語料庫語言學(xué)

語料庫語言學(xué)維基百科語料庫語言學(xué)(英語：corpuslinguistics)是基于語言運(yùn)用的實(shí)例(即語料庫)的語言討論。語料庫語言學(xué)可以對(duì)自然語言進(jìn)行語法與句法分析，還可以討論它與其他語言的關(guān)系。語料庫最初由手工完成，而現(xiàn)在主要是由計(jì)算機(jī)自動(dòng)完成。語料庫語言學(xué)家信任，牢靠的語言分析需建立在新奇的語料、自然的語言環(huán)境，和最小的試驗(yàn)干擾之上。在語料庫語言學(xué)中，語料標(biāo)注的意義眾說紛紜，從約翰?辛克萊⑴主見最少量的標(biāo)注，并允許文本“為自己說話"，至『英語用法調(diào)杳組”(設(shè)在倫敦高校學(xué)院)［2］鼓舞更多的標(biāo)注，并認(rèn)為它是通向更完備和嚴(yán)謹(jǐn)?shù)恼Z言理解的道路。名目1歷史2方法3參考文獻(xiàn)o3.1引用o3.2期刊o3.3書籍4外部鏈接5參見歷史［編輯］現(xiàn)代語料庫語言學(xué)的一個(gè)里程碑是亨利?庫切拉和W.納爾遜弗朗西斯在1967年出版的《當(dāng)代美語的計(jì)算分析》(ComputationalAnalysisofPresent-DayAmericanEnglish)一書。該項(xiàng)工作基于對(duì)布朗語料庫的分析，布朗語料庫是一個(gè)細(xì)心編制的美國英語語料庫，規(guī)模約有一百萬詞次。庫切拉和弗朗西斯將這些語料用于各種計(jì)算分析，獲得了豐富和多樣化的成果，該成果結(jié)合了語言學(xué)、語言教、心理學(xué)、統(tǒng)計(jì)學(xué)、和社會(huì)學(xué)元素。另一關(guān)鍵出版物是1960年倫道夫?夸克的《當(dāng)代英語語法》(TowardsadescriptionofEnglishUsage)口】，在這本書中他介紹了"英語用法調(diào)杳”項(xiàng)目(TheSurveyofEnglishUsage)°此后不久，波士頓出版商霍頓米夫林邀請(qǐng)庫切拉為其新的美國傳統(tǒng)英語字典供應(yīng)百萬詞次，三線引文的來進(jìn)行詞典編纂?！睹绹鴤鹘y(tǒng)英語字典》創(chuàng)新地將規(guī)定性元素(應(yīng)如何使用語言)和描述性元素(語言實(shí)際上是如何被使用)結(jié)合在了一起。其他出版社紛紛效仿。英國出版商柯林斯COBUILD單語學(xué)習(xí)詞典，就是為非英語母語者學(xué)習(xí)英語而出版的，它使用了“英語銀行"(BankofEnglish)語料庫?！坝⒄Z用法調(diào)查”語料庫被用于由夸克等人編著的《綜合英語語法》(AComprehensiveGrammaroftheEnglishLanguage)中。布朗語料庫也催生了類似的語料庫：LOB語料庫（Lancaster-Oslo-BergenCorpus,20世紀(jì)60年月英國英語），科爾哈帕（Kolhapur,印度英語），惠靈頓（Wellington,新西蘭英語），澳大利亞英語語料庫（AustralianCorpusofEnglish,澳大利亞英語），皺眉語料庫（FrownCorpus,20世紀(jì)90年月初，美國英語），以及FLOB語料庫（FLOBCorpus,20世紀(jì)90年月，英國英語）。其他語料庫包括國際英語語料庫（InternationalCorpusofEnglish）,和英國我國語料庫（BiitishNationalCorpus,收集了1億詞次的口頭和書面語料，在20世紀(jì)90年月時(shí)由出版商、牛津高校、蘭卡斯特高校和大英圖書館創(chuàng)建）。至于說到當(dāng)代的美國英語，現(xiàn)已有了美國我國語料庫（英語：AmericanNationalCorpus）,以及可以在線訪問的4億多詞次的美國當(dāng)代英語語料庫（英語：CorpusofContemporaryAmericanEnglish,1990年倉犍）。第一個(gè)電腦轉(zhuǎn)錄口語語料庫，建于1971年蒙特利爾法語項(xiàng)目（MontrealFrenchProject）,【用有一億詞次，這一項(xiàng)目還啟發(fā)了夏娜?帕普拉克建立了規(guī)模更大的渥太華-赫爾地區(qū)法語口語語料庫（{{lang-en|CorpusofspokenFrenchintheOttawa-Hullarea）。⑶語料庫除了收集現(xiàn)存語言，也收集古代語言。比如20世紀(jì)70年月建立的希伯來文圣經(jīng)的安徒生福布斯數(shù)據(jù)庫（英語：Andersen-ForbesdatabaseoftheHebrewBible,數(shù)據(jù)庫的每個(gè)子句的語法分析都使用了多達(dá)七級(jí)語構(gòu)的圖表,每一部分都標(biāo)注了七個(gè)方面的信息。⑹⑺古蘭經(jīng)阿拉伯語語料庫（英語：QuranicArabicCorpus）是古典的阿拉伯文《古蘭經(jīng)》的標(biāo)注語料庫。它包含多層次的標(biāo)注，包括形態(tài)分割，詞性標(biāo)注，以及使用依存語法進(jìn)行的句法分析。網(wǎng)方法［編輯］語料庫語言學(xué)已經(jīng)有了一大批討論方法，這些討論方法都試圖找到從數(shù)據(jù)到理論的解決方案。瓦利斯和尼爾森⑼最先介紹了他們的3A觀點(diǎn)（英語：3Aperspective）：注釋（英語:Annotation）,抽象（英語：Abstraction）和分析（英語:Analysis）o注釋包括語料的數(shù)據(jù)庫方案。注釋可能包括結(jié)構(gòu)標(biāo)注，詞性標(biāo)注，句法分析和其他形式。抽象包括該方案在理論上的啟發(fā)式模型或數(shù)據(jù)集中的翻譯（映射）。抽象通常包括面對(duì)語言學(xué)家的定向搜尋，但也可能包括句法討論者的句法規(guī)章學(xué)習(xí)。分析包括統(tǒng)計(jì)學(xué)探測，操縱和對(duì)數(shù)據(jù)集的歸納概括。分析可能包括統(tǒng)計(jì)學(xué)評(píng)估，規(guī)章庫優(yōu)化和學(xué)問探究方法。如今大多數(shù)詞匯語料庫采納詞性標(biāo)注（英語：part-of-speech-tagged）。然而，即使是采納未標(biāo)注語料的語料庫語言學(xué)家也無疑會(huì)使用一些方法來從句子中隔離出他們感愛好的詞。在這種狀況下，注釋和抽象在詞匯搜素中結(jié)合起來了。發(fā)布標(biāo)注語料庫的優(yōu)點(diǎn)是其他用戶可以在語料庫中進(jìn)行討論與試驗(yàn)。語言學(xué)家與其他相關(guān)人士就可以采用語料庫來工作通過數(shù)據(jù)共享，語料庫語言學(xué)家能將語料庫視為語言研討的核心，而不是學(xué)問的源泉。CorpuslinguisticsFromWikipedia,thefreeencyclopediaCorpuslinguisticsisthestudyoflanguageasexpressedinsamples(corpora)of“realworld"text.Thismethodrepresentsadigestiveapproachtoderivingasetofabstractrulesbywhichanaturallanguageisgovernedorelserelatestoanotherlanguage.Originallydonebyhand,corporaarenowlargelyderivedbyanautomatedprocess.Corpuslinguisticsadherentsbelievethatreliablelanguageanalysisbestoccursonfield-collectedsamples,innaturalcontextsandwithminimalexperimentalinterference.Withincorpuslinguisticstherearedivergentviewsastothevalueofcorpusannotation,fromJohnSinclair^advocatingminimalannotationandallowingtextsto'speakforthemselves',toothers,suchastheSurveyofEnglishUsageteam(basedinUniversityCollege,London)@advocatingannotationasapathtogreaterlinguisticunderstandingandrigour.LinguisticsTheoreticalCognitiveGenerativeQuantitative?FunctionaltheoriesofgrammarPhonologyMorphology*MorphophonologySyntaxLexisSemanticsPragmaticsGraphcmicsOrthographySemioticsDescriptiveAnthropologicalComparative?HistoricalEtymologyGraphetics?PhoneticsSociolinguisticsAppliedandexperimentalComputational

Contrastive?Evolutionar}'ForensicInternetLanguageacquisitionSecond-languageacquisitionLanguageassessmentLanguagedevelopmentLanguageeducationLinguisticanthropology

Neurolinguistics

PsycholinguisticsRelatedarticlesHistoryoflinguisticsLinguisticprescription

Listoflinguists

UnsolvedlinguisticsproblemsLinguisticsportalContents

[hide]1History2MethodsSeealsoReferenceso4.1Journalso4.2Bookserieso4.3OtherExternallinksHistory[edit]Someoftheearliesteffortsatgrammaticaldescriptionwerebasedatleastinpartoncorporaofparticularreligiousorculturalsignificance.Forexample,PratisakhyaliteraturedescribedthesoundpatternsofSanskritasfoundintheVedas,andPanini'sgrammarofclassicalSanskritwasbasedatleastinpartonanalysisofthatsamecorpus.Similarly,theearlyArabicarammarianspaidparticularattentiontothelanguageoftheQuran.IntheWesternEuropeantradition,scholarspreparedconcordancestoallowdetailedstudyofthelanguageoftheBibleandothercanonicaltexts.AlandmarkinmoderncorpuslinguisticswasthepublicationbyHenryKuceraandW.NelsonFrancisofComputationalAnalysisofPresent-DayAmericanEnglishin1967,aworkbasedontheanalysisoftheBrownCorpus,acarefullycompiledselectionofcurrentAmericanEnglish,totallingaboutamillionwordsdrawnfromawidevarietyofsources.KuceraandFrancissubjectedittoavarietyofcomputationalanalyses,fromwhichtheycompiledarichandvariegatedopus,combiningelementsoflinguistics,languageteaching,psychology,statistics,andsociology.AfurtherkeypublicationwasRandolphQuirk's'TowardsadescriptionofEnglishUsage'(I960)團(tuán)inwhichheintroducedTheSurveyofEnglishUsage.Shortlythereafter,BostonpublisherHoughton-MifflinapproachedKuceratosupplyamillionword,three-linecitationbaseforitsnewAmericanHeritageDictionary,thefirstdictionarytobecompiledusingcorpuslinguistics.TheAHDtooktheinnovativestepofcombiningprescriptiveelements(howlanguageshouldbeused)withdescriptiveinformation(howitactuallyisused).Otherpublishersfollowedsuit.TheBritishpublisherCollins*COBUILDmonolinguallearner'sdictionary,designedforuserslearningEnglishasaforeignlanguage,wascompiledusingtheBankofEnglish.TheSurveyofEnglishUsageCorpuswasusedinthedevelopmentofoneofthemostimportantCorpus-basedGrammars,theComprehensiveGrammarofEnglish(Quirketal.1985).圖TheBrownCorpushasalsospawnedanumberofsimilarlystructuredcorpora:theLOBCorpus(1960sBritishEnglish),Kolhapur(IndianEnglish),Wellington(NewZealandEnglish),AustralianCorpusofEnglish(AustralianEnglish),theFrownCorpus(early1990sAmericanEnglish),andtheFLOBCorpus(1990sBritishEnglish).Othercorporarepresentmanylanguages,varietiesandmodes,andincludetheInternationalCorpusofEnglish,andtheBritishNationalCorpus,a100millionwordcollectionofarangeofspokenandwrittentexts,createdinthe1990sbyaconsortiumofpublishers,universities(OxfordandLancaster)andtheBritishLibrary.ForcontemporaryAmericanEnglish,workhasstalledontheAmericanNationalCorpus,butthe400+millionwordCorpusofContemporaryAmericanEnglish(1990-present)isnowavailablethroughawebinterface.Thefirstcomputerizedcorpusoftranscribedspokenlanguagewasconstructedin1971bytheMontrealFrenchProject,囪containingonemillionwords,whichinspiredShanaPoplack'smuchlargercorpusofspokenFrenchintheOttawa-Hullarea.?Besidesthesecorporaoflivinglanguages,computerizedcorporahavealsobeenmadeofcollectionsoftextsinancientlanguages.AnexampleistheAndersen-ForbesdatabaseoftheHebrewBible,developedsincethe1970s,inwhicheveryclauseisparsedusinggraphsrepresentinguptosevenlevelsofsyntax,andeverysegmenttaggedwithsevenfieldsofinformation.^TheQuranicArabicCorpusisanannotatedcorpusfortheClassicalArabiclanguageoftheQuran.Thisisarecentprojectwithmultiplelayersofannotationincludingmorphologicalsegmentation,part-of-speechtagging,andsyntacticanalysisusingdependencygrammar.倒Methods[edit]CorpusLinguisticshasgeneratedanumberofresearchmethods,attemptingtotraceapathfromdatatotheory.WallisandNelson(2001)3firstintroducedwhattheycalledthe3Aperspective:Annotation,AbstractionandAnalysis.Annotationconsistsoftheapplicationofaschemetotexts.Annotationsmayincludestructuralmarkup,part-of-speechtagging,parsing,andnumerousotherrepresentations.Abstractionconsistsofthetranslation(mapping)oftermsintheschemetotermsinatheoreticallymotivatedmodelordataset.Abstractiontypicallyincludeslinguist-directedsearchbutmayincludee.g.,rule-learningforparsers.Analysisconsistsofstatisticallyprobing,manipulatingandgeneralisi