读书笔记D33: 语境、语料库和数据驱动学习

今天下午在译直播听了一个非常有趣的讲座，许家金老师讲的“语境、语料库和数据驱动学习”。许老师的讲座风格言简意赅，通俗易懂！深入浅出，毫不拖沓，学习了！我尤为赞同的是许老师强调的理念：既要学习新技术，也要把足够的精力放在内容开发上。现在技术的实时更新让人眼花缭乱，不知所措，但是底层的逻辑没有变，更重要的是内容，而不是形式。以下为我记录下来的部分精彩内容。

许老师结合来源于微博的时事讨论案例中brink这个词，给我们非常生动地阐释了语料库分析的用处。

柯林斯词典释义从何而来？它给出的词条是完全基于语料库，其特色在于不用近义词解释，而是用整句释义法（即用整段句子来分析）。这样有什么好处呢？这样可以补充详实的语义关联、语用色彩、语体分析，比如根据后面的collapse或者war可以判断出这一个词的使用语境偏向负面意义，而这些信息是查普通词典极易忽略的！而查词只知道这个词而不看这个词在上下文中是如何显现的，极容易造成一种割裂，不利于真正掌握词语。此外，语料库深度研究也有助于满足对语料的深度学习和开发需求，比如教材和试题编写。

比如许老师团队在这一思路下编写了《酒店英语词汇手册》，以这本书的产生过程为例，许老师也简明扼要地解释了语料编写的“四用原则”： 真材实用，优选常用，单词连用、情境活用。

许老师团队咨询专业人员确定重点关注的方面，田野调查搜集五星级网站语料、国外拍摄实地、网络爬虫爬取酒店英语主题词10万条。基于以上积累，许老师团队编纂出了《酒店英语词汇手册》。主题词方法：用酒店语料库和通用语料库进行对比（英语语料库the. 主题词key word analysis, 通用英语和专业英语对撞时会抵消，不计入主题词。）。针对高职院校19大类的19本词汇手册，后续还有18本正按照这个思路去做，包括体育、商务、艺术、传媒等等。

例子：1. complimentary 免费的

complimentary wifi / water/ phone call/ parking 免费水等

例子2： 俄罗斯方块考查 a series of这个语料使用的情景。

另外，许老师同我们分享了corpus.bfsu.cn、teccl. 语料库（大学生和中学生语料库）等语料库和资源，讲了国内外学者在语料库语言学上的研究进度和研究方向，比如有语料库篇章话语、批判话语分析、语篇衔接等。并鼓励大家关注其近期文章参考文献部分。对语料研究有兴趣可以报考北外，门槛不高。

许老师还提出，语料库语言学是描写与解释兼顾的语言学（（在曲阜师范大学论坛的发言）。用语料库的方法做汉语学习者语言习得研究，中文系、国际汉语教育做得很多，也很早，北语老师1993年就开始了，独立做的、完全具有原创性。多因素语境共选，在语料库研究中做得很深，与国际一线接轨。语料研究扎根在汉语和中国学习者中间，也非常鼓励大家做汉语研究。

另外，附上部分讲座中许老师和学友们提到的资源供参考：

concordancer 典型的语料库工具，语料10的10次方。

powerconc 免费语料统计工具，计算词频

管新潮《语料库与翻译》，学友入门推荐。

语料库研究早已有，但现在仍有意义。

影响更大的语料库。“在国际范围内，中国是最早创建科技英语语料库的”。