許家金 梁茂成

(北京外國語大學,北京,100089)

1.問題緣起

對比分析(contrastive analysis)是語料庫語言學的常見方法和分析視角。國內(nèi)語料庫學者談及對比方法,最容易想到“中介語對比分析”(Contrastive Interlanguage Analysis,簡稱CIA)和“英漢對比研究”。中介語對比時,需要比較英語母語和學習者中介語的語言特點,或比較不同母語背景的外語或二語學習者的中介語,還可能會比較語言水平較低和較高的中介語表現(xiàn)(Granger 1998)。英漢對比時,可能會比較翻譯的雙方向(漢譯英、英譯漢)語言表現(xiàn)(Baker 2000;王克非2006),也可能對比英漢語料內(nèi)部的不同語類,如小說類語料或者科技類語料。在進行對比研究時,語料通常是分別存儲的,研究者只需對兩批語料分別檢索,再對比數(shù)據(jù)和語言特點即可;若試圖在語料庫內(nèi)部再做對比(比如四級和六級學生作文的對比、小說類科技類對比),則需將大的語料庫拆分成若干小語料庫,或者從大的語料庫中抽取符合條件的子語料庫(sub-corpus)。

比如,“英國國家語料庫”(British National Corpus)是一個集英國英語口語和筆語的大型通用語料庫。Rayson,Leech 和 Hodges(1997)利用該語料庫進行了一項社會語言學研究。在該研究中,研究者對英國不同性別的對話口語進行了對比和分析。因研究問題所需,先從通用語料庫中抽取對話口語,然后再區(qū)分對話者的不同性別,建成了兩個子語料庫——英國男性對話口語語料庫和英國女性對話口語語料庫,以滿足對比的需要。

子語料庫的創(chuàng)建正是本文要討論的主要問題。在實際研究中,視研究的需要,常常依據(jù)某種條件從一個大的語料庫(如通用語料庫)中抽取若干個符合條件的文本構(gòu)建一個子語料庫,以達到對比的目的。對語料庫的拆分和抽取,可以拓展語言對比的研究層面,同時引發(fā)新的研究選題。

2.語言對比的層面

語言對比涵蓋范圍很廣。本文以探討學習者語言對比和英漢語言對比為主,并著重討論創(chuàng)建子語料庫的操作方法,從而服務于語言對比研究。以往的檢索工具多數(shù)不能對語料庫中的特定文本,或文本中的特定內(nèi)容進行檢索,因而限制了多層面的語言對比研究。這是基于語料庫的語言對比研究中缺失的一環(huán)。如能從技術(shù)上簡化創(chuàng)建子語料庫的方法,則能有效彌補這缺失的一環(huán),同時還能擴展語言對比研究的層面。

以下將通過一些具體的研究選題,展示對比在語言研究中的重要性,以及語言對比研究的層面。之后,本文將就其中一些選題,簡述如何通過創(chuàng)建子語料庫,促成對特定語言內(nèi)容的考察和對比。

利用語料庫,可進行多個層面的語言對比分析,比如:

A) 出現(xiàn)較多動賓搭配錯誤的學生語言特點研究;

B) 使用較多復雜句的學生語言特點研究;

C) 英美新聞語料中有關(guān)中國崛起(或中國威脅)的報道;

D) 學習者語料庫中成績居前30%與后30%的語言特點對比研究;

E) 中國學生英語口語復述與其英語會話之間的話語特征比較;

F) 不同主題作文之間的語言特點的異同;

G) BNC中少年與成年話語的對比研究;

H) 《時代周刊》中2001年9月11日(911事件)前后新聞報道的異同;

I) 新聞語料中的社論、評論與現(xiàn)場報道話語的異同;

當然,還有基于復合條件的語料分析。比如,

J) 不同年齡女性話語中的被動用法。

綜上,有關(guān)注語料文本內(nèi)部語言特征(如A、B、C)的研究,有基于語料文本外部特征(也稱為社會語言學變量)(如D—I)的研究,以及綜合語言特征和社會語言學變量(如J)的研究。

3.子語料庫的創(chuàng)建

要獲得上面選題所需的研究語料,有不同的思路。一些在線語料庫檢索系統(tǒng)(如http:∥corpus.byu.edu/)可按文本外部特征分別檢索和呈現(xiàn)結(jié)果。比如,《時代周刊》語料庫(1923-2006)就提供了按年代進行檢索的設置。因此,檢索terrorism,bin Laden就會得到2001年前后明顯不同的語言分布,進而還可以分析2001年前后這兩個詞的典型搭配的情況。然而,在線語料庫的使用只能是“因陋就簡”,網(wǎng)站提供怎樣的選項設置,使用者就只能在給定的范圍內(nèi)使用。比如,若要對比BNC中男性與女性話語的特點,利用http:∥corpus.byu.edu/bnc/就無法實現(xiàn)。在線語料庫檢索界面的設計者,不可能考慮到各個用戶的不同需求。因此,利用語料庫中的元信息等創(chuàng)建子語料庫,才能使我們的研究需要得到滿足。

3.1 語料庫元信息的結(jié)構(gòu)與內(nèi)容

如果用戶電腦上存儲了相關(guān)的語料庫(如BNC、CLEC、SWECCL等),希望從這些語料庫中提取所需的語料,創(chuàng)建子語料庫,本文提出一個簡便易行的方法。其核心是獲得所需文本的文件名。文件名可以通過兩種方式獲得,即“基于元信息”和“基于內(nèi)容檢索”。兩種方法都需要通過檢索實現(xiàn),前者的檢索針對非語言特征,后者針對語言特征。

雖然,語料庫的格式多種多樣,主要有:純文本格式、SGML格式、XML格式等,但一般都有元信息標注,常見標注格式如下:

CLEC