个性化虚拟语料库及其应用
时间:2022-03-12 08:42:26 浏览次数:次
摘要:个性化虚拟语料库是大数据时代应运而生的新兴工具,在语言教学与研究中应用前景广阔。它是以现有语料库或互联网语料为基础,根据个性化需求临时创建的专题语料库。本文以美国杨百翰大学维基百科英文语料库为例,介绍了如何创建、编辑、管理和使用个性化虚拟语料库,包括其检索方法,阐述了如何从中挖掘利用语言教学和词典编纂所需的各类词表,并探索了其在专门用途英语教学中的应用,最后提出了如何有效利用该类资源的建议和展望。
关键词:个性化虚拟语料库;维基百科语料库;词表;专门用途英语教学;专科词典编纂
中图分类号:H319.3 文献标识码:B 论文编号:1674-2117(2017)09-0096-05
近年来,语言教学与研究正日益广泛地用到语料库(corpus)资源。用户可在现成正规语料库或互联网语料的基础上,根据自身需求临时创建专题语料库,即个性化虚拟语料库(customized virtual corpus)。这两种语料来源各有优缺点,现成的正规语料库制作规范,标注与统计功能强大,但由于是静态资源,语料库容量有限,所以在建成之初其语料就已经“过时”。而互联网语料实际上是大数据时代的“网络语料库”(web as corpus,又译作“以网络为语料库”),它主要通过Google等搜索引擎来收集最新语料,其中以英国伯明翰城市大学的WebCorp等为代表,但由于受到搜索引擎功能的限制,缺乏正规语料库的标注和统计功能,所以它往往无法按语言工作者的需要精确检索到语料。
美国杨百翰大学(Brigham Young University)Mark Davies教授于2015年发布了具有开放性和动态性的维基百科英文语料库平台(The Wikipedia Corpus)。它为用户专门设置了创建个性化虚拟语料库的功能,这克服了“网络语料库”的目的性和针对性不强的缺点,同时又具有正规(静态)语料库的语料处理功能。该库用户可根据所需主题,检索相关内容的语料,临时聚合语料并分类管理,从而创建个性化的专题(子)库(刘喜琴 & Davies, 2017)。与Sketch Engine等提供的虚拟语料库功能相比,该库创建、管理和使用起来更加灵活方便,进一步降低了用户的技术门槛,因而具有广阔的应用前景。目前,该库语料来源于所有英语国家,库容达190亿个词,含4,400,000个文件。虽然容量巨大,但检索速度很快,是Sketch Engine的五六倍。其优势还体现在它的语料检索功能远远超过维基百科原有系统,而且与学校其他十多个免费权威语料库(如COCA、COHA、BYU-BNC等)实现了无缝对接(Davies, 2015)。