摘 要：警務(wù)漢語教學(xué)是專門用途漢語教學(xué)的新興分支。本文以禁毒案件為例，使用NLPIR漢語分詞系統(tǒng)和語料庫檢索軟件BFSU PowerConc1.0統(tǒng)計禁毒案件高頻詞作為參照，與現(xiàn)有警務(wù)漢語教材相關(guān)課文的生詞表對比，考察高頻詞命中情況。同時，以高頻詞表中出現(xiàn)的一組近義詞為例，使用語料庫軟件分析其搭配特點(diǎn)，辨析詞義，探索將語料庫應(yīng)用于專門用途漢語教學(xué)的新思路。

關(guān)鍵詞：警務(wù)漢語 語料庫 詞頻 搭配

一、引言

警務(wù)漢語屬專門用途漢語，是國際漢語教學(xué)領(lǐng)域新興的教學(xué)分支。近年來國際警務(wù)合作日益頻繁，為更好地打擊國際犯罪，提高合作效率，2006年9月，中國公安部國際合作局委托北京外國語大學(xué)中文學(xué)院開辦執(zhí)法聯(lián)絡(luò)員漢語培訓(xùn)項目。這是中國長期（為期一年）、系統(tǒng)地開展警務(wù)漢語教學(xué)的首次嘗試①。發(fā)展近十年來，警務(wù)漢語在課程設(shè)置和教材編寫方面積累了經(jīng)驗，但尚未對教學(xué)方法和教材編寫進(jìn)行系統(tǒng)的研究。以詞匯教學(xué)為例，警務(wù)漢語詞匯的甄選原則是什么？哪些詞匯是教學(xué)重點(diǎn)？如何處理大量同現(xiàn)的近義詞？這些問題都有待回答。

基于語料庫的漢語教學(xué)研究提供了解決問題的新思路。據(jù)郭曙綸（2013）梳理的目錄，漢語語料庫已被應(yīng)用于漢語本體研究、漢語教學(xué)研究、教材編寫以及詞典編纂②。特別是在統(tǒng)計字頻詞頻、研究詞語搭配方面，語料庫語言學(xué)研究方法與傳統(tǒng)語言學(xué)研究相比，具有快捷、精準(zhǔn)、解釋力強(qiáng)的優(yōu)勢。警務(wù)漢語多見于警務(wù)新聞和警務(wù)報告中，案件分類清晰，文本相對集中，容易采集整理。通過自建小型語料庫來研究警務(wù)漢語詞匯、輔助詞匯教學(xué)是可行的。本文以禁毒案件文本為例，使用NLPIR漢語分詞系統(tǒng)和語料庫檢索軟件BFSU PowerConc 1.0考察警務(wù)漢語高頻詞匯和詞語搭配，并與現(xiàn)有教材收錄的詞匯進(jìn)行比較，以期為警務(wù)漢語教學(xué)提供有益的參考，也為專門用途漢語教學(xué)研究探索一條新路。

二、研究方法

（一）研究工具

1.NLPIR漢語分詞系統(tǒng)

本文使用NLPIR漢語分詞系統(tǒng)2016版在線大數(shù)據(jù)搜索與挖掘平臺③統(tǒng)計詞頻和切分生詞。該平臺可在抓取文本后一鍵實(shí)現(xiàn)文本分析，顯示內(nèi)容包括分詞標(biāo)注、實(shí)體抽取、詞頻統(tǒng)計、文本分類、情感分析、關(guān)鍵詞提取、相關(guān)詞導(dǎo)圖（Word2vec）、依存語法、繁簡轉(zhuǎn)換、自動注音和摘要提取等。研究重點(diǎn)使用分詞標(biāo)注和詞頻統(tǒng)計功能。

2.BFSU PowerConc 1.0

本文使用語料庫分析軟件BFSU PowerConc 1.0統(tǒng)計分析詞語搭配。PowerConc 1.0支持包括漢語在內(nèi)的多語種語料，可以處理中文生語料、中文切分語料和中文標(biāo)注語料，操作便捷，界面簡潔。研究使用該軟件處理中文切分語料。

（二）研究步驟

1.采集語料

警務(wù)案件分類繁多，本文僅以禁毒案件為例。上網(wǎng)采集2012～2014三年間公安部每年發(fā)布的十大禁毒案件報告作為語料樣本，共計6077字。研究使用微型語料基于以下兩點(diǎn)考慮：第一，禁毒案件報告來源單一，信息集中，語言特征明顯。鄭艷群（2013）指出，數(shù)據(jù)規(guī)模是無法決定數(shù)據(jù)結(jié)果的可靠性的。數(shù)據(jù)規(guī)模對研究結(jié)果可信程度的貢獻(xiàn)主要體現(xiàn)在估計的顯著程度上。因此，只要說明分析結(jié)果所依據(jù)的數(shù)據(jù)庫的數(shù)據(jù)來源、語料特征以及數(shù)據(jù)規(guī)模即可④。第二，便于切分語料。本文研究目的不在于建立警務(wù)漢語語料庫，而在于探索研究的新思路，提供新方法。小規(guī)模語料能夠在短時間內(nèi)完成人工切分，符合研究目的。

2.切分語料

切分語料分三步進(jìn)行。

第一步，將生語料輸入NLPIR漢語分詞系統(tǒng)分析平臺，完成自動切分。

第二步，人工復(fù)查切分結(jié)果，并使用“用戶自定義詞”功能進(jìn)行調(diào)整。禁毒案件涉及法律術(shù)語、毒品名稱等特殊專有名詞，平臺不能自動識別。如“冰毒”，自動切分時會作為兩個詞標(biāo)記，需要人工修改過來。分詞標(biāo)注舉例如圖1。

圖1：

第三步，根據(jù)調(diào)整后的分詞標(biāo)注生成切分語料文本，以空格分隔相鄰的兩個詞。例如：

生語料： 云南公安機(jī)關(guān)禁毒部門成功偵破何定榮販毒案

NLPIR分詞標(biāo)注語料： 云南/ns公安/n機(jī)關(guān)/n禁毒/vn部門/n成功/ad偵破/v“/wyz何定榮/nr販毒/vi案/ng

切分語料： 云南 公安 機(jī)關(guān) 禁毒 部門 成功 偵破 何定榮 販毒 案

注意將標(biāo)點(diǎn)符號也同時替換為空格。帶有空格的切分語料文本將用于BFSU PowerConc 1.0做進(jìn)一步分析。

3.統(tǒng)計詞頻

NLPIR漢語分詞系統(tǒng)的最大特點(diǎn)是，能夠在生語料的基礎(chǔ)上直接實(shí)現(xiàn)分詞，統(tǒng)計出詞頻。在線平臺自動顯示名詞、動詞、形容詞排在前十位的高頻詞。展現(xiàn)方式包括柱形圖和折線圖兩種，也提供數(shù)據(jù)文本，即按照詞頻從高到低羅列所有高頻詞，并在后面標(biāo)注詞頻數(shù)。

將切分語料文本導(dǎo)入BFSU PowerConc 1.0，再次統(tǒng)計詞頻。

4.調(diào)整高頻詞表

根據(jù)語料可以預(yù)測，某些已經(jīng)學(xué)習(xí)過的詞，如“公安”、城市名等，詞頻較高，所以在第一次統(tǒng)計詞頻后，剔除與禁毒案件關(guān)聯(lián)不緊密的詞語，二次生成高頻詞表。備選詞首先從NLPIR的分詞數(shù)據(jù)文本中選取相同詞頻或者最相近詞頻的詞語，然后與BFSU PowerConc 1.0統(tǒng)計的詞頻列表對照，補(bǔ)足高頻詞表中的空位。

5.高頻詞對照

將調(diào)整后生詞的高頻詞與現(xiàn)有警務(wù)漢語教材生詞表對照，考察選詞情況。

6.近義高頻詞搭配檢索與分析

使用BFSU PowerConc 1.0檢索語料樣本中近義高頻詞例句，分析搭配特點(diǎn)，為近義詞辨析提供教學(xué)依據(jù)。

三、禁毒案件詞頻統(tǒng)計

統(tǒng)計高頻詞的意義在于弄清禁毒案件文本中最常出現(xiàn)的警務(wù)詞語有哪些。換句話說，在理解這類文本時，有哪些詞語是反復(fù)出現(xiàn)、繞不開的。

（一）詞頻統(tǒng)計結(jié)果

經(jīng)人工自定義調(diào)整后，使用NLPIR漢語分詞系統(tǒng)統(tǒng)計詞頻，生成柱狀圖如圖2。

其中，“制販”是兩個動詞的連用，不能算一個詞，應(yīng)剔除；“成功”顯示了兩個詞頻，使用BFSU PowerConc 1.0復(fù)查，發(fā)現(xiàn)NLPIR將“成功+v.”（如“成功破獲”）和“成功+n.”（如“成功典范”）里的“成功”區(qū)別為兩類，可合并在一起，統(tǒng)計詞頻數(shù)為26。

從表1可以看出，一些名詞和動詞在禁毒案件報告中使用頻率非常高。最高頻使用的形容詞是“成功”，體現(xiàn)了警務(wù)報告凸顯成績的特點(diǎn)。從列表中的高頻名詞可以得到這樣幾條信息：2012～2014三年間，廣東與福建是禁毒案件高發(fā)省，多為團(tuán)伙作案，繳獲的主要制毒原料以及毒品是麻黃堿和冰毒。再看動詞，多為動補(bǔ)或動賓結(jié)構(gòu)，強(qiáng)調(diào)結(jié)果；使用相同語素的近義詞較多，如“禁毒、制毒、販毒”“抓獲、繳獲、破獲”“破獲、偵破”等。形容詞總體詞頻較低，出現(xiàn)的一組近義詞為“縝密、嚴(yán)密、密切”。

從詞頻統(tǒng)計可以得出禁毒案件報告文本的基本特征：使用名詞、動詞頻率較高；高頻名詞能夠提供案件總體基本信息；使用相同語素的近義詞（包括動詞、形容詞）較多。

需要指出的是，由于NLPIR漢語分詞系統(tǒng)僅顯示了名詞、動詞、形容詞三類最主要實(shí)詞的詞頻，一些其他詞類的高頻詞并沒有顯示在其中，例如，區(qū)別詞“非法”（23）、“特大”（20）等。

（二）調(diào)整高頻詞表

表1高頻名詞中，“公安、部門、機(jī)關(guān)、廣東、福建”是已經(jīng)學(xué)習(xí)過的一般警務(wù)詞語，同禁毒案件聯(lián)系不夠緊密。另外上文提到，“制販”“成功”也帶來了兩個空缺。以補(bǔ)足高頻動詞空缺為例，首先，查看NLPIR的分詞數(shù)據(jù)文本?！爸曝湣痹~頻為13，文本顯示，詞頻相同的動詞除“聯(lián)合”以外，還有“配合”“摧毀”。接下來查看BFSU PowerConc 1.0統(tǒng)計得到的這兩個詞的詞頻，發(fā)現(xiàn)“配合”實(shí)際詞頻為15，而“摧毀”為13。通過查看索引行，發(fā)現(xiàn)有“/n的配合”與“/d配合”兩類，NLPIR將前者標(biāo)記為“/vd”，后者標(biāo)記為“/v”，所以詞頻有出入。本文將其統(tǒng)一處理為動詞，即“配合”詞頻為15。名詞、形容詞的選取也用同樣的方法。補(bǔ)足空缺后生成表2。

需要說明的是，名詞在按詞頻甄選時，沒有收入以下高頻詞：“?。?9）、公安部（14）、公安局（13）、案件（13）、人（12）、云南（12）、湖南（11）、警方（11）、山東（10）、河南（10）、市（9）、湖北（9）”。本文統(tǒng)計高頻詞語，目的在于為警務(wù)漢語教學(xué)服務(wù)，而這些詞語為一般警務(wù)詞語或者省級行政區(qū)名稱，與禁毒案件關(guān)系不夠密切，故剔除。表2收入了更多毒品和制毒化學(xué)品名稱。

（三）與教材生詞表對照結(jié)果分析

本文選取兩本教材中禁毒相關(guān)課文的生詞表：

1.《警務(wù)漢語·專業(yè)篇·高級》⑤第九課《加強(qiáng)對毒品的打擊力度》，下簡稱“專業(yè)篇-9”；

2.《警務(wù)漢語視聽說》⑥第一課《緝毒》⑦，下簡稱“視聽說-1”。

兩課生詞列表見表3。

表3：禁毒相關(guān)課文生詞列表

專業(yè)篇-9 視聽說-1

毒品，來源，毒源，種植，威脅，新型，傳統(tǒng)，天然，化學(xué)，物質(zhì)，合成，吸毒，發(fā)達(dá)，娛樂，濫用，專項，政治，打擊，力度，待遇，犧牲，金三角，巴基斯坦，伊朗，阿富汗，金星月，原料，明顯，邊境，昔日，罌粟，玉米，橡膠，替代，工藝，利潤，風(fēng)險，繳獲，查獲，毒梟，易制毒化學(xué)品，麻醉藥品，邦康，鴉片，苯丙胺，冰毒，哈薩克斯坦 樁，跳蚤市場，二手貨，托運(yùn)，摧毀，不為人知，驚險，蹊蹺，毒梟，舉報，調(diào)查，外號，前科，老練，打草驚蛇，格外，專案組，跟蹤，監(jiān)視，大宗，下家，納悶，察覺，平白無故

拉開序幕，不祥，猶豫，遙控指揮，順藤摸瓜，先下手為強(qiáng)，發(fā)，放長線釣大魚

從高頻詞命中結(jié)果來看，專業(yè)篇-9好于視聽說-1。從詞類來看，名詞、動詞均有命中，而形容詞為0。這與本文使用的語料樣本和兩篇課文的語體有關(guān)。語料樣本是公安部發(fā)布的官方信息，屬于公文語體，書面語色彩很濃；注重陳述事實(shí)，突出結(jié)果；因為都是重案、要案，傾向使用形容詞來加強(qiáng)表達(dá)力度。專業(yè)篇-9課文內(nèi)容包括一篇采訪對話和一篇閱讀，內(nèi)容主要是介紹我國毒品犯罪基本形勢和“金三角”地區(qū)的新毒情；既有比較正式的訪談?wù)Z體，又有書面語體，以客觀介紹為主。視聽說-1使用重慶衛(wèi)視《拍案警世》中一則禁毒案件紀(jì)實(shí)作為學(xué)習(xí)內(nèi)容，其中包括主持人的解說、辦案民警的口述等，口語風(fēng)格明顯。由于不同課程側(cè)重訓(xùn)練的技能不同，課文編排時選擇的材料必然有差別。另外，一些高頻詞沒有出現(xiàn)在生詞表中，是因為在此前的警務(wù)漢語課程中已經(jīng)學(xué)習(xí)過，如“犯罪嫌疑人、團(tuán)伙、窩點(diǎn)、配合、抓獲、破獲”等。畢竟禁毒案件只是諸多案件中的一類，上述詞語在警務(wù)漢語中是通用的。另外，雖然兩課生詞表高頻詞命中數(shù)都不多，但不難發(fā)現(xiàn)，專業(yè)篇-9命中的高頻詞與禁毒案件的相關(guān)性更高，而視聽說-1命中的則是通用警務(wù)漢語。因此，視聽說-1在根據(jù)案件紀(jì)實(shí)視頻選擇生詞時，應(yīng)該特別注意與禁毒案件的相關(guān)度。

四、基于搭配的近義詞辨析——以“抓獲”“繳獲”“破獲”為例

搭配與語言應(yīng)用的領(lǐng)域有關(guān)。Smadja（1993）將“領(lǐng)域相關(guān)搭配”（Domain-dependent collocations）作為單獨(dú)的一類⑧。這類搭配有兩種情況，一種是含有外行人完全聽不懂的專業(yè)詞匯，一種則是詞匯易懂，但組合在一起卻完全不是外行人理解的意思。相比之下，前者只要通過專門學(xué)習(xí)就可以掌握，警務(wù)漢語就屬于這一種。通過詞頻統(tǒng)計可以看出，警務(wù)漢語中存在高頻出現(xiàn)的含有相同語素的近義詞。相同的語素能夠提供理解和記憶的線索，不同的另一半則帶來語義的差異。掌握這類近義詞是學(xué)習(xí)警務(wù)漢語的重點(diǎn)也是難點(diǎn)。本文以“抓獲”“繳獲”“破獲”為例，使用BFSU PowerConc 1.0索引功能，在語境中考察這些動詞與賓語的搭配情況，為警務(wù)詞匯教學(xué)提供參考。

首先，考察“抓獲”后面賓語的情況。導(dǎo)入空格語料文本后，在索引欄內(nèi)輸入“抓獲”，搜索顯示所有含目標(biāo)詞的句子列表：

如圖選擇R1，考察“抓獲”后面第一位的詞語，顯示如下圖：

結(jié)果一目了然，“抓獲+犯罪嫌疑人”出現(xiàn)次數(shù)非常多。再用對數(shù)似然率（log-likelihood）考察其搭配強(qiáng)度：

“犯罪嫌疑人”與“抓獲”的對數(shù)似然率為298.0508，遠(yuǎn)遠(yuǎn)高于其他詞。因此可以確定，“抓獲+犯罪嫌疑人”是一組強(qiáng)搭配。

同理，考察“繳獲”后面第一位詞的情況，如圖：

結(jié)果表明，“繳獲+毒品名稱”是最常見的搭配。

最后來看一下“破獲”后第一位詞的情況：

搜索結(jié)果不能顯示出“破獲”與后一位詞的強(qiáng)搭配關(guān)系。通過索引句列表可以看出，在“破獲”后面的詞組其實(shí)是案件的名稱。如果將這些名稱作為專有名詞來處理，即內(nèi)部不進(jìn)行切分，“破獲+……案”的搭配強(qiáng)度明顯增加。

綜上，在禁毒案件中，“抓獲+犯罪嫌疑人”“繳獲+毒品名稱”是強(qiáng)搭配；“破獲+……案”雖然是強(qiáng)搭配格式，但標(biāo)記不明顯，“案”前大量涉及案件信息的限定詞語可能對學(xué)生識別這一搭配造成干擾。使用BFSU PowerConc 1.0提供含近義詞的索引句列表，能夠清楚地呈現(xiàn)目標(biāo)詞與后位詞的搭配關(guān)系和搭配強(qiáng)度，這對于教材編寫、預(yù)測學(xué)習(xí)問題、教學(xué)中幫助學(xué)生迅速掌握近義詞詞義和使用上的區(qū)別都十分有意義。

五、結(jié)語

專門用途漢語需要自己的語料庫。首先，語料采集難度適中，語料庫的構(gòu)建有可行性。以警務(wù)漢語為例，案件有明確的分類，各類案件報道、報告文本集中；案件偵破過程的采訪、紀(jì)實(shí)類影音文件在網(wǎng)絡(luò)上也很容易獲得，而且普遍配有字幕，獲取文本的難度不大。第二，基于專門用途漢語語料庫的詞頻統(tǒng)計，為教材生詞的甄選提供依據(jù)。目前警務(wù)生詞的選取主要基于編寫者的主觀判斷，從研究結(jié)果來看，并非不可取，只是編寫者使用的材料或者編寫的內(nèi)容會有局限。如果能夠把語料庫統(tǒng)計得出的高頻詞作為基礎(chǔ)，再補(bǔ)充進(jìn)其他相關(guān)生詞，教學(xué)的重點(diǎn)會更突出，學(xué)習(xí)內(nèi)容的針對性和實(shí)用性也會增強(qiáng)。第三，詞頻統(tǒng)計還能為課文內(nèi)容的編寫提供信息線索。例如，禁毒案件高頻名詞可以顯示案件高發(fā)省份、主要毒品種類等信息，這樣在編寫課文時，就能把握好搜集信息的方向，兼顧內(nèi)容的可學(xué)性和真實(shí)性。第四，語料詞頻受文本語體特征影響非常大，建立語料庫時應(yīng)標(biāo)記語體分類，這樣才能為側(cè)重點(diǎn)不同的課型的教材編寫提供更有針對性的信息。第五，專門用途漢語語料庫還可以應(yīng)用于教學(xué)。僅以考察近義詞搭配為例，如果建立起界面簡潔、操作方便的專門用途漢語語料庫，學(xué)生就可以自己使用索引查找大量例句，辨析詞義，總結(jié)哪些是高頻搭配。有語料庫工具作為輔助，教師在課堂上可以由講授者變?yōu)橐龑?dǎo)者和指導(dǎo)者：一方面引導(dǎo)學(xué)生自己探索發(fā)現(xiàn)一般規(guī)律，變被動聽講為主動學(xué)習(xí)，帶著問題來上課，提高課堂學(xué)習(xí)效率；另一方面對學(xué)生自主學(xué)習(xí)的情況提供反饋和指導(dǎo)，投入更多精力指導(dǎo)學(xué)生提高聽說讀寫技能。

本文是對警務(wù)漢語詞頻和搭配研究的初探，存在以下不足：（一）語料樣本較小，語體風(fēng)格單一，統(tǒng)計出的高頻詞語作為與教材生詞的對照解釋力不足；（二）僅以禁毒案件為例，不能反映警務(wù)漢語的全貌；（三）搭配研究暫時只考察了近義詞的動賓搭配，賓語只考察了動詞后一位。動詞與前面詞語、后幾位詞語的搭配情況如何，在警務(wù)漢語中這類搭配有沒有普通漢語中未見的特點(diǎn)，其他詞類搭配有什么特點(diǎn)等等，這些問題有待研究。

注釋：

①池宇.警務(wù)漢語教學(xué)與教材編寫初探[J].人文叢刊，2013，（0）.

②郭曙綸.漢語語料庫應(yīng)用教程[M].上海：上海交通大學(xué)出版社，

2013.

③NLPIR漢語分詞系統(tǒng)是北京理工大學(xué)張華平博士開發(fā)的免費(fèi)自然

語言處理與信息檢索共享平臺，網(wǎng)址為http：//ictclas.nlpir.org。

④鄭艷群.語料庫技術(shù)在漢語教學(xué)中的應(yīng)用透視[J].語言文字應(yīng)

用，2013，（1）.

⑤張京京、池宇編寫，執(zhí)法聯(lián)絡(luò)員漢語培訓(xùn)項目專用教材，待出版。

⑥筆者編寫，執(zhí)法聯(lián)絡(luò)員漢語培訓(xùn)項目專用教材。

⑦以視頻字幕轉(zhuǎn)寫文本作為課文內(nèi)容。

⑧Frank Smadja.Retrieving Collocations from Text：Xtract

[J].Computational Linguistics，1993，（19）.

參考文獻(xiàn)：

[1]池宇.警務(wù)漢語教學(xué)與教材編寫初探[J].人文叢刊，2013，

（0）.

[2]郭曙綸.漢語語料庫應(yīng)用教程[M].上海：上海交通大學(xué)出版社，

2013.

[3]梁茂成，李文中，許家金.語料庫應(yīng)用教程[M].北京：外語教育

與研究出版社，2010.

[4]孫茂松，黃昌寧，方捷.漢語搭配定量分析初探[J].中國語文，

1997，（1）.

[5]許家金，賈云龍.基于R-gram的語料庫分析軟件PowerConc的設(shè)

計與開發(fā)[J].外語電化教學(xué)，2013，（1）.

[6]鄭艷群.語料庫技術(shù)在漢語教學(xué)中的應(yīng)用透視[J].語言文字應(yīng)

用，2013，（1）.

[7]Frank Smadja.Retrieving Collocations from Text：Xtract[J].

Computational Linguistics，1993，（19）.

（孫琳 北京外國語大學(xué)中國語言文學(xué)學(xué)院 100089）