语料库语言学PPT
合集下载
语言学(语料库)
Specialized corpora: useful for English for specific purposes. If we need find out what language is used in a certain profession, then we select texts from that profession. Sample corpora: classification of genres; a large number of short extracts; random selection of extracts within genres; great internal validity内部有效性 . Monitor corpora: gigantic, ever moving stores of text. It has the capacity to hold a ‗state of the language‘ for research purposes.
The function of concordance
Concordances are frequently used as a tool in linguistics that can be used for the study of a text such as:
paring different usages of the same word; 2.analysing keywords; 3.analysing word frequencies; 4.finding and analyzing phrases and idioms; 5.creating indexes and word lists (also useful for publishing)
语料库语言学
我们认为较为准确全面定义：
语料库(corpus 或corpora [复数]) ：是指按 照一定的语言学原则, 运用随机抽样方，收 集自然出现的连续语言运用文本或话语片 段而建成的具有一定容量的大型电子文本 库。
语料库语言学：在文本语料的基础上进行 语言研究的一门学科。
语料库语言学的研究对象
语料库语言学是以语料库中收集储存的真实语言材 料做为唯一的研究对象，以语言现象出现的概率为 依据。因此，语料库语言学为语言学研究提供了一 种全新的研究思路。一个合格的语料库必须以电子 计算机为载体来存放语言材料，这些存放在电子计 算机中的语言材料是在语言的实际使用中真实出现 过的。因此，它们可以如实地反映语言现象，克服 语言学家观察语言现象时的主观性。
（7）语料库语言学与语用学和语篇分析。语料库 常常是把话语从上下文或语篇中分离出来，因此
其所收语料在很大程度上脱离了上下文或社会背
景，而语用学和语篇分析对于场景和上下文又具
有一定的依赖性。故以语料库为基础的语用或语
篇研究相对较少，但语料库为这些领域所作的贡
献是不可否认的。语用学及相关领域的研究通常 是以会话为基础的，如伦敦—伦特语料库 (London - Lund Corpus) 和柯林斯出版公司与伯 明翰大学联合开发的“英语库”( The Bank of Eng2lish ,简称BOE) ，前者收集的是日常会话， 后者的口语部分包括日常会话会议、讨论、采访、 电台广播等。
3、语料库语言学与辞典编纂
语料库不仅能够提供更完备和详尽的关于词义和 词汇搭配的信息，而且利用语料库中的频率统计 可以直观的反映词汇用法的使用情况。如英国考 林斯出版社和伯明翰大学编辑出版的《国际通用 词典》在很大程度上打破了词典编撰的传统，从 词条的选定及解释、用法到释义的先后顺序等都 依据了由2亿词次的COBUILD语料库中统计出的 频率。由于语料库的素材来自实际使用的语言， 利用其素材作为词典的例句更具真实性和准确性。 利用语料库编撰词典不仅能反映语言的真实变化， 而且编撰周期也会大大缩短。
常见语料库使用入门_图文
10 公共语料库检索
小问题：
一种语言现象我们至少得收集多少条语料呢？
500 徐杰教授认为，语料多多益善，至少应收集
条。
大数定律（Law of Large Numbers）： 指在随机试验中，每次出现的结果不同，但是大量重复
试验出现的结果的平均值却几乎总是接近于某个确定的值。
11 公共语料库检索
抽样与调查
9 公共语料库检索
国外18个知名英语语料库
10.LLC口语语料库: http://khnt.hit.uib.no/icame/manuals/ 11.COBUILD语料库：/Corpus/CorpusSearch.aspx 12.ICE东非等分库：/english-usage/ice/avail. htm 13.ARCHER语料库：/english/degree_programs. asp 14.CEECS语料库：http://www.eng.helsinki.fi/varieng/main/corporal.htm 15.SCTS语料库：http: /// 16.VOICE语料库：http: //www.univie.ac.at/Anglistik/voice/ 17.ELFA语料库：http: //www.uta.fi/laitokset/kielet/engf/research/elfa/ 18.朗曼语料库：http: ///dictionaries/corpus/index.html
40 个人语料库创建
熟语料库加工阶段
可以采用这个工具
双 击 打 开 软 件
41 个人语料库创建 熟语料库加工阶段
检 索 式 示 例
公共语料库的检索说明
——以BCC语料库为例
18 公共语料库检索
语料库语言学
4. Extraction of multiword units or clusters of items in a text.
Chapter II: Analyzing Corpus Data
Word Lists 词表
定义：根据单词或 词组在语篇中出现 的频率大小而排列 形成的列表。
Lemma：词目，词元 SAY： say, says,said, saying 在ELT中的应用
Historical corpora(历史语料库）: texts from different periods of time, allow for the study of language change when compared with corpora from other periods. Monitor corpora(监控语料库）：focus on current changes in the language. Parallel corpora(平行语料库）：texts in at least two languages that have either been directly translated, or produced in different languages for the same purpose.
Technical: a large collection of written or spoken language ,that is used for studying the language.语料 库，语料汇编
What is corpus linguistics?
• Corpus linguistics :the study of machine-readable spoken and written language samples that have been assembled in a principled way for the purpose of linguistics research. It is concerned with language use in real contexts.
语言学概论(完整版)ppt课件
根据语言的形态、句法 、语义等特征，将语言 分为不同的类型，如孤 立语、粘着语、屈折语 等。
跨语言比较
通过对不同类型语言之 间的比较，揭示语言之 间的共性和差异，以及 语言类型与文化、社会 等因素的关系。
类型学视角
从类型学的角度出发， 分析语言的结构和功能 ，探讨语言的本质和演 变规律。
语言起源和演变过程探讨
语音、词汇、语法三要素
01
02
03
语音
语音是语言的声音形式， 包括音素、音节、声调等 要素，具有区别意义的作 用。
词汇
词汇是语言的建筑材料， 包括词和固定短语，体现 语言的文化特色和时代特 征。
语法
语法是语言的组织规则， 包括词法、句法等，使语 言具有生成和理解的能力 。
语言与社会文化关系
语言与社会
语音实验方法
通过仪器分析和实验验证，探究语 音的生理、物理和心理特性。
发音器官与发音过程分析
发音器官
01
包括呼吸器官、喉头、声带、口腔、鼻腔等，以及它们的结构
和功能。
发音过程
02
分析发音时气流的通道、声带的振动、口腔和鼻腔的共鸣等作
用，揭示语音产生的机制。
发音差异与语音变化
03
探讨不同发音器官和发音过程对语音的影响，以及语音在历史
语音学定义
研究人类语言声音的科学，包括语音 的产生、传播、感知和变化等方面。
语音四要素
音质、音高、音强和音长，它们在语 音中的表现和作用。
语音单位
音素、音节、音步等，以及它们之间 的关系和组合规律。
音系学理论与方法
音系学定义
研究语言声音系统的科学，探讨 语音单位的分类、组合和变化规
则。
音位理论
跨语言比较
通过对不同类型语言之 间的比较，揭示语言之 间的共性和差异，以及 语言类型与文化、社会 等因素的关系。
类型学视角
从类型学的角度出发， 分析语言的结构和功能 ，探讨语言的本质和演 变规律。
语言起源和演变过程探讨
语音、词汇、语法三要素
01
02
03
语音
语音是语言的声音形式， 包括音素、音节、声调等 要素，具有区别意义的作 用。
词汇
词汇是语言的建筑材料， 包括词和固定短语，体现 语言的文化特色和时代特 征。
语法
语法是语言的组织规则， 包括词法、句法等，使语 言具有生成和理解的能力 。
语言与社会文化关系
语言与社会
语音实验方法
通过仪器分析和实验验证，探究语 音的生理、物理和心理特性。
发音器官与发音过程分析
发音器官
01
包括呼吸器官、喉头、声带、口腔、鼻腔等，以及它们的结构
和功能。
发音过程
02
分析发音时气流的通道、声带的振动、口腔和鼻腔的共鸣等作
用，揭示语音产生的机制。
发音差异与语音变化
03
探讨不同发音器官和发音过程对语音的影响，以及语音在历史
语音学定义
研究人类语言声音的科学，包括语音 的产生、传播、感知和变化等方面。
语音四要素
音质、音高、音强和音长，它们在语 音中的表现和作用。
语音单位
音素、音节、音步等，以及它们之间 的关系和组合规律。
音系学理论与方法
音系学定义
研究语言声音系统的科学，探讨 语音单位的分类、组合和变化规
则。
音位理论
50-语料库语言学
中国海洋大学本科生课程大纲课程属性：公共基础/通识教育/学科基础/专业知识/工作技能，课程性质：必修、选修一、课程介绍1.课程描述（中英文）：语料库语言学（Corpus Linguistics）是基于大规模语料进行语言研究的学科。
本课程针对英语系本科生开设。
课程内容包括：语料库语言学的基本情况、发展历程、主要流派及理论模型、语料库在各类研究中的应用等。
通过课程学习，要求学生掌握语料库语言学的基本理论及研究方法，从而初步形成利用语料库探索语言学及相关领域的科研能力。
Corpus linguistics probes into linguistic problems by analyzing a large quantity of real-life language data. This course is intended for the undergraduate English majors. The course covers the basic topics of corpus linguistics, including an overview of the field, its history, major theoretical schools, research methods as well as its application in other branches of linguistics. After taking the course, students are expected to acquire a basic understanding of the fundamental theories and methods of corpus linguistics and are able to design and conduct simple corpus based linguistic studies.2.设计思路：- 1 -本课程将介绍语料库语言学的整体情况及理论基础。
语料库语言学的理论解析
一、图式理论应用
3、形式图式：形式图式是指学生对所学语言的语篇结构、修辞手法和表达方 式等方面的掌握程度。在外语教学中，教师应注重培养学生的语篇分析能力，帮 助他们了解不同语篇类型的结构特点和修辞手法，以提高他们的口语和写作能力。
二、语料库语言学在外语教学中 的应用
二、语料库语言学在外语教学中的应用
英语语料库语言学的发展与国际语料库语言学年会ICAME
在今年的ICAME年会上，来自世界各地的学者、专家和从业者齐聚一堂，共同 探讨语料库语言学的未来发展。在会议上，一些领先的英语语料库研究者分享了 他们的最新研究成果，包括大规模语料库的建设、文本数据的自动标注、语料库 数据的可视化呈现以及基于语料库的语言模型的开发等。
内容摘要
在语料库在自然语言处理中的应用方面，学者们重点探讨了如何利用语料库 提高自然语言处理的性能和效率。例如，利用语料库进行词性标注、命名实体识 别、情感分析等方面的研究，为机器翻译、智能客服等应用提供了更加准确和高 效的技术支持。
内容摘要
总之，通过这次语料库语言学国际会议，我们对语料库语言学发展趋势有了 更加清晰的认识。未来，语料库语言学将继续发挥重要作用，推动自然语言处理 技术的不断进步。同时，我们也应该认识到语料库建设与标注的瓶颈问题，以及 自然语言处理技
内容摘要
念进行深入解析，并举例说明其在实际应用中的价值。
理论基础和概念
理论基础和概念
语料库语言学以语言学、统计学和计算机科学为基础，强调对语言数据的分 析和研究。其核心概念包括：
理论基础和概念
1、语料库：语料库是语料库语言学同的领域和语种，以满足研 究者的需求。
挑战与解决方案
2、数据代表性：建立语料库需要收集大量的语言数据，但数据的代表性是一 个关键问题。为了确保语料库能够涵盖各种语言现象和表达方式，需要采取多种 策略和方法来收集和处理数据，包括选择多样化的语料来源、进行数据平衡和处 理等。
语料库
语料库语言学
• 语料库语言学是一门新型科学，它指的是在文本语料的基 础上进行语言研究的一门学科。
• 基于语料库分析的主要特点： 1.具有实验性，分析自然语言文本中语言使用的实际模式。 2.搜集大量的真实文本(语料库)，以语料库作为分析基础。 3.使用计算机的自动与交互技术进行分析。 4.使用定量与定性分析的技术。
• 词汇联结：一个单词与其他单词之间存在强的联结模式， 比如词的搭配。
• 语法联结：一个语法结构与相关语境中的语法特征之间存 在强的联结模式，比如名词化在学术语域和对 话语料中的分布。
• 词汇-语法联结：单词与语法结构之间存在的联结。这种 关系的研究主要有两方面：单词与语法 环境之间的关系；语法结构和单词环境 之间的关系。
语篇结构特征
• 语篇结构特征的研究： 1.语篇连贯和衔接的语言的分析 2.不同类型的语篇的描述和比较 3.语篇中从句间修辞关系的描述和比较 …
书面语篇与口语语篇 医学论文和生态学论文 …
语言变异
• 语料库与语言变异研究指通过使用语料库来观察单词的频 度、单词的意义和用法等变异参数，来研究语言的地域差 异、性别差异、社会群体差异、语域差异等。
L/O/G/O
语料库语言学
Contents
1 语料库和语料库语言学
2
语料库的发展
3
语料库的应用
4
结语
语料库
• 语料库：大规模自然语言文本的集合。 • 现代的语料库是指存放在计算机里的原始语料文本或经过加
工后带有语言学信息标注的语料文本。
双语语料库
北大计算语言学 研究所的双语语 料库
哈尔滨工业大学 的英汉双语语料 库
中外语料库语言学源流PPT课件
• Corpus-informed/related ‘grammars’
– Pattern grammar (local grammar) – Collostruction – Lexical grammar (natural grammar, real grammar) – Lexical priming (textual colligation) – Longman grammar: Biber et al. grammar register
• @be • #n •*
returns all inflectional forms of ‘be’ returns all nouns refers to any single word
14
• a * of => a * of • It be ADJ that => It @be #adj that • Noun noun compound => #n #n • Bi-nominal => #n and #n • Passive =>
3
PowerConc
• Size: 1.5MB, compressed package less than 1MB
• Installation: Doesn’t require any installation. • OS: Works only on Windows now.
4
Design principles for PowerConc
\S+_VB\S+\s(\S+_[RXPJDN]\S+\s)*\S+_V\S*N
15
Limitation
• speed • A concordancer without applying indexing • can't process texts larger than a few million
– Pattern grammar (local grammar) – Collostruction – Lexical grammar (natural grammar, real grammar) – Lexical priming (textual colligation) – Longman grammar: Biber et al. grammar register
• @be • #n •*
returns all inflectional forms of ‘be’ returns all nouns refers to any single word
14
• a * of => a * of • It be ADJ that => It @be #adj that • Noun noun compound => #n #n • Bi-nominal => #n and #n • Passive =>
3
PowerConc
• Size: 1.5MB, compressed package less than 1MB
• Installation: Doesn’t require any installation. • OS: Works only on Windows now.
4
Design principles for PowerConc
\S+_VB\S+\s(\S+_[RXPJDN]\S+\s)*\S+_V\S*N
15
Limitation
• speed • A concordancer without applying indexing • can't process texts larger than a few million
语料库语言学
• 1）2010 首届广外应用语言学论坛。由广东外语 外贸大学外国语言学及应用语言学研究中心于 2010 年9 月24-25日成功举办了备受瞩目的首届 广外应用语言学论坛。语料库语言学首次以独立 议题的形式提出。会议包括：1.语料库的资源共 享；2.双语语料库建设，我国单语语料库很多， 还没有高质量的英汉双语语料库；3.语料库促进 外语教学发展。外语学习者语料库等在外语教学 中的应用，推动外语教学的发展；4.语料库语言 学的现状和未来。桂诗春肯定了语料学对外语教 学的积极作用，并大力提倡资源共享，互助互利。
• 自 2010 年10 月29 日，首次中国外语教育研 究中心“语料库语言学沙龙”（Corpus Research Group）在北京外国语大学成功举 行之后，分别举行了2010 年秋季，2011 年春 季，2011 年秋季2012 年四期有关语料库语言 学研究的名家及学者的交流活动。沙龙由语言 学界的相关大家，许家金、文秋芳、冯志伟、 王克非，熊文新等参与讲座，对语料库语言学 的研究发展具有启发式的引导。 • 1.语料库建设。文秋芳的“学习者语料库的创 建与研究”。在介绍国内研究现状的同时，还 重点分析了语料库语言学研究方法的优势和局 限。
2.发展
• 语料语言学受行为主义的影响下，从60年代开始 发展，迄今已经有近五十年的历史。 • 语料库在发展的初期，只进行词的一般分析，如 词频统计等，后来增加了词的语法属性标注（如， 词性等），直到现在，人们越来越开始重视对语 料库作不同层次的标注，如：语音、构词、句法、 语义以及语用等层次的标注。 • 语料语言学在其发展的初期并没有引起太大的共 鸣，但是现代语料语言学已经得到越来越多人的 承认，其应用也越来越广泛，从语言分析、语言 教学、词典编撰到人工智能等领域都开始应用语 料库。
胡壮麟 第十章 课件 PPT 语言学教程
Corpus Linguistics
Corpus (plural corpora): a collection of linguistic data, either compiled as written texts or as a transcription of recorded speech. The main purpose of a corpus is to verify a hypothesis about language-for example, to determine how the usage of a particular sound, word, or syntactic construction varies. 语料（corpus，复数形式corpora）：一个语言数据 的存储，可以是被编辑为书面文本，也可以是被作 为录音言语的誊本。语料的主要目的是鉴定一个语 言的假说--例如，确定一个特定的语音、单词，或 句法结构的使用如何变化。
There are also problems of practicality with corpus linguistics. How can one imagine searching through an 11-million-word corpus using nothing more than one’s eyes? Despite the criticisms, corpus linguistics continues to develop, especially after the computer slowly starts to become the mainstay of corpus linguistics.
语料库的设计与开发-PPT课件
10
2019/2/21
规模(2)
齐夫(Zipf’s)律，若按照词频f由高到低的排列顺序给语料 库中每个词指派一个由小到大的整数秩(rank)，则f与r近似 成反比，即 f*r=k 极少数高频次的出现次数已经覆盖了语料库总词次数的绝 大部分，而词(型)总数中大约一半的词在这个语料库中却 只出现一次。 齐夫律不仅适用于一种语言的词汇分布，也反映了句法规 则的分布状态。极少数常用句法规则覆盖了语料库中绝大 多数的句法结构现象，而很多规则只出现一次。并且，语 料库规模的扩大，句法规则的数目也不断增长，与乔姆斯 基的著名假设—句法规则数目的有限性和句子数目的无限 性，提出了挑战。
第二讲 语料库的设计和开发 统计的一些基本概念
2019/2/21
1
语料库的设计与开发
语料库设计与编纂 建设一个语料库 语料库的类型 国外语料库介绍 汉语语料库介绍
2019/2/21
2
从事语料库语言学研究的人员首先面临的任务 是建立语料库。他们必须对语料库应该包含哪 些语料以及如何组织这些语料等问题作出决定， 并且能够控制以后在使用语料库的过程中将要 发生的事情。语言学家则要能够处理语料中的 任何语言实例。
2019/2/21
3Leabharlann 语料库设计与编纂中的问题
出发点是：如何使得在其基础上开展的语言调 查是合理的和可靠的。 Kennedy(2019)指出了语料库设计师所面临的 最基本问题：这个语料库所采集的语言数据是 否真正代表了某种期望的语言或语体。语料库 的建设与编纂过程中应考虑的问题包括：
例如，SEU语料库试图以静态方式在不同使用领域的口语和 书面语材料中选择英国英语的样本，使语料库可以作为英语 共时的代表。设计这样的语料库，需小心处理如下问题：特 定的体裁、特定的样本规模等 1985年夸克(Quirk)出版的英语语法大全是以SEU为基础编 撰的。他认为SEU语料库是英国英语的一种快照，语料库象 一幅风景照，目的是抓住风景的主要特征。只收集主要的体 裁，并非所有语言现象。
2019/2/21
规模(2)
齐夫(Zipf’s)律，若按照词频f由高到低的排列顺序给语料 库中每个词指派一个由小到大的整数秩(rank)，则f与r近似 成反比，即 f*r=k 极少数高频次的出现次数已经覆盖了语料库总词次数的绝 大部分，而词(型)总数中大约一半的词在这个语料库中却 只出现一次。 齐夫律不仅适用于一种语言的词汇分布，也反映了句法规 则的分布状态。极少数常用句法规则覆盖了语料库中绝大 多数的句法结构现象，而很多规则只出现一次。并且，语 料库规模的扩大，句法规则的数目也不断增长，与乔姆斯 基的著名假设—句法规则数目的有限性和句子数目的无限 性，提出了挑战。
第二讲 语料库的设计和开发 统计的一些基本概念
2019/2/21
1
语料库的设计与开发
语料库设计与编纂 建设一个语料库 语料库的类型 国外语料库介绍 汉语语料库介绍
2019/2/21
2
从事语料库语言学研究的人员首先面临的任务 是建立语料库。他们必须对语料库应该包含哪 些语料以及如何组织这些语料等问题作出决定， 并且能够控制以后在使用语料库的过程中将要 发生的事情。语言学家则要能够处理语料中的 任何语言实例。
2019/2/21
3Leabharlann 语料库设计与编纂中的问题
出发点是：如何使得在其基础上开展的语言调 查是合理的和可靠的。 Kennedy(2019)指出了语料库设计师所面临的 最基本问题：这个语料库所采集的语言数据是 否真正代表了某种期望的语言或语体。语料库 的建设与编纂过程中应考虑的问题包括：
例如，SEU语料库试图以静态方式在不同使用领域的口语和 书面语材料中选择英国英语的样本，使语料库可以作为英语 共时的代表。设计这样的语料库，需小心处理如下问题：特 定的体裁、特定的样本规模等 1985年夸克(Quirk)出版的英语语法大全是以SEU为基础编 撰的。他认为SEU语料库是英国英语的一种快照，语料库象 一幅风景照，目的是抓住风景的主要特征。只收集主要的体 裁，并非所有语言现象。
汉语中介语语料库介绍幻灯片PPT
四 常用中介语语料库
〔一〕北语HSK动态作文语料库 〔二〕中山大学中介语语料库 〔三〕暨南大学中介语语料库
〔一〕北语HSK动态作文语料库
北语HSK作文语料库是在北京语言大学崔希亮教授的主持下开发建 成的。它以母语为非汉语的外国人参加高等汉语水平考试 ( HSK高等 ) 作文考试的答卷内容为语料,并从字、词、句、篇、标点符号等角度进展 全面标注，语料收集的时间范围是 1992 -2005年。语料总数到达11569 篇 ,共计 424万字，是目前汉语中介语语料库中规模最大的语料库。北 语HSK作文语料库是最早在网上公布偏误标注标准的中介语语料库，因 此之后的许多语料库在进展偏误分类标注时，都以它为根底，做适当的 修改。
“汉字偏误标注版〞是只有错别字标注的语料，但也可供用户进展一般的 词汇语言搜索，同时可以供大家对汉字偏误进展分析研究。 “错字数据库〞是该库一大重要特色。错字数据库中收集了语料库中的所 有错字使用情 况，可供大家查询、分析。“汉字标注版〞截止 2021 年 8 月 共有大约 310 万字，目前还在不 断增加更新改善。本语料库收集的主要 是中山大学国际汉语学院留学生日常作文和综合课的写话，语料涵盖初、 中、高级阶段，但因为初级阶段的学生本身输出就少，收集困难度高，所 以初级水平的 语料偏少，中级较多，高级最多。
其中现代汉语语料库和古代汉语语料库主要是面向汉语研究和教学使 用的大规模语料库及其在线检索系统。目前该语料库收集了大约4.77亿 字语料，现代汉语和古代汉语大体上各占一半。现代汉语语料库主要收 录1696部作品，9711字的查询。古代汉语语料库，涉及从周代到民国 时期，22580字的查询。该语料库主要特色包括： 可以查询不连续的词语，可以指定词语之间的距离〔比方“帮… 忙〞〕；可以查询汉语特有的重叠模式；支持对标点符号的查询等等。
语料库
小结
• 主要语料库检索工具：
• 道格拉斯· 比伯----《语料库语言学》 清华大学出版社 1）AntConc：由日本学者Laurence Anthony开发，具有词 语检索、生成词表和主题词三大功能。
• 2 何安平 ----《语料库语言学与英语教学》 . ）Concapp ：是香港理工大学Chris Greaves 研制的语料库 检索工具。主要功能包括：制作语境共现、句内语境共现（ sentence 《语料库辅助英语教学入门》 concordance）、检索词搭配、词频表。 . 3）Wordsmith Tools：由英国利物浦大学Mike Scott设计的 一个功能强大的综合软件包。包含Concord（语境共现检索 工具)，Wordlist（词频列表检索工具)，Keywords（关键词 检索工具)，Splitter（文本分割工具)，Text Converter（文 本替换工具)，Viewer（文本浏览工具)等6个程序。
L/O/G/O
Thank You!
国外语料库的发展
1960-1970
1970-1980
1980-1990
1990-至今
国内语料库的发展
• 从理论研究方面看，2000外语教学与研究出版社引进了 Biber等人的《语料库语言学》和Kennedy的《语料库语 言学入门》。 2002 杨惠中教授编写的《语料库语言学导 论》，是我国第一本该学科的专著。 2008卫乃兴的《语 料库语言学的弗斯学说基础》，探讨语料库语言学的学科 本质。 • 同时，因其较高的应用价值，学习者语料库和双语平行语 料库的建设及研究成为我国语料库语言学的重心。
词汇语法
• 词汇层面研究： 一词多义、同义词或近义词 词的惯用搭配 不同语域的词义分布 … • 语法层面研究： 单词的语法类别-----词法 单词组合成句的方法、规则 各种语言结构的频率分布 语法结构与其他语言或非语言因素之间的关系 (That we mustn’t worry too much is clear. It is clear that we mustn’t worry too much.) …
语料库语言学(共13张PPT)
以语料库设计分：均衡结构语料库、无结构的随机开放式语 二是依据语料库所反映出来的语言事实对现行语言学理论进行批判，提出新的观点或理论。
除此以外，语料库语言学的实用性也有很多问题。
料库和由若干子语料库叠加而成语料库网 以语料的时效分：共时语料与历时语料
现代语料语言学已经得到越来越多人的承认，其应用也越来越广泛，从语言分析、语言教学、词典编撰到人工智能等领域都开始应用语料库。 以语料的处理方式分：未经标注的文本语料与经过标注的文本语料
即使语言是一以个有语限的言构造的，语来料源库方分法论：也不单一定语是研种究语与言多最好语的方种式。之分，原语料与翻译之分，操母 以词语汇料 研的究媒：体编语形篡式工的分具：参人书考面书的文籍字。言材语料的资电脑料文本与、转外写的语口语学语习料、者视频的语料语、几言种形资式料的混之合语分料 。
除此以外，语料库语言学的实用性也有很多问题。
叙述一种语言的语法的唯一途径是描述它的规则而不是列举它的句 子。
即使语言是一个有限的构造，语料库方法论也不一定是研究语 言最好的方式。
除此以外，语料库语言学的实用性也有很多问题。
第10页，共13页。
语料库语言学需要解决的问题
1. 语料库的设计目的。
2. 收集语料时的文本形式、文本所有权和版权的问题。
现在人们越来越开始重视对语料库作不同层次的标注， 如：语音、构词、句法、语义以及语用等层次的标注 现代语料语言学已经得到越来越多人的承认，其应用也越 来越广泛，从语言分析、语言教学、词典编撰到人工智能 等领域都开始应用语料库。
第8页，共13页。
语料库语言学的应用
1. 言语研究： (1)语言学理论。(2)语言史研究。 (3)
以语料的时效分：共时语料与历时语料 以语言的来源分：单语种与多语种之分，原语料与翻译之分，操母语的人的言语资料与外语学习者的语言资料之分。
除此以外，语料库语言学的实用性也有很多问题。
料库和由若干子语料库叠加而成语料库网 以语料的时效分：共时语料与历时语料
现代语料语言学已经得到越来越多人的承认，其应用也越来越广泛，从语言分析、语言教学、词典编撰到人工智能等领域都开始应用语料库。 以语料的处理方式分：未经标注的文本语料与经过标注的文本语料
即使语言是一以个有语限的言构造的，语来料源库方分法论：也不单一定语是研种究语与言多最好语的方种式。之分，原语料与翻译之分，操母 以词语汇料 研的究媒：体编语形篡式工的分具：参人书考面书的文籍字。言材语料的资电脑料文本与、转外写的语口语学语习料、者视频的语料语、几言种形资式料的混之合语分料 。
除此以外，语料库语言学的实用性也有很多问题。
叙述一种语言的语法的唯一途径是描述它的规则而不是列举它的句 子。
即使语言是一个有限的构造，语料库方法论也不一定是研究语 言最好的方式。
除此以外，语料库语言学的实用性也有很多问题。
第10页，共13页。
语料库语言学需要解决的问题
1. 语料库的设计目的。
2. 收集语料时的文本形式、文本所有权和版权的问题。
现在人们越来越开始重视对语料库作不同层次的标注， 如：语音、构词、句法、语义以及语用等层次的标注 现代语料语言学已经得到越来越多人的承认，其应用也越 来越广泛，从语言分析、语言教学、词典编撰到人工智能 等领域都开始应用语料库。
第8页，共13页。
语料库语言学的应用
1. 言语研究： (1)语言学理论。(2)语言史研究。 (3)
以语料的时效分：共时语料与历时语料 以语言的来源分：单语种与多语种之分，原语料与翻译之分，操母语的人的言语资料与外语学习者的语言资料之分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
用途
第一个大型计算机语料库
以计算机自动化处理方式获取SEU语 料库的英语口语原始语料
SEU
LLC BROWN LOB COBUILD LONGMAN
1959年起
1975-1981 1960s 1970s 1980s 1988-1990
100万
50万 100万 100万 3.2亿 2800万
口语 书面语 书面语
语料库语言学的发展史
一般以乔姆斯基（N.Chomsky）转换生成 语法的兴衰史为参照点，将语料库语言学 的发展史大致分为三个时期： • 早期的语料库语言学 • 乔姆斯基的转换生成语法时期 • 语料库语言学的复苏时期
早期的语料库语言学
早期的语料库语言学是指20世纪50年代中期以前， 即以乔姆斯基提出转换生成语法理论之前的所有 基于语言材料的语言研究。在50年代，语料库语 言学曾被广泛使用，主要集中体现在以下几个方 面： 1）语言习得 2）方言学 3）语言教学 4）句法和语义 5）音系研究
基于语料库的方法 corpus-based approach
• 由研究者根据以往的语言研究成果或对语言的认 识，首先提出假设，然后到语料库中去验证假设。 假设是否成立取决于语料库中的语言实例。基于 语料库的研究方法以概率为基础，是统计学和实 证研究方法在语料库语言学领域的具体应用。 17
语料库驱动的方法 corpus-driven approach
语料库研究方法的局限性
• • • • （1）语料库语言学理论尚需要体系化和简约化。 （2）其研究思路和方法存在一定的分歧。 （3）分析方法和技术需要进一步突破 （4）语料库研究的应用尚需要更深入的探讨。
国内语料库研究的局限性
（1）缺乏应有的精密分析过程，显示不出应有的分析力 量（analytical power）。 （2）一些研究将事实与译论混在一起，将语料库数据与 直觉数据杂合，宏观概述多而语境分析少。 （3）数据与观察与结论之间，不同理论之间跳跃大，缺 失环节多，没有语料库语言学所熟悉的范式特征。
语料库的分类
• • • • • • 按应用取向分为：通用型和专用型语料库 按信道分为：笔语和口语语料库 按语言属性分为：单语、双语、多语语料库 按语言变体分为：本族语、译语、学习者语料库 按时间分为：共时和历时语料库 按语料状态分为：静态和监控语料库
国外语料库的介绍
类型 时间 容量 语料
书面语50% 口语50%
1981-1985
1986-1991
160
320
语料库语言学的主要研究内容
• • • • 语料库的建设与编纂 语料库的加工和管理技术 语言研究中语料库的使用 语料库在计算语言学中的应用
ห้องสมุดไป่ตู้
语料库设计和编纂中的问题
• 语料库设计和编纂的出发点是：如何使得在其基础上开展 的语言调查是合理的和可靠的。因此Kennedy(1998)指出 了语料库设计师所面临的最基本问题：这个语料库所采集 的语言数据是否真正代表了某种期望的语言或语体。在语 料库的建设和编纂过程中应考虑的问题包括： • （1）静态与动态 • （2）代表性和平衡 • （3）规模
乔姆斯基的转换生成语法时期
1957年乔姆斯基《句法理论》及其以后一系列论著的发表， 根本改变了语料库语言学的早期发展状况。在这段时期中， 笛卡尔的理性主义占据主导地位，经验主义几乎无立足之 地，被视为经验主义产物的各种语料库自然被完全否定。
经验主义
empiricism
理性主义
rationalism
这种方法主张，我们在对语料库进行分析之前并 无任何假设，通过对语料库中的所有例证进行穷 尽性的分析和归类，得出有关语言使用情况的假 设乃至结论。语料库驱动的研究方法的基本程序 是“观察—假设—归纳—理论整合”（obsevation leads to hypothesis leads to generalisation leads to unification in theoretical statement）。 17
语料库指导的方法 corpus-informed approach
• 这种方法：对语料库进行分析，得到各种词语、 搭配和结构在语料库中的出现频率、使用场合、 语体等信息，然后在这些语料库信息的指导下编 写合适的教学材料，较为间接地把语料库的信息 用于语言教学中，语料库主要起到一种指导性作 用。17
语料库语言学的复苏时期
80年代以来，语料库语言学在相对沉寂了近20年后，开始 复苏，并得到迅速发展。主要表现在下面两方面。 （1）第二代语料库的相继建成。 1）LOB 2）TLF 3）赫尔辛基历史英语语料库 4）ICE （2）基于语料库的研究项目增多。
1959-1991年语料库研究项目统计表
起止年限 1959-1965 1966-1970 1971-1975 1976-1980 研究项目数目 10 20 30 80
语料库语言学需要解决的问题
• • • • • • • 语料库设计的目的。 收集语料时的文本形式、文本所有权和版权问题。 需要不断更新应用软件以满足语料库的发展。 语料库的规模问题。 语料库的代表性问题。 语料的时限问题。 由于语料库须不断更新的需要和检索手段的改良 而对语料库标准化提出的更高要求。
• （1）数据的区别性特征：语料库语言学数据以其验证性、大数
量性、自动化、计量性等特征有别于其它类型的数据。
• （2）特征性分析技术：包括频数统计、词语索引分析、搭配分
析、词从、主题词等。
• （3）自下而上与自上而下兼用的精密分析过程 ：经典语料
库语言学研究中的归纳与推演，数据观察与理论讨论，往往 是层层展开，步步深入，穷尽一切可能，逐渐逼近，到达结论。
•
检索实例
参考文献
• / • /
• 杨惠中等：语料库语言学导论 上海外语教育出版社 2002 • 梁茂成，李文中，许家金: 语料库应用教程 外语教育与研究出版社 2010 • Kennedy, G. 语料库语言学入门 外语教育与研究出版社 • Biber, D. 语料库语言学 外语教育与研究出版社 • Meyer. 英语语料库语言学导论 上海外语教育出版社 2008 • 刘泽权：《红楼梦》中英文语料库的创建及应用研究 光明日报出版 社 • 《语料库语言学》（半年刊） 外语教学与研究出版社
语言研究中语料库的使用
1.言语研究： (1)语言学理论 。
(2)语言史研究。 （3）句法、词法及自动语法分析。
2.词汇研究： 编纂词典及工具参考书。 3.语义学 4.语用学和话语分析（很少） 4.社会语言学 5.心理语言学 6.外语教学
语料库语言学在计算语言学中的应用
• 20世纪90年代以来在自然语言处理（NLP）和计 算语言学的研究中，语料库方法和统计语言模型 迅速崛起，成为主流技术。主要用法如下： 1）汉语文本中交集型切分歧义的研究 2）汉语基本名词短语识别研究 3）基于结构词义空间的汉语词义排歧模型
语料库的加工和管理技术
• 主要是指用于语料分析、标注、维护和检索软件的工具。 语料库不仅仅是文本的集合，它应该具有良好的存取性能， 一边是各种研究人员都能从中检索出自己需要的信息。因 此语料的检索是其中一项重要的工作。 • 目前普遍使用的检索技术: 1)逐词索引（concordance） 2)词簇（cluster） 3)搭配（collacates） 4) 词表（word list） 5)关键词表（keyword list）27
11
• 24
语料库语言学
Corpus Linguistics
张凤云
语料库语言学的定义
什么是语料库？ 语料库（corpus,复数形式corpora)顾 名思义就是存放语言材料的仓库（或 数据库）。现指存放在计算机里的原 始语料文本或经过加工后带有语言学 信息标注的文本。
什么是语料库语言学？ 作为一个学科的名称 “语料库语言学”与 “语法学”或“语义学”不同，它不属于 语言自身某个侧面的研究，而是一种以语 料库为基础的语言研究方法。它实际上包 括两方面的内容：一是对自然语料进行加 工、标注；二是用已经标注好的语料进行 语言研究和应用开发。
书面语75% 口语25% 书面和口语
研究当代美国英语 研究当代英国英语
在语料库支持下从事词典学研 究
编纂词典和供学术界使用
其口语语料库可以精细分析语 音研究
对讲英语的不同国家的英语进 行对比研究
BNC
ICE
1991-1995
1988年起
1亿
2000万
书面语90% 口语10%
书面语40% 口语60%
国内语料库介绍
语料库语言学的不同研究方法
由于语料库语言学依赖自然数据，因而语料库语 言学从本质上说是实证性的，其语言观是经验主 义的语言观。按照研究中对语料库依赖程度的不 同，可以把依赖语料库的研究方法大致分为三类： 1) 语料库指导的方法24 2)基于语料库的方法25 3)语料库的驱动方法26
语料库研究的方法论特色
• • • • • • • • • 汉语现代文学作品语料库（1979年），527万字，武汉大学 现代汉语语料库（1983年），2000万字，北京航空航天大学 现代汉语词频统计语料库（1983年），182万字，北京语言大学 台湾中央研究院平衡语料库，500万词，是世界上第一个带有完整词 类标记的汉语平衡语料库。 中文五地区共时语料库（1995年），香港城市大学 汉语精加工语料库 特殊英语语料库 中国英语(China English)语料库 ，河南师范大学 军事英语语料库(Corpus of Military Texts) ，解放军外语学院 《人民日报》语料库(2700万字) ，北京大学计算机语言学研究所