基于语料库的汉语字母词自动抽取与分析-中国社会科学网.PDF

2017年 5月 云南师范大学学报 M ay，2017 第 49卷第 3期 (哲学社会科学版) Vo1．49No．3 基于语料库的汉语字母词 自动抽取与分析 黄居仁， 刘洪超 (香港理工大学 中文与双语学系，香港 999077) [摘 要] 本文为汉语字母词研究提出新视角。首先，我们实现了基于语料库的汉语字母词 自动 抽取和计量分析。其次，我们在理论上澄清了汉语字母词中的字母并非拼音字母 (1etter)，而是书写字 母 (alphabet)。同时从音韵、构词与书写系统理论出发，进一步分析了汉语字母词对现有语言学理论的 挑战及字母词分析对语言本体研究可能具有的重大贡献。基于对组字字母 K的分析，我们主张组字字 母的语言行为与汉字类似，而与拼音字母有很大的差距。最后，本文强调字母词的研究是语言科技对语 言生活影响的一个重大课题。 [关键词] 汉语字母词；语料库语言学；计量语言学 ；语言科技 [中图分类号]HO—o [文献标识码]A [文章编号]1。0O一5110(2017)o3一o01O—l2 一 、 研究背景 字母词是指汉语书写时带有字母的词。字母词主要包括两种类型，一类全部由字母组合而成，如： 1)El立和JVC可能退 出中国低价彩电市场。 2)当第二次国际电讯会议时 ，曾有人建议 “SOS”作为统一的求救信号，还是没有得到一致 同意。 3)贸易通短短两年间依据市场和用户需求，不断进行人性化设计，在即时通讯软件 中，其下载 量仅 次于QQ和 MSN。 另外一类则是与汉字组合在一起，汉字可以出现在字母的前、后和中间： 4)章明基说，不管赢不赢全国男篮甲A冠军我都能去 NBA。 5)虽然是物理学博士，但一样照穿帆布球鞋，T恤的图案也总有些特别的意味。 6)举个现代 的例子，俄亥俄可以支持三 K党，纽约却不行。 字母词中的字母不仅可以是英文字母A～Z和a～z，还可以是其他西文字母如： 7)2O世纪60年代以后，科学家通过用紫外线或7射线照射甲醛的水溶液，还获得 了核糖和脱 氧核糖 。 但是由于字母词中最常用的是英文字母，希腊字母等其他字母比较少见，所以本文的研究主要集中 于含有 26个英文字母的字母词。 根据张铁文①研究，2O世纪初的文献记载显示，汉语 中最早出现的字母词很有可能是对英文 x-ray 的翻译，即 “x射线”“x光线”或 “x光”，其更明确指出，1903年出版的 《新尔雅》收录了 “X光线”一词，很 可能是第一个收入中文辞典的字母词。在之后60多年中，汉语字母词的使用范围主要局限在科技术语 领域，只有极个别几个字母词的词汇地位得以确认并被编人汉语词典中，如 “K金”等。 2O世纪末，字母词的地位发生了翻天覆地的变化。《现代汉语词典》(中国社会科学院语言研究所 * [作者简介]黄居仁，男，台湾人，香港理工大学讲座教授，博士，研究方向为词汇语义学、计算语言学、语料库语言 学、知识本体等 。 [基金项 目]香港研资局 PolyU5435／12H及北京大学一香港理工大学汉语语言学联合研究中心项 目。 ① 张铁文．词源研究与术语规范——X射线词族的词源研究口]．产品安全与召回，2005，(1)． 第3期 黄居仁，等 ： 基于语料库的汉语字母词 自动抽取与分析 ·11 · 词典室，1996．以下简称 《现汉》)在 1996年为字母词专设一节，共收录了39个条 目。 《现汉》是官方词 典，字母词的收录表明了官方权威对字母词地位的认可。该列表数 目增长迅速，截止到2012年第 6版， 《现汉》中收录的以西文字母开始的词语达到了239个，引发了巨大的争论，也催生了一大批相关的语言 学研究。① 值得注意的是，我们使用 “字母词”(MandarinAlphabeticalWord，MAW)来称呼这些词语。使用 “ alphabet”而不用 “