语料库语言学很难吗

语料库语言学综述

【摘要】语料库是语料库语言学研究的基础资源，也是经验主义语言研究方法的主要资源。语料库分为很多类型，现在已有相当数量的语料库可供语言研究使用。语料库语言学作为语言学的一个新的分支，当然离不开语料库。本文解释了语料库语言学的定义及其内涵，介绍了英语语料库的发展和现状，并对语料库语言学的未来发展进行了展望。

【关键词】语料库；语料库语言学；发展 一、引言

语料库自从20世纪60年代初出现至今，已经经历了半个多世纪的发展。随着计算机技术的不断进步，语料库的研究已经不再是某些人的专利。同时语料库的发展也正在以惊人的速度对语言研究的很多领域产生着愈来愈大的影响。语料库语言学，是一种基于语料库的全新的研究技术和方法。可以毫不夸张地说，语料库语言学开辟了语言研究的一个全新的领域。本文拟对语料库的建设，语料语言学的研究特点，语料库及语料语言学的发展现状以及存在问题等角度对于语料库及语料语言学进行一次梳理。

二、理论回顾

1.什么是语料库、语料库语言学？语料又称为素材，是自然发生的语言材料包括书面语和口语的集合。“可以用来作为描述一种语言的出发点或用于证实有关一种语言的假设的手段”（Crystal，1991）。

语料库（corpus）亦称语库

Part2 pop person

A popular person that I want to say is Jinxing, who is a very famous ballerina and modern dancer in China. A lot of people knew her started from the news that she became one of the first few transsexuals to be recognized as a woman by the government in China.

事实上，我对她不了解，直到我看了2017年她在达沃斯世界经济论坛上的一个采访视频才逐渐加深对她的认识。她当时在和另外两位主持人讲述变性相关的话题，场下还有很多商业精英和嘉宾们听着她的讲话。乍一眼看，我觉得她不就是和其他杂志上的成功人士差不多嘛。然而，对于同性的话题，她的谈吐和率真的讲话真的打动到了我。我相比在场的各位和我一样，起初都是对这些问题怀有偏见，但是听了她的讲话感觉这些偏见烟消云散。

Actually, I wasn’t familiar with her until I saw a vid

Part2 pop person

A popular person that I want to say is Jinxing, who is a very famous ballerina and modern dancer in China. A lot of people knew her started from the news that she became one of the first few transsexuals to be recognized as a woman by the government in China.

事实上，我对她不了解，直到我看了2017年她在达沃斯世界经济论坛上的一个采访视频才逐渐加深对她的认识。她当时在和另外两位主持人讲述变性相关的话题，场下还有很多商业精英和嘉宾们听着她的讲话。乍一眼看，我觉得她不就是和其他杂志上的成功人士差不多嘛。然而，对于同性的话题，她的谈吐和率真的讲话真的打动到了我。我相比在场的各位和我一样，起初都是对这些问题怀有偏见，但是听了她的讲话感觉这些偏见烟消云散。

Actually, I wasn’t familiar with her until I saw a vid

要求熟练掌握句式表达！！！9月29日编辑完成。 写作表达句式

1,I am a middle-school student. My dream is to enter into a better senior school. 2,MY friend always encourage me to study hard.

3 we are lonely and stressed out (我们很孤独并且压力大) 4 we are short of parents’ care(我们缺乏父母的关心)

5 I used to be poor in English but now I am always able to make full marks . 我过去英语很差，但现在我能够取得满分

6，crossing road can be dangerous if we are not careful enough. 如果我们不足够小心，过马路可能危险。 7 waste water is used to water flowers 。or computers are used to do a lot of thing

3.5语料库常用统计方法

第3章前几节对语料库应用中的几种主要技术做了介绍。通过语料检索、词表和主题词表的生成，可以得到一定数量的句子、词汇或结构。为能更好说明所得到的结果的真正意义，常常需要对它们加以统计学分析。本章主要介绍语料分析中的一些常用统计方法。

3.5.1 语料库与统计方法

介绍相关统计方法之前，首先需要了解为什么语料库应用中需要运用统计方法。在2.1节讲到文本采集时，我们知道文本或会话构成了最终的语料库样本。这些样本是通过一定的抽样方法获得的。研究中，我们需要描述这些样本的出现和分布情况。此外，我们还经常需要观察不同语言项目之间在一定语境中共同出现（简称共现）的概率；以及观察某个（些）语言项目在不同文本之间出现多少的差异性。这些需要借助统计学知识来加以描写和分析。

理论上说，几乎所有统计方法都可以用于语料库分析。本章只择其中一些常用方法做一介绍。我们更注重相关统计方法的实际应用，不过多探讨其统计学原理。这一章我们主要介绍语料分析中的频数标准化（normalization）、频数差异检验和搭配强度的计算方法。

3.5.2 频数标准化

基本原理

通常语料检索、词表生成结果中都会报告频数（frequency, freq或raw fre

1. The Complete Lexical Tutor http://www.lextutor.ca/

参考期刊网上刘玉山，胡志军的介绍。

是一个语料库中心词索引软件（concordancer）,加拿大魁北克大学Tom Cobb the University of Quebec at Montreal (UQAM), 开发

三部分：learners, researchers, teachers自我学习，研究，教师命题。

特别是concordance中有13个语料库为检索对象。还可以用来对学生作文中的用词分析。 http://www.lextutor.ca/concordancers/concord_e.html

可以同时提供多个语料库的在线搜索，但缺点是每次只能对一个文本加工。

2. BNC

2014年开始，免费获得，通过BYU的申请。

British National Corpus

一亿词，书面语90%，口语10%，共4124篇文本，从1980到1993年的语料

英国牛津出版社﹑朗文出版公司﹑钱伯斯—哈洛普出版公司﹑牛津大学计算机服务中心、兰卡斯特大学英语计算机中心以及大英图书馆等联合开发建立的大型语料库 共有七类

口语spok

1. The Complete Lexical Tutor http://www.lextutor.ca/

参考期刊网上刘玉山，胡志军的介绍。

是一个语料库中心词索引软件（concordancer）,加拿大魁北克大学Tom Cobb the University of Quebec at Montreal (UQAM), 开发

三部分：learners, researchers, teachers自我学习，研究，教师命题。

特别是concordance中有13个语料库为检索对象。还可以用来对学生作文中的用词分析。 http://www.lextutor.ca/concordancers/concord_e.html

可以同时提供多个语料库的在线搜索，但缺点是每次只能对一个文本加工。

2. BNC

2014年开始，免费获得，通过BYU的申请。

British National Corpus

一亿词，书面语90%，口语10%，共4124篇文本，从1980到1993年的语料

英国牛津出版社﹑朗文出版公司﹑钱伯斯—哈洛普出版公司﹑牛津大学计算机服务中心、兰卡斯特大学英语计算机中心以及大英图书馆等联合开发建立的大型语料库 共有七类

口语spok

3.5语料库常用统计方法

第3章前几节对语料库应用中的几种主要技术做了介绍。通过语料检索、词表和主题词表的生成，可以得到一定数量的句子、词汇或结构。为能更好说明所得到的结果的真正意义，常常需要对它们加以统计学分析。本章主要介绍语料分析中的一些常用统计方法。

3.5.1 语料库与统计方法

介绍相关统计方法之前，首先需要了解为什么语料库应用中需要运用统计方法。在2.1节讲到文本采集时，我们知道文本或会话构成了最终的语料库样本。这些样本是通过一定的抽样方法获得的。研究中，我们需要描述这些样本的出现和分布情况。此外，我们还经常需要观察不同语言项目之间在一定语境中共同出现（简称共现）的概率；以及观察某个（些）语言项目在不同文本之间出现多少的差异性。这些需要借助统计学知识来加以描写和分析。

理论上说，几乎所有统计方法都可以用于语料库分析。本章只择其中一些常用方法做一介绍。我们更注重相关统计方法的实际应用，不过多探讨其统计学原理。这一章我们主要介绍语料分析中的频数标准化（normalization）、频数差异检验和搭配强度的计算方法。

3.5.2 频数标准化

基本原理

通常语料检索、词表生成结果中都会报告频数（frequency, freq或raw fre

“HSK动态作文语料库”语料标注及代码说明

“HSK动态作文语料库”从字、词、句、篇、标点符号等角度，对所收入的作文语料中存在的外国人使用汉语的中介语偏误进行全面标注。

1 、字处理（包括标点符号）

[C]：错字标记，用于标示考生写的不成字的字。用[C]代表错字，在[C]前填写正确的字。

例如：地球[C]（“球”是错字）、这[C]。

[B]：别字标记，用于标示把甲字写成乙字的情况。别字包括同音的、不同音而只是形似的、既不同音也不形似但成字的等等。把别字移至[B]中B的后面，并在[B]前填写正确的字。

例如：提[B题]高、考虑[B虎]。

[L]：漏字标记，用于标示作文中应有而没有的字。用[L]表示漏掉的字，并在[L]前填写所漏掉的字。

例如：

后悔[L]，表示“悔”在原文中是漏掉的字。

农[L]药，表示“农”在原文中是漏掉的字。

[D]：多字标记，用于标示作文中不应出现而出现的字。把多余的字移至[D]中D的后面。

例如：我的[D的]，表示括号中的“的”是多余的字（原文中写了两个“的”）。

[F]：繁体字标记，用于标示繁体字。把繁体字移至[F]中F的后面，并在[F]前填写简体字。

例如：记忆[F憶]、单{F單}纯、养{F養}分{F份}。

注意：

1）繁体字标记标示的是使用正确的

1 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

2 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

3 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

4 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

5 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

6 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

7 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

8 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

9 该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

10

该词表根据使用频率，从高到低进行排序

排序的依据，是大英帝国国家语料库（30亿以上文字材料）的统计结果

11

该词表根据使用