网络驱动语料库刍议——兼论“万维网能否代替传统语料库?”

万维网的大量数据以自然语言文本形式存在,如何挖掘和利用万维网的自然语言文本已成为计算机科学和语言学的交叉研究热点,这改变了传统的语言学知识获取方式,冲击了语料库语言学的现有范式,挑战着传统语料库在语言研究中的地位--既然语言学知识可从万维网获得,那么万维网能否代替传统语料库?这一问题的关键在于万维网能否如传统语料库一般为语言研究提供可靠的语言学知识。文章探讨了从万维网获取语言学知识的三种途径及其可靠性:通用搜索引擎;语言学搜索引擎;网络驱动语料库。研究发现,通用搜索引擎和语言学搜索引擎的局限性较大,而网络驱动语料库是三者中最可靠的一种语言学知识获取途径;尽管网络驱动语料库凭借自动化建库和超大规模的优势,在词典编纂、短语自动识别、自然语言处理等领域显示出了一定潜力。但由于存在诸多缺陷,万维网尚不能取代传统语料库,但它与语言研究的结合有望成为语料库语言学在未来的重要研究方向。