频率统计在语料库中的应用

(本文中所有图表均由本文作者设计的“STATIST”语料库统计电脑软件绘制。)语言符号的出现和分布不是完全确定的,具有随机性。这一特征使得人们难以用确定的规则来对其进行令人满意的描述。

《中国英语对比语料库》的设计、建立和初探

"中国英语"的研究得到了世界范围的关注。在中国环境中使用的英语尽管已有近三百年的历史,其变体身份还未得到世界范围内的认可。国内外语学界对中国英语是否为一客观存在的英语变体也一直众说纷纭。为了避免各种基于直觉和经验的判断和论证,本文作者致力在这一领域基于语料库的研究,并希望通过建立一个能够代表在中国环境中使用的英语的语料库,来对中国英语的语法及句法特征进行量化分析。《中国英语对比语料库》即为我们研究的一个直接成果。

基于语料库的最新ISO会话行为标注体系的研究:从SWBD-DAMSL到SWBD-ISO

会话行为(dialogue act)是言语行为在实际对话中的使用,以表述对话者在特定语境中的交际意图。会话行为研究,特别是基于实证的会话行为研究,对深入了解人类语言的交际策略、人机对话机制有着深远的指导意义。最近,国际标准化组织拟定了一套新的会话行为标注体系(ISO 24617-2 2012;Bunt,et al.2012)。该标注体系反映了会话行为研究的最新方向和发展。本论文旨在通过对一个大型对话语料库的实际标注,来探讨ISO这一国际标准的可执行性以及一些相关的具体问题。本研究以Switchboard对话语料库为基本语料,通过对其现有的SWBD-DAMSI会话行为标注的观测和分析,拟定了一套从SWBD-DAMSL到ISO的转换规则,将大部分SWBD-DAMSL会话行为类别转码自动匹配到ISO会话行为体系。此外,本研究针对该语料库中最高频的十五种会话行为,利用人工智能领域中的机器学习技术,以一元模型为特征,来测试对会话行为自动分类的正确性,并以准确率、召回率和综合指标F_1这三个参数进行评估。研究结果表明,以自动转换的会话行为类别为例,对ISO体系标注的语料进行自动分类,其综合准确率可达84.3%,明显高于SWBD-DAMSL标注体系。文章最后讨论本研究在对话语料分析和自动对话系统等领域的意义以及今后的研究方向。

生物医药英语的动词体系实证探究

随着学术交流的日益频繁,专门用途英语的语言及教学研究倍受关注。本文旨在通过对大型生物医药学英语摘要语料库中的动词体系,尤其是动词及物性进行探讨,归纳总结该学科英语对知识的语言表征特点,以期对医学英语写作以及相关教学提供有效的启示。研究发现,与通用英语相比,生物医药学科英语更倾向使用词汇化动词;单宾及物动词的大量使用体现了该学科知识构建中侧重对生物事件的描述;被动语态仍然是最常见的一种语言表述方式。

学术英语中因果类话语标记语的使用——基于语料库的研究

本研究选取英国学术英语语料库(BAWE)和中国英语学习者口语笔语语料库2.0(SWECCL 2.0)为语料来源,分析了英语母语者与中国英语学习者在相同话题的学术型议论文中因果类话语标记语(DMs)的分布和具体使用情况,发现:(1)母语者和学习者语料中表原因和表结果的DMs分布特点均表现为,极少数的DMs占了绝大多数(约70%)的使用频次。(2)母语者和学习者表结果和表原因的DMs使用频次比例相等,均约为2:1,原因可能是文体或话题相同。(3)英语母语者语料中,因果类DMs一般出现在句子中间,而不直接出现在句首,出现在句子中间表原因的DMs高达86.03%。(4)母语者最常用therefore表结果,有54.81%置于句子中间,其具体位置非常灵活,其中41.54%出现在谓语动词之前;另外的45.19%置于主语前,其具体位置也很灵活。相比母语者,中国英语专业大学生的英语议论文中因果类DMs使用特点为:(1)分布更极端,极少数因果类DMs占了更多使用频次。(2)更常在句首使用,更多表原因的DMs放在句中而不是句首。(3)过度使用口语中常见的so表结果。(4)更常用as a result和so that表结果和用because、since、after all表原因等。