BYU语料库系统及其语言研究应用.docVIP

BYU语料库系统及其语言研究应用 　　摘 要：美国杨百翰大学（BYU）的语料库系统现含10多个免费语料库，在规模、速度、检索方式、语料范围等方面均为同类之最。文章在简要介绍该系统的必威体育精装版进展后，从语言资源和技术手段评价其优势与局限性。然后收集国内外基于该系统的重要前沿研究文献，建成小型文本，用AntConc软件输出其高频主题词，从而分析相关研究的热点和趋势。发现相关研究集中在如下互为交叉的领域――变异语言学、认知语言学、词汇语义学和语言习得或教学。最后从语言研究、外语教学与词典编纂三方面分析了该系统的应用前景，强调它在语言变异和认知语言学研究等方面的特殊意义，并阐述了相关研究的跨学科整合趋势。 　　关键词：BYU语料库系统；美国当代英语语料库；语言变异；认知语言学 　　中图分类号：H319.3 文献标志码：A 文章编号：1673-8454（2017）09-0038-06 　　一、BYU语料库系统简介 　　1.总体介绍 　　美国杨百翰大学（Brigham Young University）的语料库系统（）由Mark Davies教授创建，目前主要包括11个英语语料库、西班牙语和葡萄牙语语料库各一个。这些语料库之间实现了无缝对接，相互补充，检索一致，自成体系，故称为“系统”。它们应用非常广泛，中国用户数量排世界前列。各库规模、语种（方言）、语料年份及发布年份如表1所示（Davies 2013c）。 　　最具代表性的是美国当代英语语料库COCA（Davies 2008-），是目前世界上最大的英语通用语料库，分口语、小说、报纸、流行杂志和学术期刊五个均匀的子库。此外还有四个谷歌图书语块库（Google Books）的高级检索平台，以及早期的几个语料库――Register Variation in Spanish、Polyglot Bible、Polyglot Book of Mormon、Medieval Spanish bibles和Latin/OSp/ModSp bibles。 　　2.必威体育精装版进展 　　BYU语料库系统的新成员NOW Corpus、GloWbE和The Wikipedia Corpus规模巨大，但检索速度很快，是Sketch Engine或CQPWeb的五六倍。The Wikipedia Corpus是维基百科的高级检索平台，其检索功能远远超过维基百科原有系统，用户还可以挑选其语料来创建临时的个人专题语料库（刘喜琴、Davies，2017）。Hansard Corpus和CORE Corpus分别是英国议会演讲和网络英语语体语料，特别适于历时的语体研究。 　　Google Books的语料年份从16到21世纪，但其原有检索系统比较简单，用户能查到的信息仅是“冰山一角”。为挖掘该库潜能，Davies（2011a）设计了更为高级的检索平台（），分美国英语、英国英语、百万图书、西班牙语四个子库。除词和词组外，可以检索子字符串（如*ake代表所有以ake结尾的词）、词目（如start的所有屈折变化形式）、词类（如“形容词+woman”）、同义词和搭配（相邻词）等。当然也可在此基础上组合查询，如“形容词+silliness的同义词”，以及一些特别的句法结构。改进后的检索系统使基于Google Books的英语词汇、短语学、句法、语义变化方面的研究成为可能 （Davies 2014c）。 　　此外，BYU语料库系统发布了几类基于COCA等的英语词频表――常用词词频表、多词单位（n-gram）频率表、搭配词（collocate）表和学术词表，大部分含文体分布信息。第一，常用词频表（）包括常用5，000词表、5，000-60，000词表和100，000词表。据该网站介绍，前面两个词表按词目（lemma）排序统计，可能更适合教学用，而最后一个词表按词形（word form）排序统计，含词汇屈折变化形式的频率信息，可能更适于研究用。第二，多词单位频率表（）含2至5词单位，其中百万高频多词单位表可免费获取。第三，搭配词表（）中含节点词（node）与搭配词组合达430万对，是迄今世界最大、最精确的搭配词表。最后，学术词表（）有三个：学术词族表（word families）、核心词表和总词表。该学术词族表接近Coxhead（2000）的英语学术词表，但提供的信息更丰富。学术核心词表含三千词，学术总词表含两万词。 　　二、BYU语料库系统评价 　　1.语言资源 　　从语言资源层面来看，BYU语料库系统的特点主要体现在规模、语料范围与分类以及词频表。 　　首先，其最大特色是语料库规模大、语料丰富，因此用户能检索到其他语料库无法查到的低频语言现象。加之COCA和GloWbE的部分语料原文和词库可下载，可进一步挖掘其语言资