关于语料库应用于双语词典编纂几点思考.docVIP

关于语料库应用于双语词典编纂几点思考 　　摘要在双语词典编纂方面，语料库受到国内外学者的普遍关注，但在词典编纂过程中语料库也暴露出一些问题。本文就语料库的代表性、语料库配例的科学性和“泡沫”高频词三个问题进行了论述。 　　关键词双语词典语料库代表性配例“泡沫”高频词 　　 　　语料库的应用作为一种新方法，近来在词典编纂和研究领域受到了越来越广泛的认可和重视。Bejoint说：“对词典学来说，应用语料库是一种科学的方法，它的使用可以对语言使用进行客观的描述。”［1］但是，语料库也像一柄双刃剑，如使用不当，不仅劳而无功，而且还会在“科学、客观”的外衣下产生许多谬误。本文针对在词典编纂方面语料库可能导致的错误作粗浅论述。 　　 　　一、语料库本身的代表性 　　 　　语料库是否具有代表性，要看语料库的选材是否客观、科学，是否遵循了科学的抽样原则。Biber认为，代表性问题是选材的最基本问题，所选材料应该“囊括所研究对象的所有变量”［2］。如果选材不具代表性，在此基础上所进行的研究在科学性方面必然会受到很大影响。 　　在语料库的建设中，我们不仅要重视库容量(即收词数量的多少)，更要关注语料库的代表性。为了让语料库能真实地反映语言使用情况，具有代表性，以下几点不容忽视： 　　 　　1.内部结构分析 　　语料库的内部结构分析应该在建库之前进行。目前已有不少成功的、被广泛认可的语料库，我们在建设自己的语料库时可以参考它们的经验。 　　在单语语料库的建设中，Halliday的语域(register)理论及分析方法受到一些学者的倡导。BNC(British National Corpus)的内部结构分类虽然略有不同，但与上述方法并无本质区别。BNC对书面语料的分类要考虑三个参数，即主题类别(subject area)、载体(medium)和时间(time)。语料首先按主题分为信息型(informative)和想象型(imaginative)两类，然后再根据学科类别进行细分。例如，信息型被细分为纯自然科学、应用科学、社会、时事、艺术、思想和休闲等子类别。载体和时间分别界定语料的来源(比如书籍或期刊等)和出版时间。我国学者认为，语料库如同一个“四维模型”，应由“时间轴”、“空间轴”、“学科轴”和“风格轴”组成。［3］ 　　 　　2.语料库的大小 　　语料库到底要多大才能反映语言的实际使用情况呢?长期以来，这一直是语言学家们思考的问题之一。对于第一代通用语料库而言，100万词级的语料库就已经很大了。但随着计算机技术的发展，语料库也愈建愈大，BNC是1亿词级的，而BOE(Bank of English)更达到了2亿。规模庞大的语料库虽有其优势，但语言学家们同时也意识到，语料库并不是愈大愈好，语料库过大可能会造成对检索的结果难以或无法进行分析。Kennedy认为：规模宏大的语料库并不比规模较小的语料库更能揭示语言的本质。通用语料库既然如此，专门语料库就更不用说了。如果要建一个用于研究韵律的语料库，10万词级的就足够了。［4］ 　　目前，语料库愈大愈好的观点受到越来越多人的挑战。因为语料库不论有多大，相对于浩瀚的语言之海来说都是“沧海一粟”。所以，人们开始探索如何建立易操纵的、能反映研究对象一般规律的较小型语料库。实际上，语料库的大小要根据研究目的而定。一个较小型的、认真设计和规划的语料库，若可以被透彻地分析研究，其作用并不亚于大型的语料库。笔者认为，初始阶段的语料库建设不应该求大求全，因为还有许多理论问题需要解决，盲目建大库有可能会造成人力、物力的大量浪费。我们可以先选择语料的某个方面(比如“报刊语料”)为突破口，根据科学的抽样统计原则搭建一个“核心语料库”。在条件成熟之后，再着手进行语料库的扩展。对用于双语词典编纂的语料库来说，建设的起点应该是双语平行语料库。在平行语料库的建设中，如果能做到在从源语到目的语的转译过程中保持“一对多”(一篇原文对应多篇不同版本的译文)，这样的语料库对双语词典编纂将会具有很高的实用和研究价值。 　　 　　二、关于配例的科学性 　　 　　例证是词典的核心组成部分之一，对学习型词典来说，它的作用不亚于释义。词典编纂人员在配例时通常有两种做法：自造用例或从出版物中选择现成的句子。 　　自造用例的做法受到了许多学者的批评，主要原因是这违背了Fox所倡导的真实性原则????［5］。自造例通常有的具体弊端是：其一，为了说明某个义项而造句会有斧凿或拼凑的痕迹；其二，由于编纂人员的知识面所限，所造例句会倾向其本人熟悉的学科领域，有过偏之嫌。［6］国内发行量颇大、影响颇为广泛的《新英汉词典》，所收例句基本上都是编者自造的。例如： 　　Have you finished with the dict