以中文十亿词语料库为基础之两岸词汇对比研究.PDF

以中文十億詞語料庫為基礎之兩岸詞彙對比研究 洪嘉馡 國立台灣大學語言學研究所 jiafei@.tw 黃居仁 中央研究院語言學研究所 churen@.tw 許銘維 中央研究院語言學研究所 javan@.tw 摘要 近幾年來，由於兩岸交流頻繁，兩岸使用的詞彙，也因此互相影響甚重，語言學界對於 漢語詞彙的研究，不論在語音、語義或語用上的探討，發現兩岸對使用相同漢語時的詞 彙差異有著微妙性的區別。而兩岸卻又的確是使用漢字體系的書寫系統，只有字形上有 可預測的規律性對應。本文在以兩岸使用共同文字系統的原則上，來比對兩岸使用詞彙 的特性與現象，以探究與語義對應與演變等相關的議題。 首先，在 Hong and Huang (2006) [1]的對應上，藉以英文 WordNet 為比對標準，藉由比 較北京大學的中文概念辭典(Chinese Concept Dictionary (CCD))與中央研究院語言所的 中文詞網(Chinese Wordnet (CWN))兩個 WordNet 中文版所使用的詞彙，探討兩岸對於相 同概念詞彙的使用狀況。本文進一步使用中文概念辭典與中文詞網所使用的詞彙，在 Gigaword Corpus 中繁體語料與簡體語料的相對使用率，探究兩岸對於使用相同詞彙， 或使用不同詞彙的現象與分佈情形。 關鍵詞： CCD; CWN; WordNet; Gigaword Corpus; 兩岸詞彙; 詞義; 概念 一、 緒論 兩岸使用詞彙的差異問題，在目前兩岸人民的各種交流中，早就已經呈現出許多無法溝 通、理解困難，或是張冠李戴，表達不合宜的錯誤窘境。探討兩岸使用詞彙的差異性時， 不僅讓大量使用詞彙的記者們 ，感受到兩支的差異 (如：華夏經緯網 [2] 、南京語言文 字網 [3] 、廈門日報 [4]) ，亦成為漢語詞彙學與詞彙語義學上研究的重要課題(如：王 等 [5] 、姚 [6]、) 。 以往對於這個議題的研究，不論語言學學者或文字工作者注意到這個問題時，僅能就所 觀察到特定詞彙的局部對應，來提出分析與解釋而缺乏全面系統性的研究。本文的研究 方法，第一是延續 Hong and Huang [1] 、洪 等 [7]的研究方法，先以 WordNet 做詞義概 念的判準，比對中文概念辭典與中文詞網裡，概念相同、語義相同的詞彙使用狀況；第 二、是以有大量兩岸對比語料的 Gigaword Corpus 作為實證研究的基礎，驗證中文概念 辭典與中文詞網對於相同概念語義的詞彙，使用上，確實有其差異性的存在。這是一個 具有完整性、全面性、概括性的整合研究。 又 Miller 認為他們可以使用同義詞集來表現詞彙概念和描述詞彙的語義內容，所以他們 建立了 WordNet ，近年來，也有不少研究團隊在處理以WordNet 為出發點的不同語言翻 譯。 值得一提的是，同屬於漢語詞彙系統的繁體中文系統與簡體中文系統，在中央研究院語 言所與北京大學計算語言所的研究團隊裡，也針對此議題，做了不少相關的研究，因此， 本文想要探討的是，相同概念的漢語詞彙語義，在繁體中文與簡體中文的使用狀況。 另外，對於繁體中文系統與簡體中文系統的對應，我們以 WordNet 當作研究語料的基 礎，是為了可以建立一套符合詞彙知識原則並能運用於英中對譯的系統，如此一來，即 可比對出兩個中文系統，在語言使用上的差異性。 二、 研究動機與目的 自兩岸交流日趨頻繁之後，本屬於同文同種的漢語系統，確有不少知識與信息交流的障 礙，造成這樣的原因，莫過於兩岸詞彙使用的差異。相同的詞形，卻代表不同的詞義； 或相同的語義，卻有兩種不同的表達詞彙。這種問題，已經讓許多文字工作者費盡心思， 試圖來解決這樣的窘境；而語言學者對於這種現象，