計算方法如下。

MI=log（（AB * sizeCorpus）/（A * B * span））/log（2）

試以“語言”這個詞作為關(guān)鍵節(jié)點(diǎn)，將參數(shù)span（跨距）的取值設(shè)置為10（即到關(guān)鍵節(jié)點(diǎn)詞的左邊5個詞和右邊5個詞，可以對這個參數(shù)進(jìn)行調(diào)節(jié)），“語言”這個詞語、與其相關(guān)的詞語及關(guān)聯(lián)強(qiáng)度可見于表2。

表2 “語言”及相關(guān)詞語的關(guān)聯(lián)強(qiáng)度

在“位置”一欄中，“L”表示該詞出現(xiàn)在關(guān)鍵節(jié)點(diǎn)詞左邊的頻率更高，“R”表示該詞出現(xiàn)在關(guān)鍵節(jié)點(diǎn)詞右邊的頻率更高，“M”表示該詞出現(xiàn)在關(guān)鍵節(jié)點(diǎn)詞的左邊和右邊的頻率一樣高。MI值越大，表示與詞語“語言”的關(guān)聯(lián)強(qiáng)度越大。

從分析結(jié)果中可以看出，與“詞語”關(guān)聯(lián)度最強(qiáng)的詞是“功能”，常出現(xiàn)在“詞語”的右邊，即在當(dāng)前語料中，“語言”和“功能”的關(guān)系緊密且順序常為“語言”在前，“功能”在后。與“語言”關(guān)聯(lián)關(guān)系緊密的詞還有“形式（R）”“網(wǎng)絡(luò)（L）”“民族（R）”“環(huán)境（R）”“規(guī)范（M）”和“交際（M）”等。

詞語關(guān)聯(lián)強(qiáng)度的結(jié)果可以通過GraphColl繪制成可視化網(wǎng)絡(luò)圖表，距離關(guān)鍵節(jié)點(diǎn)越近，則表示關(guān)聯(lián)強(qiáng)度越高；節(jié)點(diǎn)顏色越深，代表該詞的詞頻越高，詳見圖1。

圖1 詞語關(guān)聯(lián)強(qiáng)度可視化網(wǎng)絡(luò)

4.學(xué)術(shù)漢語口語的停頓單位分析

經(jīng)過梳理，研究根據(jù)口語中的停頓將目標(biāo)文本切分成5,739個停頓單位。需要特別注明的是，一些句子包含英文，英文在統(tǒng)計時會計算構(gòu)成單詞的字母數(shù)。例如句子“那么last year in May he went to Hong Kong”統(tǒng)計結(jié)果為38個字符。依據(jù)這一規(guī)則得到的計算結(jié)果不盡合理，因此在按停頓單位長度排序時，去除了包含較多英文單詞的停頓單位，未將其納入排序。

4.1 停頓單位長度分析

停頓單位的長度是指一個口語停頓單位所包含的音節(jié)數(shù)，用正整數(shù)表示。依據(jù)對當(dāng)前語料進(jìn)行的相關(guān)統(tǒng)計和排序6，最長的停頓單位包含72個音節(jié)，在11秒鐘說完，每秒平均說出6.5個音節(jié)，其中有較多語言重復(fù)。長度在前20的停頓單位包含的音節(jié)數(shù)以及對應(yīng)文本如表3所示。

表3 長度前20停頓單位的音節(jié)數(shù)及文本

（待續(xù)）

（續(xù)表）

從表3中可以看出，口語中的停頓越長，其話語中的重復(fù)、更正等不流暢的語言現(xiàn)象就越多、越明顯。

當(dāng)前語料的平均停頓單位長度為7.57個音節(jié)，據(jù)此將停頓單位長度分為1—3個音節(jié)、4—6個音節(jié)、7—9個音節(jié)、10—15個音節(jié)、16—20個音節(jié)、21—30個音節(jié)、31—40個音節(jié)、41—50個音節(jié)、51—60個音節(jié)、61—70個音節(jié)及71個音節(jié)及以上，共計11個停頓單位進(jìn)行分段統(tǒng)計，其具體分布情況見表4。

表4 語料停頓單位長度分布情況

根據(jù)表4的統(tǒng)計分析可以看出，長度在1—15的停頓單位數(shù)量占絕對優(yōu)勢，占比達(dá)到91.3%以上?？梢娫趯W(xué)術(shù)口語中，長度在1—15的停頓單位更為常見。在這一區(qū)間中，長度為1—3和4—6兩個區(qū)間段的停頓單位又相對較多，由此可以得出，短句在漢語學(xué)術(shù)口語或課堂語言中較為常見。

4.2 幾種長度的停頓單位特點(diǎn)分析

根據(jù)表4可以看到停頓單位的長度集中在1—15這一區(qū)間上，若再進(jìn)行一次細(xì)分統(tǒng)計，則可得到如表5所示的結(jié)果。

表5 停頓單位為1—15的細(xì)分統(tǒng)計情況

下面以停頓單位長度為3個音節(jié)的表達(dá)單位為例，具體從文本、頻次和排序三個方面進(jìn)行觀察。

長度為3個音節(jié)的停頓單位共有441個，其中出現(xiàn)頻率最高的為“對不對”，在441個句子中出現(xiàn)了45次，占比為10.2%。表6展示了按照頻次降序排列的前20個停頓單位及其頻次。

在長度為3個音節(jié)的停頓單位中，首先，高頻使用的是用來進(jìn)行發(fā)問的“對不對”“為什么”“是不是”等；其次，是用于引出解釋和說明的“所以呢”“比如說”“可見呢”和“那就是”，也有用來引起聽話者注意的“同學(xué)們”和“你看看”等，同時也不乏與學(xué)術(shù)內(nèi)容相關(guān)的專業(yè)詞語，如“普通話”和“共同語”等。

表6 頻次降序前20個長度為3的停頓單位及其頻次

5.小結(jié)

漢語學(xué)術(shù)口語語料庫的創(chuàng)建和分析是一項充滿挑戰(zhàn)的研究。本研究參考了國外已建成的學(xué)術(shù)口語語料庫的搭建邏輯，如英國學(xué)術(shù)英語語料庫（British Academic Spoken English，簡稱BASE），并參照了國內(nèi)部分口語語料庫的轉(zhuǎn)寫和標(biāo)注規(guī)范，搭建了試驗性的學(xué)術(shù)漢語口語語料庫。從語料的收集、音視頻的轉(zhuǎn)碼、文字的轉(zhuǎn)寫到語料標(biāo)注和入庫，搭建語料庫的主體環(huán)節(jié)基本完成。同時，還通過使用相關(guān)技術(shù)手段，提升了部分流程的效率，例如使用語音識別技術(shù)輔助聲音轉(zhuǎn)為文本，以及使用程序進(jìn)行漢語自動分詞等。所搭建的漢語學(xué)術(shù)口語語料庫，能夠執(zhí)行檢索、分析等研究功能。這項先導(dǎo)研究為大規(guī)模學(xué)術(shù)口語語料庫的創(chuàng)建積累了寶貴的經(jīng)驗。

語料庫的創(chuàng)建是一項復(fù)雜的工程，本研究也存在一些不足。第一，轉(zhuǎn)寫與標(biāo)注的嚴(yán)密性有待加強(qiáng)。嚴(yán)格意義上說，轉(zhuǎn)寫文本和標(biāo)注文本需要多人多層校對審核，以保證較高的準(zhǔn)確率。第二，語料庫的規(guī)模雖然已經(jīng)超過8 萬字（86,395），但對語料庫來說規(guī)模仍然較小，在進(jìn)行分析時一些偶然因素可能會導(dǎo)致結(jié)果存在較大的誤差。

我們發(fā)現(xiàn)，即使是一個小規(guī)模的學(xué)術(shù)口語語料庫，仍然可以為學(xué)術(shù)口語研究和教學(xué)提供許多有益的參考，例如通過對當(dāng)前語料庫的統(tǒng)計分析，發(fā)現(xiàn)漢語學(xué)術(shù)口語的句長以1—15個音節(jié)居多。另外，通過對停頓間的言語單位開展研究，本文發(fā)現(xiàn)了大量常用的固定表達(dá)方式，如“對不對”“就是說”“為什么”“所以呢”“是不是”等。上述信息不僅能夠深化我們對學(xué)術(shù)口語的認(rèn)識，也將為學(xué)術(shù)口語的教學(xué)提供真實而有效的素材，以幫助學(xué)習(xí)者更高效地掌握漢語學(xué)術(shù)口語。

注 釋

1.見http://open.163.com newview/movie/courseintro? newurl=M8s7 JDCEP。

2.見http://corpora.lancs.ac.uk/lancsbox/index.php。

3.HMM模型，即隱馬爾可夫模型（Hidden Markov Model，簡稱HMM），是一種基于概率的統(tǒng)計分析模型，用來描述一個系統(tǒng)隱性狀態(tài)的轉(zhuǎn)移和隱性狀態(tài)的表現(xiàn)概率。在Jieba中，對于未登錄到詞庫的詞，使用了基于漢字成詞能力的HMM模型和Viterbi算法。

4.LCMC語料庫是一個100萬詞次（按每1.6個漢字對應(yīng)一個英文單詞折算）的現(xiàn)代漢語書面語通用型平衡語料庫。

5.標(biāo)準(zhǔn)離差率越小，偏離程度越小，詞語在整個語料庫中的分布更為廣泛；反之，標(biāo)準(zhǔn)離差率越大，偏離程度越大，詞語在整個語料庫中出現(xiàn)更為集中。

6.音頻鏈接https://pan.baidu.com/s/1BvrZDgk5Gcd_Wg3Dg2w1Yw，提取碼：h7vt。