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.) …
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

语料库的应用
语言的历 时与风格
词典编撰
语域
语言习得 与发展
语料库语 言学
词汇语法
语言
语言变异
语篇特征

词典编纂
• 语料库与词典编纂的优势在于：对变化中的词义的描写、 词义的排列顺序、例证的来源、语用语法信息的描述以及 习语等实际使用情况的描述等方面具有巨大的优越性。可 以说，建立语料库已经是当代编纂原创性辞典的必要条件 。 • 《牛津英语词典》（18世纪晚期）

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。 • 多维度分析法：角色参与型与信息提供型 叙事型与非叙事型 清晰型与情景依赖型 显性的劝导型 客观型与非客观型 • 自建语料库(60万) ----生态学论文和美国历史学论文

• 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。

COBUILD (Collins Birmingham University International Language Database) Corpus: 80年代第一个以词典编撰为应用背景构建的大规模语料库，是英国Birmingham大学与 Collins出版社合作的结果，规模达到2000万词。 COCA 语料库---美国 LOB (Lancaster/Oslo-Bergen Corpus of Birmingham) Longman 语料库：建于 80年代，包括三个语料库： LLELC语料库 (Longman/Lancaster Brown 语料库：于 1964 年公布于世，后又经多次修 语料库：以英式英语为对象，规模达 100万词。 英语语料库 )、 LSC语料库 (Longman 口语语料库 )、LCLE (Longman当代语料库 英语学习语料库 )； 改的 Brown University Standard Corpus of PresentICE 语料库— 国际英 (London-Lund Corpus of Spoken English) 语料 以编撰英语学习词典为目标，为外国人学习英语服务，词典规模达 5000 万词次。 Day American EnglishLLC ，以美国出版物为对象，规 语语料库 库：以英式口语为对象，规模达50万词。 模达1词汇的不同联结模式，可以区分同义 或近义的语法结构，例如： • that补语从句和to补语从句 补语从句补充动词或形容词的意思，某些意义上，这两 个从句是几乎等价的语法结构，如 I hope that I can go. I hope to go. 基于学术语料库和对话语料库，作者通过分析语料中这两 中从句的词汇联结（动词语域），得出结论：that从句在 会话中的出现比率很高，用来表示人的所思所想，所了解 和所说的；在学术中，that从句则相对罕见，用来报道研 究发现中的结论。to从句在两个语料库中的出现率相差不 大，但在对话语料库中，与该从句同时使用的动词更倾向 于与有生命的主语一起出现，学术中则与无生命的主语共 现。

学习者语料库
收集了包括 中学生、大 以2000-2003 学英语4级 年全国大学 和6级、专 英语四级考 业英语低年 试口语考试 级和高年级 部分的实景 在内的5种 学生的语料， 音像资料为 语料，规模 规模达一百 达70万词。 多万词。 以1996-2002 年的全国英 语专业四级 口试的语音 样本及转写 文本为语料， 总规模达100 万词。 以国内9所不 同层次的高校 英语专业1 - 4 年级学生的英 语作文为语料， 题目与文体多 样，长度为 200 -800词不 等，写作条件 为课堂限时和 课外非限时作 文两种。

单词与语法环境
• 通过考察词汇与语法联结的使用模式，可以区分同义词或 近义词，例如： • 1. little和small • 这两个词词义相近，且都有可以出现在定语和表语的位置 ，但它们在定语和表语的位置各有偏好，这些趋向性和它 们在不同语域的分布有很强的联系。作者通过分析它们在 学术语料库和对话语料库中的分布，得出结论：little经常 与有生命的名词一起出现，而small总是和表示数量的名 词一起出现。 • （学术语料库：Longman语料库，500万词 • 对话语料库：英语国家语料库，500万词） • 2.begin和start

• 书面语料库 • 口语语料库 • 共时语料库 • 历时语料库
• 单语语料库 • 双语语料库 • 多语语料库

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。
CLEC
COLSEC
SECCL
WECCL
学习者语料库

双语平行语料库
平行语料库 PACCEL是我国第一 个学习者英汉、汉 英口笔译语料库， 收录了2003-2007我 国大学英语专业三、 四年级学生的口译 和笔译翻译测试语 料，实际收录210万 字词。 双语语料库

语言的习得与发展
语言的习得与发展方面的研究主要集中于三 个领域：
1
年幼儿童母语的习得
后期语言的发展（不同阶段学生 读写能力的获得） 儿童与成年的第二语言习得
2
3

语言的历时和风格研究
• 历时语料库-------（赫尔辛基语料库的语料收集始于1984 年，历时语言学的研究大多都是基于该语料库进行） • 语言的历时与风格研究： 1.语法和词汇特征的历时变化 2.口语和书面语的历时变化 3.方言的变化 4.男性和女性语言的历史变化
L/O/G/O
语料库语言学

Contents
1 语料库和语料库语言学
语料库的发展
2
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。 • 关于语料库的三点基本认识：
– 语料库中存放的是在实际使用中真实出现过的语言材料； – 语料库是以计算机为载体承载语言知识的基础资源； – 真实语料需要经过分析、处理和加工，才能成为有用的资 源。

语料库的分类
• 生语料库/熟语料库(标注语料库/非标注语料库) • 熟语料库：经过加工，带有切分、标注标记的语料库。 • 生语料库：未经加工的，没有任何切分、标注标记的原始 语料库。 • 系统型语料库/专用型语料库（通用语料库/专用语料库） • 系统型语料库：依据事先确定的选材原则和比例选取语料 的语料库。 • 专用型语料库：专门服务于某个特定目的的语料库。