古汉语电子语料库资源和类型概述.docVIP

古汉语电子语料库资源和类型概述 　　摘要　计算机与古籍整理的结合带来了古汉语电子语料库建设的繁荣。文章在对古汉语电子语料库的建设情况进行充分调查的基础上，提出古汉语电子语料库的概念和类型，并指出古籍数据库与古汉语电子语料库之间的关系。 　　关键词　古汉语电子语料库　计算机　古籍数据库 　　与现代汉语语料库的开发建设相比，古汉语电子语料库的建设显得相对薄弱。究其原因，除了开发古汉语电子语料库技术上存在的诸多难题外，与古汉语电子语料库理论研究的滞后关系甚大。迄今，关于古汉语电子语料库的概念描述、建库历史回顾以及语料库类型划分等方面均鲜有人论述。本文通过对古汉语电子语料库建设情况的调查，尝试提出古汉语电子语料库的概念，并将古汉语电子语料库分为字词索引型语料库、工具书型语料库和标记型语料库三种类型。 　　一、古汉语电子语料库的概念， 　　语料库通常是指大量电子化了的、原始或者添加了语言信息标记的文本集合。语料库是一个庞大的语言素材集合体，主要用于观察、分析和研究目标语的各种特征。我国语料库的建设始于20世纪80年代，当时的主要目标是汉语词汇统计研究。20世纪90年代以后，语料库方法在自然语言信息处理领域得到了广泛的应用，建立了各种类型的语料库。 　　所谓古汉语电子语料库是指经过深度加工，标注了各种语言学属性以便进行语言学研究的古籍数据库，又称汉语古籍语料库(杨建军2006：103―109)或古文献数字语料库(王东海2005：117―121)，建立古汉语电子语料库的目的是要运用计算机技术，通过语料库来研究古代汉语的语言规律。古汉语电子语料库已经成为汉语史研究不可缺少的基础资源。 　　古汉语电子语料库能够提供大量的古汉语自然语言材料，有助于研究者据其得出可验证的结论。在计算机技术的支持下，古汉语电子语料库可以应用于词汇、语法、语义、语用、语体研究，也可应用于词典编纂、古汉语教学以及人工智能、机器翻译等领域。古汉语电子语料库的应用还处于起步阶段，主要用于字、词频率统计或是对词汇、语法现象进行归纳统计等。 　　近年来在古汉语电子语料库的支持下，从信息处理的角度研究古汉语词汇、语法和语义问题的成果也日渐增多。除了词语自动切分、词性自动标注等语料加工技术以外，古汉语电子语料库在开发信息抽取系统、信息检索系统、文本分类和过滤系统方面正逐渐朝着智能化方向发展。事实上，古汉语电子语料库开发建设的过程也正是古汉语语料的利用过程，即从简单的字词索引和工具书的利用，到词性自动标注这一过程。 　　二、字词索引型语料库 　　字词索引是指将古代文献中的字句或词语分别摘录、注明出处，并按一定排检方法编排起来的检索工具。长期以来，编撰字词索引是汉语史研究与利用的重要工作，字词索引也是汉语史研究者的必备参考工具书。 　　字词索引型语料库是古汉语电子语料库建设的早期试验性成果，重在对单一古籍文献或某类型古籍文献进行字、词频率统计或对词汇、语法现象进行归纳统计。 　　古汉语电子语料库的开发首先从计算机辅助字词索引编制中取得突破。使用计算机进行古汉语电子语料库开发的实践源于国外计算机语料库的建设。20世纪五六十年代，以N.Francis和H.Kucera为首的一批语言学家和计算机专家在美国布朗大学开始了机读布朗语料库(Brown Corpus)的建设(于亭2000：66―70)。其后，计算机用于古汉语电子语料库的探索也开始了。1978年美国人P.J.Ivanhoe运用计算机编制了“朱熹《大学章句》《中庸章句》索引”、“王阳明《大学》《传习录》索引”等，开始了古汉语电子语料库开发的实践。 　　台湾与香港对古汉语电子语料库的开发实践早于大陆。台湾地区古汉语电子语料库的早期开发主要集中于汉字系统和数据库系统的设计与探索上。20世纪80年代，台湾相继推出了“《说文解字》和《玉篇》资料库”、“善本书影像资料库”、“《二十五史》资料库”等。香港中文大学中国文化研究所开发了“先秦两汉一切传世文献电脑化资料库”。大陆地区对古汉语电子语料库的开发稍晚于台湾。1983年3月，“计算机与古籍整理研究会议”召开后，中国社会科学院语言研究所、山东社会科学院语言文学研究所、兰州大学等单位积极参与计算机与古籍整理研究项目，“《论衡》逐词索引”、“《儿女英雄传》虚词索引”、“《朱子语类辑略》虚词引得”等相继研制成功。这三个计算机处理软件除了具有索引功能外，还具有统计、排序、辅助划词、版式设计等功能。随后，国内对古汉语电子语料库的开发逐步走向深入。经过艰难探索，中国社会科学院文学研究所出版了使用计算机编制的“《论语》数据库”。其后，深圳大学开发了“《红楼梦》多功能检索数据库”；东北师范大学古籍整理研究所对《贞观政要》进行了文献标引，实现了随意检索符号、字、词、句和句式等功能；199