“SEAlang項目”在非通用語教學與科研中的應用

武智

摘 要 本文將介紹SEAlang項目（Southeast Asia Language Projects）在東南亞非通用語教學與科研中的應用。主要以介評SEAlang項目中的老撾語詞典、單語語料庫及文獻典藏目錄檢索功能為主。

關鍵詞 老撾語 詞典檢索 語料庫 語言學典藏

中圖分類號：G642 文獻標識碼：A DOI：10.16400/j.cnki.kjdks.2016.12.020

Abstract This article will introduce the application of SEAlang project in the teaching and scientific research of non - common language in Southeast Asia. Mainly in the review of SEAlang projects in the Lao language dictionary and monolingual corpora and literature collection directory retrieval function.

Keywords Lao language； dictionary retrieval； corpus； linguistics collection

0 引言

SEAlang項目①主要收集、開發和分享東南亞語言的相關資料，包括碑文、原始語言的重構、歷史及現代詞典編纂、文本語料庫等，是一個以數字化形式分析和標記文獻材料的在線軟件工具。該項目主要內容包括：在線詞典（單語、雙語）、文本語料庫（單語、雙語平行）、東南亞文獻典藏目錄等。其中在線詞典（單語、雙語）及文本語料庫包含語種有：巴厘語、布吉斯語、緬甸語、宿霧語、查瓦卡諾語、希利蓋農語、伊洛卡諾語、印尼語、爪哇語、克倫語、高棉語、老撾語、泰語、越南語、馬來語、馬來諾語、撣語、他加祿語、德頓語等。

從地理位置上看，該項目主要對東南亞大陸國家（泰國、緬甸、老撾、柬埔寨）及東南亞海島國家（菲律賓、馬來西亞、印度尼西亞）進行語言資源開發，并致力于開發東南亞非通用語種的教學及翻譯工具，為東南亞語言學、計算語言學、歷史、詞典學、詞源學、區域研究及跨語言信息檢索提供幫助，為東南亞裔美國人及相關領域學者提供免費的語言學習資料工具。

1 詞典檢索功能②

SEAlang在線老撾語-英語詞典的詞庫主要來源于兩個版本的已出版詞典。一部由William L. Patterson 及 Mario E. Severino （1995， Dunwoody Press）編纂的老撾語-英語詞典，此版是在參考老撾語-俄語詞典（1982， Russkiy Yazik，Moscow）的基礎上進行編纂的，超過32000條詞匯，也收入了1975年老撾政府實施新語言政策③以來部分老撾語用法。另一部詞典也為老撾語-英語詞典（1972， Allen Kerr），詞典內容也參考了相關詞典及出版物，并在老撾語母語者協助下完成，詞典包括44000條詞匯，8798183 條釋義，一些動植物詞條也包含在內。此外，在查詢結果顯示界面的每一個詞條后標注了來自哪部詞典，供使用者參考。

圖1為詞典查詢界面，A區為字串查詢區，B區為查詢結果排列區。

1.1 字串查詢區（A）

見圖2，查詢方法：可用老撾語、英文及IPA進行搜索，在Lao對話框中輸入要查詢的老撾語詞匯及Text框中輸入英文字串，④點擊Go鍵或回車（Enter）進行查詢。IPA查詢功能還在開發中，不提供聲調的搜索。點擊Habeas Corpus可迅速跳轉至語料，顯示該詞條在語料庫中的搭配情況。

1.2 查詢結果排列區（B）

如圖3，以搜索單詞“”一詞為例，查詢結果排列方式區基本標簽有：英語釋義，詞性，詞源等。如單擊Show all可顯示與“”前后搭配的全部詞條。點擊藍色leading 、黃色trailing可顯示該詞置于某詞組或短語前后的搭配情況。

Kerr的詞典保留了早期老撾語的拼寫方式，而P & S （William L. Patterson 、Mario E. Severino）的詞典里用了現代拼寫標準，并在A區搜索選項里為用戶提供了選擇（，， ， .），類似漢語的模糊音搜索設置。如“”一詞的舊時拼法就為“” ，再如“ ”一詞，只有拼寫為“ ”才能查詢到其釋義。Kerr詞典里的羅馬拼音轉寫自原始文本，而P & S的拼寫則是采用了約翰.M.德丁（Dr. John M. Durdin）的老撾語腳本工具，⑤二者在標調上略有不同。該在線詞典在每項詞條后標注了出自哪部詞典并會顯示該詞的詞源，如“”顯示來自巴利語。此外，還附上了詞典使用視頻。⑥

1.3 瑪哈西拉·維拉馮版《老撾語詞典》⑦

瑪哈西拉·維拉馮所編纂的《老撾語詞典》（1960），共收錄11500條詞匯，24000條釋義。此版線詞典的檢索界面及方法基本同SEAlang老撾語在線詞典，其最大特點為在此頁面可瀏覽DjVu格式的掃描版原文書，可輸入特定頁碼進行檢索，及在字串查詢區中檢索目標詞在語料庫中的用法。如圖4所示。

1.4 優點與不足

SEAlang老撾語詞典相較其他在線老撾語-英語詞典收錄的詞條數量多，義項及詞性較豐富，查詢方便快捷，不必查閱厚重的紙版詞典，可提高查詞速度、閱讀效率及閱讀量，激發學生閱讀興趣。此在線電子詞典也可用移動設備瀏覽，便攜實用性強。

但SEAlang老撾語詞典也存在一些不足，如：P&S 詞典的詞條個別詞標注為擬聲詞，實際上是重疊詞，一些詞條標注不恰當甚至有誤。再如很多詞條僅有基本釋義無例句。瑪哈西拉·維拉馮版《老撾語詞典》缺點為詞條少，義項及詞性標注不夠豐富，其電子版部分詞條的顯示不夠清晰。

2 老撾語語料庫檢索功能⑧

2.1 語料庫檢索方式

SEAlang項目中的老撾語單語語料庫中的語料為生語料，主要由在互聯網上發布的老撾語文本構成，作研究及學習之用。上下文搜索將會顯示搜索目標置于上下文語境中的詞語搭配情況。此語料庫包括4206351條詞項同現及17083194 條例句。本文將結合字串查詢區（C）、查詢結果排列方式區（D）等方面介紹SEAlang老撾語語料庫主要的檢索功能（圖5）。

Corpus Search標簽下的搜索框內輸入檢索詞，點擊Go即可顯示結果。如圖6所示，以搜索“”為例，顯示與“”搭配的詞組及短語，有49項左搭配詞、42項右搭配詞及267條例句。以及在上下文中置于其左右各5個詞語與其搭配的情況及所占百分比，也可選為其與10、20個詞語的搭配情況。點擊圖標可顯示在線老撾語鍵盤，并且具備輸入預測功能。Habeas lexis鍵可迅速查詢檢索詞在詞典中的釋義。Collocates為搭配統計功能，能將檢索詞的搭配按照統計數據從高到低排列，從而給研究者或學習者一個直觀的印象。

2.2 優點與不足

老撾語單語語料庫檢索軟件主要用于單語語言研究、單語辭書編纂和自然語言開發等方面，也廣泛應用于語言課堂中。使用者可以從語料庫中檢索并提取含有某個詞（ 可以是詞的某一部分，也可以是詞的組合） 的語言范例。此外，單語語料庫分析工具可以列出字頻、詞頻表以及對應和搭配表。通過這些功能，使用者可以了解所檢索的詞在各種語境下使用的具體記錄，有助于掌握該詞在具體語境中的使用情況。幫助教師或學生根據詞頻率得知哪些詞在具體的語境中更加重要、更加專業，有利于在翻譯過程中進行取舍。⑨

SEAlang老撾語單語語料庫存在的主要問題有三點即：語料來源單一、語料不夠豐富、為未經處理的生語料庫。此外，其語料多數來自老撾語網絡新聞及文章，語料庫文本類型不夠豐富。

3 東南亞語言學典藏⑩

東南亞語言學典藏簡稱SALA（Southeast Asian Linguistics Archives）主要收集掃描文獻、編制索引和傳播東南亞語言學術性出版物，采用創新方法匯集該領域分散的文獻，旨在建立一個龐大的東南亞語言學典藏目錄程序，包括以下幾項內容：（1）可在線搜索的文獻庫：包括東南亞語言學的重要期刊、會議論文集、系列叢書、合集及未發表的文獻資料（田野筆記、論文）等，并提供上述文章及出版物電子版。（2）文獻引用、分析引文索引、文獻評價的工具，計算其影響因子、G指數（G-index）等。并為讀者提供了多種參考文獻引用格式，如：Harvard、APA、Chicago、MLA、Citation within the text、Zotero、BibTeX等格式。（3）應用程序界面：允許SALA與其他在線工具之間的互操作（例如：Multi-Tree， LL-MAP， and our own SEAlang Library及孟高棉語言項目等），以及與其他數字檔案館的數據共享和引文跟蹤。此外，SALA還收錄了東南亞語言學領域著名學者們未公開發表的文章，及各大學的學位論文。

3.1 文獻搜索方式

SALA支持兩種搜索方法：特定搜索（如標題、作者）及全文搜索。可按期刊、會議論文集、系列專著、作者、關鍵詞標簽、語言等標簽搜索文獻，縮小搜索范圍，更為精確的找到所需文獻。如圖7，例如在搜索框輸入 “Lao”，點擊Search選項后的“&Tags”標簽，搜索結果會顯示共有274篇題目及關鍵詞包含“Lao”的文獻，文獻引用情況及排序結果、文獻發表的年代及數量，這些文獻發表的時間跨度為1904-2006年。見圖8。

3.2 優點與不足

SALA啟用自動語義查詢擴展，使用戶以簡易快捷的方式搜索及引用目標文獻。SALA可以幫助學者們迅速找到自己需要的早期相關文獻，包括一些難尋的未出版文獻。

由于全部文獻都采用了光學字符識別技術技術（OCR），對于非英語及IPA文本而言，全文搜索功能不太理想。此外，一些相關領域的文獻未被編目、出版，無法像JSTOR一樣將此類文獻聚合。

4 結語

SEAlang項目每個語種的語料及文獻數量不同，其中泰語及高棉語族的語料及文獻數量最多，并且還專門建立了泰語語音語料庫、孟高棉語言項目、高棉銘文語料庫，望其他東南亞語言文學研究學者也能充分利用此項目程序，更好地服務于科研及教學。

本文僅從使用者角度介評SEAlang項目，難免掛一漏萬，誤謬之處敬請專家學者批評指正。

注釋

① http：//SEAlang.net/

② http：//SEAlang.net/lao/dictionary.htm

③ 50年代至70年代初期，在老撾愛國戰線解放區，為了群眾掃盲和使用方便，又對老撾文字進行了一此改革，刪繁就簡，重新規范，使文字拼寫與語言更趨一致。（董友忱，萬國博覽——亞洲卷，新華出版社，1998年09月第1版，第498頁）

④ 由于此詞典為老撾語-英語詞典，故在Text框中輸入詞典釋義文本中所包含的英文字串，亦可顯示對應的老撾語詞條。

⑤ 參見 http：//www.laoscript.net

⑥ http：//SEAlang.net/help/

⑦ http：//sealang.net/dictionary/sila/

⑧ http：//SEAlang.net/lao/corpus.htm

⑨ 劉穩良.電子語料庫與語文辭書的編纂修訂[J].上海翻譯，2013（4）.

⑩ http：//sealang.net/sala/index.htm

參考文獻

[1] The SEAlang Projects： Southeast Asian Language & Linguistics Resources，Center for Research in Computational Linguistics ， Doug Cooper.

[2] 董友忱.萬國博覽-亞洲卷[M].北京：新華出版社，1998.

[3] 汪興富，Mark Davies，劉國輝.美國當代英語語料庫（COCA）——英語教學與研究的良好平臺[J].外語電化教學，2008（5）.