最后,壮语的各方言语料库要求能统筹兼顾,最后能够嫁接在一起方便使用。建设壮语方言语料库,“小作坊”式的语料库容易造成重复建设,浪费大量的人力、物力和财力,也不利于语料库的建设和使用。壮语方言语料库应该是一种公益性的成果,应成为语言工作者无偿献给社会的公共财产。不仅语言工作者可以方便使用,社会各界、中外语言学习者都可以从中受益。这样,语料库才能够发挥其应有的作用,收到深远的社会效益。
2.壮语语料库的附码标注 语料标注可实现语料机读化,可提高语料的利用价值。标注就是对语料库中的原始语料进行加工,把各种表示语言特征的附码标注在相应的语言成分上,以便于计算机的识读。语料库的附码标注要遵循一定的原则,有可参考的标注模式。 (1)壮语语料库可遵循的附码标注原则 英国著名语言学家Leech是当今语料库语言学的代表人物之一,他(1993)认为语料的标注应该遵循以下几个基本原则。 第一,标注附码可删除,可恢复到原始语料。语料的标注总是带有一定的目的性,语料库用于不同目的,可能就需要采取不同的标注方法。可删除标注附码的语料若用于其他用途时,可重新进行标注。 第二,标注可以单独抽出,另外储存。这一原则实际上与第一条原则基本一致,目的是让语料库中语料的标注能够最大限度地增强语料使用的灵活性。 第三,语料的最终使用者应该清楚标注的原则和附码的意义。 第四,在语料的使用和说明文件中,应说明标注者和标注所使用的方法。 第五,应向用户表明语料的标注并非完美无缺,它只是一种可能有用的工具。 第六,标注应该采用综合的使用范围广泛的语法理论以方便语料库的使用,而不是按照使用范围狭窄的某一特定的语法理论。 第七,任何标注模式都不能作为第一标准。在标注模式的确定过程中,目前比较理想的做法是,综合考察已有的各种标注模式,分析各种模式的长处与短处,结合自己语料库的实际应用,建立一种折中的标注模式。 以上七个原则,中心意思也就是最大可能地方便标注者和使用者,并被广泛认可。壮语语料库的驸码标注可参考Leech提出的这些原则。 (2)壮语语料库可参考的语料标注模式 自语料库诞生以来,人们采用了各种各样的标注模式。目前,语料库语言学领域内的许多研究者正在致力于建立一种国际统一的标准标注模式,可作为壮语语料库的参考模式。 COCOA参考系统是一种很早出现的用于从机读语篇中提取词汇索引的计算机系统,它的一些标注的格式已经被OCP(Oxford Concordance Program)所采用,而且被“朗文—兰卡斯特语料库”(Longman-Lancaster corpus)、“赫尔辛基语料库”等应用于语料的标注之中。TEi(Text Encoding Initiative)被认为(McEnery、Wilson,1996)最能反映当前语料库语言学家致力于建立更具形式化的机读语篇信息编码国际标准的动向。它采用SGML(Standard Generalized Markup Language)词性标记附码,在此基础上又制订了一套详细的规则。TEI标注模式已经为诗歌、书信、戏剧等基本文体制订了一套标注的标准。一个语篇的总体情况可以用文件类型描述(DTD,document type description)标出。DTD提供关于语篇所包含的语言单位、语言单位的组合形式,以及标注附码的含义等信息。 (3)壮语语料库可标注的类型 有一定规模的语料库的语料标注类型主要包括语篇背景信息、词性、词形、句法分析、语义、语篇结构等。这些内容也是壮语语料库应包含的类型。 语篇背景信息可以小部分通过文件名反映出来。语篇背景包括标题、作者(包括年龄、性别、国籍等)、语篇的写作时间、书面语还是口语、何种变体的语言、内容类别、语料来源等各种信息。这些信息对语料的分类与索引是非常重要的。 词性标注有时也被称为语法标注,目的是标明语料中各单词的词性,例如单数普通名词、形容词的比较级、过去分词等。词性标注是整个标注过程的最基础阶段,为进一步的句法分析和语义标注奠定了基础。 词形标注是指把单词的原形标注出来,是整个标注过程的重要步骤,因为这些信息对于词汇研究和词典编纂尤为重要。通过词形标注,我们可以非常方便地统计词汇的使用频率,提取单词的各种变化形式和统计它们的分布情况。 句法分析是把句子的各种组成成分用各种表示句法特征的附码标注出来。句法分析在目前一般根据语料库的目的等因素而采用不同的语法理论,而对于句法结构标注方法,不同的语料库采用的方法也不同。 语义标注主要包括语言单位的语义特征和语言单位之间的语义关系。由于语义标注的历史不长,人们目前对于标注的内容还没有一致的看法。现在一些语料库研究者正在致力于设计一些语义分析系统,以便于进行语义标注。 语篇结构的标注在目前各种语料库的实际情况中进行得还不太普遍。Stenstrom(1984)采用语篇附码对“伦敦—隆德英语口语语料库”(London-Lund Corpus of Spoken English)进行语篇标注。 有些语料库要进行语音标注,但是由于语音标注完全需要人工完成,而且要求标注者具有相当高的语音听辨能力和语音学水平,因此,除非特殊需要,目前进行语音标注的很少。 五、结语 国内语料库语言学通过多年的发展,无论是在语料库的利用上还是在研究方法上都取得了长足的进步,但同时我们也应看到存在的一些问题。如各研究领域发展欠平衡,有些语料库的选取不够恰当,采取的统计方法不够严谨,等等。我们应该充分认识到语料库研究对我国语言研究的重要意义,密切注意国外语料库语言学发展的最新动态,充分利用一切语料库资源和语料库研究成果,并结合我国的语言教学和研究现状,进行更深入的语言研究和语言应用研究。少数民族语言语料库建设是很有发展前途的研究领域。目前国内已有研究单位和学者着手或者开始建立壮语语料库,希望我国的研究者能够在国外研究的基础上,根据我国壮语的实际需要,建立一套适合壮语实际情况的语料标注系统。这无疑是对我国的少数民族语言研究作出重要贡献,尤其是对壮语的研究有极大的意义,将促进壮语语料库的研究与发展。 中国www.LWlm.Com 参考文献: [2]崔刚,盛永梅.语料库中语料的标注[J].清华大学学报(哲学社会科学),2000(1). [3]何安平.教育中的应用——理论与实践[M].广州:广东高等教育出版社,2004. [4]刘岩.关于中国少数民族濒危语言语音语料库的设计[J].中央民族大学学报(哲学社会科学版),2006,(4). [5]罗起君.谈壮语的可利用价[J].河池师专学报(社会科学版),2002,(9). [6]潘永梁.语料库语言学的目的和方法[J].解放军外国语学院学报,2001,(3). [7]王建新.我国在语料库语言学研究方面的部分进展(概述)[J].外语与外语教学(大连外国语学院学报),1999,(3). [8]王泽鹏.发展方言语料库 提高研究水平——兼谈粤方言语料库的建设[J].烟台师范学院学报(哲学社会科学版),2003,(3). [9]杨惠中.语料库语言学导论[M].上海:上海外语教育出版社,2002.