5．语言研究.ppt

基于平行语料库的跨语言知识挖掘 盛玉麒 2007-5-16 信息处理的发展与语言知识短缺 汉语本体应用研究的三个阶段： 字处理 词语处理 语句处理 相关交叉学科研究的三个领域 从人际系统到人机系统、 从母语到第二语言、 从单一语言到双/多语交互； 中文信息研究的理论发展 技术决定论 汉语特殊论 普适性规律的发现 跨语言资源共享 语言研究与语料观的转变 1．结构主义和功能主义 二十世纪语言研究形成两个大的阵营，结构主义和功能主义。 结构主义被西方学者称为“语言学主流”(mainstream linguistics)。 如果把新兴学科如社会语言学、语用学、会话分析、语篇分析等都划人功能主义(因为这些都是研究语言的各种功能的)，那么功能主义大有取代结构主义成为语言学主流之势。 语料库语言学的地位 “语料库语言学”(corpus linguistics) 一是利用语料库对语言的某个方面进行研究，也就是说“语料库语言学”不是一个新学科的名称，而仅仅反映了一个新的研究手段。 二是依据语料库所反映出来的语言事实对现行语言学理论进行批判，提出新的观点或理论。 现在是否能把语料库语言学跟社会语言学、心理语言学、语用学等相提并论，需要时间和实践。 汉语研究的语料观 举例说明 文献检索 燕京大学《引得》系列 言语语言学的语料观 世界上大约有5000到6000种语言(准确的数字要看如何界定语言跟方言的区别)，有文字的还不到一半。 母语习得 二语学得：听-说-读-写 语言差异 方言差异。 历时因素导致的语言差异 索绪尔的做法 排除差异，找出共性， (共时)语言学研究的是langue，即同质的、抽象的语言形式，而不是parole，即异质的、五花八门的言语。 结构主义研究的语言是高度独立性的抽象的符号系统。 难题：他们看得见听得着的是异质的、五花八门的言语，要研究的却是同质的抽象符号系统。 早期结构主义者(以美国Bloomfield为代表) 对异质的的言语进行调查，从中找出同质的、共性的形式结构。 贡献：在语音、音位和形态； 局限：在词组、句法层次。 乔姆斯基的做法 Chomsky提出转换生成语法理论，可以说帮助结构主义摆脱了困境。 他区分了competence(语言能力)和performance(语言使用)。 Langue是凌驾于个人、属于语言社团的抽象系统， competence是个人能生成无限言语的、根植于大脑之中的语言知识。 Chomsky把句法研究的主要任务视为找出那些能生成无限句子的有限规则。 Chomsky认为：对同一语言来说，他不需要做语言调查，强调 “语言直觉”。 语言是生理和心理现象，人们说出来的话(即实际语料)不能完全反映语言的本质。 最有力的证据就是人们能说出他们从来没有听别人说过的句子。 语料库是有限的，语言是无限的。 Chomsky理论的弱点： 一否定了语言的社会性。 二忽视语料库的作用。 功能主义的做法 功能主义(以Halliday为代表)最大的特点是强调语言的社会性，语言的使用功能为语言结构作出最终的解释。 Halliday《功能语法导论》序 (1985：Xiii)： ......千万年来一代代人使用语言才使得语言形成今天这样一个系统。语言为了满足人类的需要在发展；它的组成结构之所以是功能性的正是因为这些需求。它不是任意性的。一部功能语法本质上是一部“自然”语法，即书中所说的一切都能在语言的使用方式中找到最终的解释。 功能主义的语料观 功能主义注重语言实际使用情况，语料库是不可多得的帮手。 语料库语言学对功能主义的发展会提供很多具有相当说服力的佐证。 语言的最原始和最古老的形式 书面语料库 口语语料库 语料库语言学的基本问题 1．建立语料库 建库的目的； 语料品种； 取样标准； 规模； 人力及资金来源； 存贮方式与格式。 2．语料转写 口语语料的处理 转写成文字和计算机可读的声音符号 格式和规范。 3．语料标注 “生语料库” “熟语料库”。 把语料所具有的重要语言学信息用一组符号标注出来。 “吃饭”： 结构：“吃”+“饭”构成动宾结构； 功能：做谓语； 条件：主语是有生命的，…… 标注得越是详细，研究者从中能得到的信息也就越大。 4．管理与应用软件 检索 更新 排序 重组 转存 …… 5．语言研究 语言单位的专题研究 专项研究 词典学研究 句法学研究。 四、语料库的应用 1、辞书编撰： 1）大型语料库 2）代表性 3）分析工具。 ●用法即意义； ●根据词频编制常用词表； ●根据非语言要素的联结(如语域、历史阶段与方言等)，了解和判断不同类型语言的用语特征； ●确定词项的搭配及分布； ●确定某词的义项及用法的分布。 ●确定同义词的使用与分布 ●了解语境对词义选择、搭配与语域的关系。 2、