Perl R在语料库语言学中应用.docVIP

Perl R在语料库语言学中应用 　　摘要： 　　语料库语言学需要从大规模文本提取语言特征，通过量化分析研究语言规律。现有语料库工具过于注重索引和检索功能，无法开展涉及?驮油臣频亩嘁蛩胤治觥Ｍü?3个基于语料库的研究实例，探讨编程语言Perl和R在研究方法层面的应用。结果表明，Perl和R能够处理大规模文本，进行多变量统计与可视化分析，可以弥补现有语料库软件的不足，帮助研究者分析数据与验证假设，为后续定性研究奠定基础。 　　关键词： 　　语料库语言学；语料库工具；Perl；R 　　DOIDOI：10.11907/rjdk.172822 　　中图分类号：TP312 　　文献标识码：A文章编号文章编号2018）001005303 　　Abstract：Corpus linguistics aims to find language patterns based on linguistic features extracted from largescale texts. However， current corpus tools are dedicated to developing concordance and search functions while lack of functions to perform multivariate statistical analysis. This paper illustrates with three case studies how programming languages such as Perl R can be used in corpusbased linguistic studies. It is found that Perl can extract linguistic features from texts and organize them in formats that are amenable to statistical analysis in R. When combined， these two kinds of software can help researchers explore the linguistic data and validate search hypothesis in a more flexible way and complement the functions of readymade corpus tools. 　　Key Words：corpus linguistics； corpus tools； Perl； R 　　0引言 　　基于语料库的语言学研究需要借助工具处理大量文本文件，提取其中的语言特征进行统计分析。目前，语料库工具已由第一代单机版进化到第四代网络版，界面更加友好，运行速度更快，可以帮助研究者开展基于词表、搭配和主题词等功能的研究[12]。但现有工具过于注重检索和索引功能，无法处理涉及复杂数据的多变量统计问题，研究者仍需编写程序满足特定的研究需求。本文探讨如何用编程语言Perl和R解决现有工具面临的技术问题，帮助研究者开展基于语料库的量化实证研究。 　　1Perl R简介 　　Perl的模式匹配功能强大，擅长从大规模语料中提取各种词汇和语法特征[3]；R支持描述性、推论性和探索性统计以及数据可视化分析，在基于用法的语言学（usagebased linguistics）研究中应用广泛[4]。使用Perl R开展量化研究涉及以下3个步骤：①建立子语料库。语料库通常包括丰富的元信息，如国别、区域、年代和文本类型等。Perl可以根据元信息从大型通用语料库提取文本，构建面向特定研究问题的子语料库；②检索语言特征。Perl可以从经过词性或句法标注的语料中提取词汇语法特征，构建特征矩阵；③进行统计分析。用R处理步骤②得到的矩阵，分析特征变量间的关系，并以可视化方式呈现结果。 　　本文通过3个案例说明如何结合Perl和R开展基于语料库的语言学研究。 　　2案例分析 　　2.1短语框架 　　在语料库语言学中，短语框架是指由两个以上词语构成，反复出现的连续或非连续词语组合[5]。Sinclair[6]将语言中的短语化倾向称为习语原则，是意义研究的基本单位。短语并不是完全固定的，在具体语境中，其内部会产生变化，例如4词短语框架“as * as the”中的 “*” 可由不同单词替换，如“as well as the”、“as far as the”和“as soon as the”等。 　　本案例考察BNC语料库国际事务类文本中3～6词短语框架的分布情况，只