基于石油學(xué)術(shù)期刊摘要語(yǔ)料庫(kù)的文本特征分析與詞匯比較

摘

要：本文利用AntConc語(yǔ)料庫(kù)工具，從文本和詞匯角度研究了TA語(yǔ)料庫(kù)，TA語(yǔ)料庫(kù)由505篇石油科技外文期刊摘要構(gòu)成，含130

000詞。研究發(fā)現(xiàn)，TA中被動(dòng)語(yǔ)態(tài)的使用頻率比AmE06_130語(yǔ)料庫(kù)高出19.35%；對(duì)于人稱(chēng)代詞，“it”和“we”的頻率最高；oil的詞頻是petroleum的13倍。關(guān)鍵詞：翻譯；語(yǔ)料庫(kù)研究；摘要語(yǔ)料庫(kù)；石油文本；AntConc中圖分類(lèi)號(hào)：F74

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/ki.16723198.2024.04.0221

數(shù)據(jù)收集及工具選擇1.1

數(shù)據(jù)收集本研究從《AAPG

Bulletin》《Bulletin

of

Canadian

Petroleum

Geology》《Journal

of

Petroleum

Science

and

Engineering》《Petroleum

Exploration

and

Development》和《Petroleum

Science》5個(gè)期刊中，選取了2022–2023年出版的505篇摘要，建立了一個(gè)130

000詞的摘要語(yǔ)料庫(kù)TA。相比以往研究，本研究的樣本數(shù)量擴(kuò)大了一個(gè)數(shù)量級(jí)。從AmE06語(yǔ)料庫(kù)中，按分類(lèi)等比例提取了約130

000詞內(nèi)容，建立了參照語(yǔ)料庫(kù)AmE06_130，用于提取TA中的關(guān)鍵詞單。1.2

工具選擇AntConc是一款語(yǔ)料庫(kù)分析工具，支持Raw

files導(dǎo)入，或?qū)⒍鄠€(gè)Raw

files打包成（.DB）文件，方便切換語(yǔ)料庫(kù)。2

文本特征分析2.1

被動(dòng)語(yǔ)態(tài)分析正則表達(dá)式可以檢索被動(dòng)語(yǔ)態(tài)結(jié)構(gòu)，檢索前需對(duì)目標(biāo)語(yǔ)料庫(kù)進(jìn)行詞性標(biāo)注處理。本研究利用TagAnt軟件完成了對(duì)語(yǔ)料庫(kù)的詞性標(biāo)注。顯示信息設(shè)置為word+pos_tag，其余按照默認(rèn)選項(xiàng)運(yùn)行。標(biāo)注完成后，經(jīng)測(cè)試下列表達(dá)式能夠檢索被動(dòng)語(yǔ)態(tài)結(jié)構(gòu)：（be|am|is|are|was|were）_VBw*s+w+_VBN上述表達(dá)式會(huì)匹配這一結(jié)構(gòu)：be動(dòng)詞后面緊跟著一個(gè)過(guò)去分詞形式的動(dòng)詞。結(jié)果如表1所示：綜上所述，TA語(yǔ)料庫(kù)的被動(dòng)語(yǔ)態(tài)使用頻次高出AmE06_130語(yǔ)料庫(kù)達(dá)19.35%。與以往研究結(jié)果相吻合，被動(dòng)語(yǔ)態(tài)的使用頻率雖然高，但并未高過(guò)主動(dòng)語(yǔ)態(tài)。2.2

人稱(chēng)代詞分析英語(yǔ)中的人稱(chēng)代詞共12種詞型，作者利用通配符檢索所有詞型，并核實(shí)結(jié)果對(duì)應(yīng)的上下文判斷是否正確，再對(duì)錯(cuò)誤結(jié)果進(jìn)行修正。最終確定5種人稱(chēng)代詞，結(jié)果如下：數(shù)據(jù)顯示，“it”和“we”的使用頻率最高，其余人稱(chēng)代詞均為復(fù)數(shù)形式，且僅有第一人稱(chēng)和第三人稱(chēng)形式。目標(biāo)語(yǔ)料庫(kù)中沒(méi)有出現(xiàn)第一人稱(chēng)單數(shù)形式（I和me），且沒(méi)有出現(xiàn)第二人稱(chēng)的任何一種形式（you）。2.3

N元模式分析N-Gram工具可以生成目標(biāo)文件中的N元列單。隨著Size逐漸增大，結(jié)果數(shù)量會(huì)逐漸減少。研究發(fā)現(xiàn)，數(shù)值設(shè)定為2-5時(shí)，檢測(cè)出的結(jié)果最具有代表性。我們截取了前100條結(jié)果，并將其中內(nèi)容分為兩個(gè)大類(lèi)：（1）石油科技文本表達(dá);（2）摘要文本表達(dá)。在N-Gram

Size設(shè)定為3的情況下，“oil

and

gas”的頻次最高。摘要文本表達(dá)相關(guān)的結(jié)果可歸為數(shù)個(gè)類(lèi)別：表示“發(fā)現(xiàn)”、指代“本文”等?！笆涂萍肌毕嚓P(guān)結(jié)果單獨(dú)歸為一類(lèi)。2.4

詞云圖分析詞云圖能夠可視化詞單數(shù)據(jù)，通過(guò)字體大小和顏色深淺來(lái)體現(xiàn)詞重要性。生成詞云圖的數(shù)據(jù)樣本取自關(guān)鍵詞單。作者利用停用詞單（Stopword）對(duì)結(jié)果進(jìn)行清洗（去除and，

of等虛詞）。處理完原始數(shù)據(jù)后，本文作者在詞云圖工具中，設(shè)置圖片尺寸寬900高450，最大詞數(shù)為300，輸出值為Keyness

（Likelihood）。在生成的詞云圖中，顏色越深代表關(guān)鍵性越大，越淺則相反；字體大小同理。從圖中容易看出，“oil”的顏色深、字體大，而

“petroleum”則小許多，顏色也更淺，兩者在圖中的位置用箭頭進(jìn)行了標(biāo)示。綜上所述，本節(jié)從被動(dòng)語(yǔ)態(tài)、人稱(chēng)代詞、N元模式和詞云圖等4個(gè)方面分析了目標(biāo)語(yǔ)料庫(kù)的文本特征。主要進(jìn)行了無(wú)檢索詞檢索，從側(cè)面觀察目標(biāo)語(yǔ)料庫(kù)的文本特征。3

Oil和Petroleum的檢索及結(jié)果的對(duì)比分析3.1

詞頻分析這部分研究選取的樣本是TA語(yǔ)料庫(kù)，參照語(yǔ)料庫(kù)為AmE06語(yǔ)料庫(kù)。本文作者在Word和Keyword功能中檢索oil和petroleum，發(fā)現(xiàn)前者的詞頻是后者的約13倍，關(guān)鍵性是后者的約15倍。3.2

詞叢分析詞叢分析運(yùn)用Cluster工具對(duì)語(yǔ)料庫(kù)進(jìn)行分析，Cluster

Size為2。為了抓取盡量多的數(shù)據(jù)，檢索oil時(shí)，最小頻次和文檔范圍都設(shè)置為3，檢索petroleum時(shí)，最小頻次和文檔范設(shè)置為2。分別勾選On

Left（檢索詞位于左端）和On

Right（檢索詞位于右端），進(jìn)行兩次檢索并匯總，最后人工清洗檢索結(jié)果，去除噪音數(shù)據(jù)。清洗后數(shù)據(jù)顯示，在目標(biāo)語(yǔ)料庫(kù)中petroleum的結(jié)果全部位于左端，而oil的結(jié)果左右都有。Petroleum的檢索結(jié)果：綜上所述，這部分研究從詞頻、詞叢和Plot分析三個(gè)方面研究了oil和petroleum的區(qū)別。結(jié)合詞頻和Plot分析，我們發(fā)現(xiàn)目標(biāo)語(yǔ)料庫(kù)中oil的使用頻率和關(guān)鍵性遠(yuǎn)高于petroleum，且前者的Dispersion最大值以及前十?dāng)?shù)據(jù)平均值也都高于后者，最后統(tǒng)計(jì)了檢索詞的位置頻數(shù)。4

結(jié)語(yǔ)本研究選取了505篇石油科技外文期刊摘要，建立了目標(biāo)語(yǔ)料庫(kù)，利用AntConc對(duì)目標(biāo)語(yǔ)料庫(kù)進(jìn)行了檢索分析。一方面，本研究采用無(wú)檢索詞檢索，研究分析了目標(biāo)語(yǔ)料庫(kù)的