人机分词差异及规范词典的收词依据.pdfVIP

“人”“机”分词差异及规范词典的收词依据 ——对 645 条常用词未见于《现汉》的思 刊《辞书研究》2000 年第 2 期 厦门大学 苏新春 顾江萍 一、 笔者在最近作的一项词语调查中，偶然发现一个颇有意味的数据，《现代汉语频率词典》 （下称《频率》）统计出来的8548 条常用词，① 竟有 645 条没有在《现代汉语词典》（下称《现 汉》）出现。本来不同性质、不同规模，甚或不同版本的词典之间，它们的收词不同是很正 常的，可《现汉》是以收现代汉语普通话词语为己任的规范词典，且收词规模达 56000 多条， 却没有收齐只占其词汇总量约 15%的最常用的词语，这就引人深思：没收的词语是什么样 的？有何性质和特点？与《现汉》现有的词语有何区别？《现汉》为什么没有收录它们？是 《现汉》漏收还是有其它原因？作为规范词典的《现汉》应如何确定常用词的收录？正是这 些疑问促使笔者开展了进一步的调查。 《现汉》是我国目前为止反映现代汉语词汇最具权威性的词典。调查的《现汉》是第二 版，即 1983 年版，内容与 1979 年第一版基本相同。《频率》是我国第一部有严格计量统计 数据的现代汉语汇频率词典，1986 年出版，实际研究工作始于 1979 年。两书截取语料的时 间相当接近，具有较好的可比性。《现汉》在 1996 年出版了修订本，645 条常用词中只有 80 条增收其中，而占 88%的词语仍未收，因此以第二版的《现汉》为基本比较材料，再辅之 以与“修订版”的比较。 未见于《现汉》的 645 条常用词中，双音词 370 条，单音词 169 条。645 条中使用度最 高的位于第 57 位（动词的“到”），最低的位于8547 位（名词的“比方”），平均数为4921 ， 这个平均数表明它们在 8548 条常用词中排在比较前的位置。在各千字段的分布情况如下： 645条未见词语分布在8548条常用词中的分布曲线图 120 100 94 96 80 83 85 60 58 62 62 62 40 43 20 0 1000 2000 3000 4000 5000 6000 7000 8000 9000 曲线图显示645 条未见词语在 8548 条常用词的各千字段中呈缓慢上升的趋势，但差别 不大，也就是说 645 条未收词语均衡分布于按序号排列的 8548 条常用词之中，其常用性有 较普遍的性质。 那么这些未见于《现汉》的常用词有着什么样的结构特征？据此可分出以下四类： 第一类“固定语”。所谓固定语就是它们不太像一般的词语那样有较强的独立运用和较 完整的意义的特点，只是在言语使用中紧密地凝合在一起。如“要不是 4106 ”、“极为 7495“售”、 货 2721 ”、“伤病员 6886 ”、“不得不 2296 ”、“就是说 1970”、“绝大多数 8297”、“这样一来 4766 ”、“从中 6337 ”、“为的是 6013 ”、“恨不得 5811 ”、“老是 4183 ”、“较为 6633 ”、“越来 越 1218”。（词语后面的数字表示 8548 条常用词的顺序号）① 本类共 88 例，占 13.6%。 第二类“词性分词”。指的是根据不同的语法功能而将同形同音近义，或同形近音近义 的词分立为多个词语，而这些词在《现汉》中都是作为一个词出现的。如“声明（动） 5794 ”—— “声明（名）7369 ”，“箱（名）2502 ”—— “箱（量）7181 ”，“来回（副） 4698 ”—— “来回（名）7478 ”，“极（副）405 ”—— “极（名）8087”。本类共205 例， 占31.8% 。 第三类“固定搭配结构”。如“一面……，一面……1592”、“既……又……7629 ”、 “……来……去4412 ”、“对……来说