从全文检索到语言计量和语言智能——语料库研究应用的三个层次及资源

20世纪中后期,随着计算机软硬件技术的快速发展,语料库在规模、深度甚至模态上都有了长足进步,实现了由全文检索到语言智能的巨大飞跃。语料库的分类一般从收录语言材料的地域、时代、语种、语体、语域等层面,或语音、词法、句法、语义、篇章等标注层级,或面向具体的研究问题等角度来划分。但更基本的、却较少关注的问题是语料库的构建和应用是面向学者的语言研究需要,还是面向计算机的语言计算建模需要。本文从语料库研究和应用的角度出发,将语料库研究划分为面向全文检索、语言计量和语言智能等三个层次,着重介绍了与后两者相关的期刊、会议和成果资源,助力研究者确定研究范式,构建和使用相匹配的标注语料库,实现多学科的交叉融合和应用。

基于语料库软件AntConc对《麦琪的礼物》的研究

语料库语言学是20世纪80年代兴起的一门研究文本检索、抽样、分析和统计的学科。本文以语料库语言学为基础,并综合利用语料库分析研究工具AntConc的“Word List”、“Concordance”、“Concordance Plot”、“File View”等功能,就美国知名小说家欧·亨利(O. Henry)的作品《麦琪的礼物》(The Gift of the Magi)的叙事视角、语言特色、人物形象、角色关系以及文本主题五个方面展开研究,以期为文学鉴赏开辟新的思路。

AntConc语料库在“复盘式”教学法中的应用——以英语写作课程为例

AntConc是学界中常用的语料库资源之一,在外语教学和研究中有诸多应用实践。本研究将AntConc语料库与“复盘式”教学法相结合,使语料库成为检验教学效果的主要方法。复盘的核心是反思,强调以学生为核心,在以研究为导向的前提下进行自主性反思和再产出。实践证明,这不仅可以优化学生的学习成果产出,更能优化学生改进的效果,在强调学生作为学习主体地位的同时,提高其学习主动性,增强问题意识,进而有效提高学生的学习自主性。

基于语料库检索软件对《儿子与情人》的分析研究

近年来,语料库研究方法在文学领域得到了广泛应用。该文基于语料库语言学的研究方法,利用AntConc的检索功能,结合TagAnt对劳伦斯的小说《儿子与情人》的语言特征、人物塑造、叙事视角、情节发展进行检索分析研究。研究发现,基于语料库检索软件的语篇分析为更理性地分析和研究文学作品提供了数据支持和量化依据,从而为解读和欣赏文学文本提供了另一种方式和视角。

基于关联特征的英语语料库快速检索方法

为提高英语语料数据库运行效率,降低检索成本,文中提出了一种基于关联特征的英语语料库快速检索方法。依据英语语言规则对检索关键词特征进行提取与分析,依据所提取的关键词特征在语料数据库中查找相关文献,实现英语语料数据库快速检索。仿真实验结果证明,所提英语语料数据库快速检索方法具有较高的运行效率,最高为99%,平均数据覆盖率为97%左右且成本较低,具有一定的借鉴价值。

人教社中小学教材语料库(PEPTC)的研制

人教社中小学教材语料库(PEPTC)1是人民教育出版社自行研发、集语料和语料分析工具于一体的教材语料库,分为教材语料、非教材古代汉语、非教材英语三个子库,规模近2,500万字节,具有数据质量高、标注针对性强、功能完备且易于使用等特点。它采用浏览器-服务器(B/S)的体系架构,为用户提供信息概览、语料分析、资源管理和数据智能分析工具等功能,主要服务于人教社教材、辞书、教育图书的编研出版,同时也为教材语言研究提供帮助、为数字出版积累资源。本文详细介绍了PEPTC的建设背景、设计架构、数据处理原则、语料情况、检索和使用方法,总结了该库的特点、价值和发展方向。

基于中文的亚洲英语共同体语料库的构建

基于中文的亚洲英语共同体是中华文化的承载介体,是人类命运共同体的基本通用语之一。然而,缺乏大量的真实可信数据、科学的数据挖掘与自然语言处理方法,已成为制约基于中文的亚洲英语研究发展的关键技术问题。在分析相关研究现状的基础上,设计并实现了一个大数据驱动的基于中文的亚洲英语语料库并通过Web开发实现在线检索服务(Corpus of Chinese-based Asian English,CCbAE)。这是一个由六个基于中文的英语变体(中国内地英语、中国香港英语、中国台湾英语、中国澳门英语、新加坡英语、马来西亚英语)组合而成的大规模语料库。首先,简要说明了系统的总体架构和数据库构建。其次,结合Web可视化界面着重介绍了语料库的六大功能,分别为词频统计、特征展示、词汇变异、形态变异、句法变异、词义变异。该系统的设计与实现为不同层次的用户体,提供简捷易用的基于中文的亚洲英语语料检索服务。

基于可比语料库的中国《政府工作报告》英译本词汇特征研究

本文自建可比语料库,借助在线兰卡斯特统计工具和AntConc,以2021至2023年中国《政府工作报告》英译本子库为目标语料库,以同期美国《国情咨文》子库为参照语料库,通过与上三年《政府工作报告》英译本历时比较及两子库共时比较,探讨目标语料库的词汇特征。结果表明,历时来看,一是我国政治文献的英译水平大幅提升,《政府工作报告》英译本理解难度适中,越来越为国外受众所接受;二是主题词变化显著,政府工作重心转移;三是情态词量值整体下移,表明我国政府更有信心、更有把握实现第二个百年奋斗目标。共时来看,一是《政府工作报告》英译本名词化程度高,文体特征正式;二是其体现的国家和民族整体性意志强,是党同人民群众的智慧结晶。

基于石油学术期刊摘要语料库的文本特征分析与词汇比较

本文利用AntConc语料库工具,从文本和词汇角度研究了TA语料库,TA语料库由505篇石油科技外文期刊摘要构成,含130 000词。研究发现,TA中被动语态的使用频率比AmE06_130语料库高出19.35%;对于人称代词,“it”和“we”的频率最高;oil的词频是petroleum的13倍。

基于语料库的文本分析探究伍尔夫的女性主义——以《一间自己的房间》为例

文章运用语料库检索软件AntConc对《一间自己的房间》(A Room of One’s Own)的英文原文本进行检索,借助软件的相关检索功能,对文本进行定量与定性分析。通过对文本词频、词丛和关键词的分析,发现该文本:1)是使用第一人称来叙事的演讲稿;2)讨论了过去和现在女性写作面临的困境,并提供了解决办法;3)体现了伍尔夫的意识流风格和女性主义思想。

面向语文辞书编纂的神经网络语料库检索研究

语料库检索已成为语文辞书编纂过程中不可或缺的一个步骤。现有的语料库检索系统通常先返回句子列表,然后由人工进行筛选。然而,随着语料库规模不断扩大,海量检索结果与用户有限的语料消化能力之间的矛盾已成为辞书编纂过程中的痛点之一。文章注意到,辞书编纂人员在检索语料库时,实际上更为关注的是检索词出现的语境(或称上下文)。语境具有相对稳定的语言学规律,语料库中往往存在着大量符合同一语言规律的语境。这种同质的语境对辞书编纂提供的价值相对有限,单纯依靠增加语料数量对辞书编纂的贡献已呈现出边际效益递减的现象。因此,文章尝试以海量检索结果中的同质语境为突破口,通过人工智能中的注意力机制、上下文相关词向量以及预训练语言模型等技术,以可视化及可交互的形式为辞书编纂人员展现检索结果分布的概貌,批量处理同质的语境,以提升辞书编纂的效率。

利用语料库检索软件AntConc对《藻海无边》的多维度分析

以英文版小说《藻海无边》为研究对象,从语料库的角度出发,借助语料库检索软件AntConc 3.5.8的索引、索引定位、搭配等功能来对小说中的语言特点与人物特色进行研究分析。结果表明:小说《藻海无边》的语言通俗易懂,以第一人称视角叙述;女主人公处在边缘化、他者化阶段,存在身份认同危机。

语料库检索软件的功能与特点对比研究——以WordSmith Tools 6.0与AntConc3.2.4为例

文章主要考察对比“WordSmith Tools 6.0与AntConc 3.2.4”这两款语料库检索软件在数据兼容性、操作易用性、功能完备性等方面的功能。研究对比发现:两者皆为语料库语言学研究领域认可的权威软件,前者为商业软件,需付费使用,后者为绿色免费软件;都可对集成的言语材料进行词语检索、词语统计和语境共现的研究,对自然文本进行量化分析;前者软件界面友好、标注便捷、支持大文件处理,且检索功能强大,适合语料库语言学专家使用,而后者界面简洁和操作方便,适合初学者操作。文章站在初学者立场,评判两款软件的优缺点,在软件选择和操作用法上为外语研究学者提供新的研究路径。

基于语料库检索软件AntConc分析《小妇人》人物性格

计算机技术的发展带给各个学科领域不同程度的变革,大量软件如英文统计软件AntConc,WordSmith,AntMover,及中文分词软件ICTCLAS等,让语篇分析获得新视角,语料库的研究正是建立在这种基础之上。该文利用AntCont软件进行示范分析英文原版小说"Little Women",在现有语料库基础上,对语篇分析及人物性格分析有据可循。

莫言作品《蛙》的语料库检索分析

文章利用语料库检索软件Antconc,对莫言的小说《蛙》从主题、故事情节和人物形象塑造等方面进行了较为深入的分析。首先,利用Antconc的主题词功能提取出主题词并进行归类,结果不仅印证了《蛙》的主题与计划生育密切相关,而且也反映出《蛙》与莫言其他作品之间的延续性以及作品中乡土立场和人文立场的统一。然后,利用Antconc的索引功能对主要角色"姑姑"进行检索,对每一条检索结果根据其描述内容和情感倾向做了人工标注并统计,分析结果显示,对"姑姑"的感情生活、容貌性情以及身世等方面看似与主题无关的描写实际上对小说人物塑造、情节发展都起到了至关重要的作用。

大规模中文语料库检索技术研究

大型中文语料库的检索需求与通用文本检索系统差异很大,需要研究专门的中文语料库检索技术。Cici是一个面向GB规模的中文语料检索系统,它高效地实现了4种针对汉语研究的检索功能,涉及词性的检索、词或短语的重叠式检索、带通配符的汉字串检索、汉字串频次检索。实现以上检索功能的关键是:先统计语料库的N-gram汉字串频次,并将统计结果分别按频次大小及汉字串Unicode编码进行倒排序索引。对用户输入的检索请求,先检索汉字串频次统计结果,向用户反馈一个备选汉字串集合;然后让用户参与检索优化过程,选择正确性较高的汉字串;最后在语料库中检索用户选定的检索词。

语料库检索分析在文学批评领域中的应用——以海明威《永别了,武器》为例

本文尝试把语料库检索分析方法应用于文学批评领域,旨在探讨语料库检索软件在揭示文学作品中显性和隐性意义方面的应用和作用。本文选取海明威的小说《永别了,武器》作为文本分析例案,进行数据提取,从主题意义、文体风格、语言特色、人称视角和象征意义诸方面对小说进行分析。最终得出,通过分析单项或多项语言特征的出现频率、分布规律和语境特征,可以归纳出作品整体的文学色彩和写作风格。

《德伯家的苔丝》的语料库检索分析

运用语料库检索工具Wordsmith对哈代的《德伯家的苔丝》的分析表明,小说的环境描写具有明显的地域文化色彩,人物语言风格体现出方言特色,故事情节跌宕起伏,人物性格具有明显的多元性。语料库检索分析为该小说的相关研究提供了可靠的量化依据。

基于语料库的《呼啸山庄》检索分析

运用语料库语言学的研究方法,使用Wordsmith Tools语料库索引软件对小说《呼啸山庄》进行文本主旨、情景发展以及人物性格塑造方面的分析;以图形、列表、统计等量化结果分析文本,清晰地把握了小说的总体特征,得到对文本更加理性的诠释。

对赛珍珠短篇小说作品的语料库检索分析——以《圣诞的早晨》为例

在诸多文学作品分析手段中,借助语料库检索工具分析作品的写作特色是一种较为新颖而客观的分析手段。词汇分析工具Range可用于分析文学作品的词汇难度,而语料库检索工具Antconc的主题词表、关键词表、语境共现和主题词分布图等相关功能可更好地分析小说作品的要素。对赛珍珠短篇小说《圣诞的早晨》的语料库分析结果显示,赛珍珠的该篇小说作品整体词汇难度不高,Antconc软件的词表功能可以推测小说的主要人物和故事情节,Antconc软件的语境共现功能有助于对小说的某一要素进行详尽分析。运用语料库分析文学作品,可为文学研究提供新的思路。