15蔡佩娟

1. 第九章
千年之際展望語料庫語
言學
辛克萊 (J. S inc lair) 撰
衛乃興譯
佩娟 15

2. 1. 引語
• 語料庫將由自動化程序建立 ; 直接對語
言輸入進行操作的完全自動化軟體將使
用戶能夠獲得語料。
• 語料庫在急速地變大，需要開發可靠的
自動化程序。

3. 2. 分類
• 語料庫選取的文本 : 單一時段 vs 定期取樣
• 語料庫文本分類：
外部標準 ( 來自使用文本的社會 ) 與
內部標準 ( 依文本的語言特點而定的語言學標準 )
前者成為分類的基礎。
內部標准 --- 諸如題材與文體，目前較難加以確定。

4. 3. 標記與注釋
• 一 . 所有的格式注釋都將由自動化方式進行
。
克里爾 (J. Clear) ：目前的危險是
標記部分極易“溜入”解釋部分。
• 二 . 未來的注釋部分將與文本本身隔開。
• 三 . 文本預處理和文本描述時採用的兩種明
顯
不同的方法趨於一致。
這些方法可稱為“標識方法” (annotation approach)
與”實時方法” (real time approach).

5. 3. 標記與注釋
• 研究的工作涉及三個變量 :
• 1. 增加的內容是由人工來做還是靠自動程序。
• 2.” 未標注文本”是否保存 ?
非文本信息是作為注釋保存在連續文本中，
還是保存在另外的相關資料中。
• 3. 解釋性工作是預先做好還是應需而做 ( 實時 ) 。
過去是“人工 + 注 釋 文 本 + 預先”。
使用軟體以”實時方式，”迅速又高效地做大部分工作。
” 自動 + 未標注文本 + 實時”之模式很可能會普遍盛行。

6. 4. 工具
• 重點將由注釋轉向工具，所有的工具可
參照上述建議的”最小文本”標準相互連
繫起來。
• 在未標注文本模式下標示時，恢復最小
文本並將其與自動工具分別保存。

7. 5. 結構分析
• 對語言進行詞類賦碼 ( 稱為詞法句法分析 ) ，
其中制約語法 (constraint grammar) 的句
法分析方法已達到幾乎自動化的程度，並
相當準確。
其他各類分析 - 語義、語用和語篇分析仍
處於初期和不確定的發展階段。

8. 6 基於語料庫與語料庫驅
動
• 托格尼尼一布納里 (E. Tognini-Bonelli) 區
分運用語料進行語言學研究時兩種截然不同
的方法：
• 第一種基於語料庫 (corpus-based) 的研究
• 第二種進行語料庫驅動 (corpus-driven) 式的研究

9. 7. 多語語料庫
• 翻譯語料庫，或者叫“平行語料庫”被用作未來
詞典編撰的資料源，它們有可能變得太大，難
以進行人工處理，但需要開發完全自動化的軟
體。
• 重點移轉到比較語料庫。
• 語料庫的分類標準是由具體的文化限定的，外
部標準研究對多語和單語工作同樣重要。

10. 8 口語
• 口語語料庫與書面語料庫應當一起發展
，數字化錄音和聲波分析自動化工具的
出現使我們愈加可能發現語言與文字間
的進一步的相關性。由於其實用性，這
個及時到來的研究方向應受到鼓勵。

11. 9. 詞典
未來十年中，建立新的詞典模式極為必要。
這些新模式要用來處理搭配、語法共選、語義和
諧與態度意義等方面的信息。
語料庫研究首先研究的幾類結構模式。
1. 新詞典的特徵將是詞彙語法式的，不先對句法
和詞彙進行區分，而是將句法說明視為詞彙描
述中的較為抽象的表述。
2. 語料庫研究表明，詞或詞組的意義對選擇與其
共處一環境的其他詞與詞組有著深刻的影響。
3. 將詞作為意義單位是低效率的做法。新的詞典
很可能基本上以詞群為單位，伴之以大量的內
部結構變化。

12. 10 總述
– 語料庫中的文本最好不加標示。
– 應當對新文本進行操作或者操作別的工具的輸
出。
– 在語料準備過程中或工具使用中不應當再有人
工干預。
– 目前的詞典模式將被限制在學術語領域內使用
。