英語視頻新聞語料庫的構建

【摘要】建設英語視頻新聞英語語料庫對于英語的學習者具有重要的意義和價值。結合語料庫語言學理論，從語料庫的代表性、語料庫的規模、語料的抽樣、語料的標記、語料的賦碼等幾個方面探討了英語視頻新聞英語語料庫的建設程序，提出了一些關于建設該類語料庫的方法和思路。

【關鍵詞】英語新聞 抽樣 賦碼 語料庫

語料庫是真實語言材料的集合，通常都村粗在計算機里，具有信息量大、信息復雜等特點。作為人們經常接觸的語言材料，新聞的內容能夠反映社會生活，新聞語言具有強烈的時代性，對日常生活用語的使用有著重要的意義，也可以說是標準語言，能夠體現現代英語發展特征和社會趨勢。以英語新聞作為選材來源，建立一個視頻新聞語料庫并進行不同目的的研究具有深遠的意義和十分重要的價值。

一、建設新聞英語語料庫的目的

近幾年來，國外在新聞英語方面的研究有了長足的進步，關于新聞英語的特點及在國內新聞報道的研究，近幾年來國內許多著作和論文體現的較多，近年來，國外在相關領域已經建成了報刊新聞英語語料庫，例如：路透社報刊新聞英語語料庫，它存在的主要目的是研究報刊新聞英語。因此，建立一個用來分析和研究新聞英語，提高新聞英語的研究能力，提高英語播音主持專業英語新聞教材的編寫和教學水平的新聞英語語料庫，具有重要的意義。新聞英語語料庫應該具有豐富的功能，包含大量的材料，如：視頻新聞英語文本、語音文件等。

二、英語新聞聽力教學語料庫的設計原則

語料庫的設計是所有工作的第一步，也是語料庫建設中最重要的一個環節，設計的質量會關系到語料庫的質量并在一定程度上影響后續相關語料庫的研究。設計階段要對問題進行全面分析，通常來說要全面考慮，必須充分考慮語料庫的規模、內容、語料樣本，下面就語料庫的設計原則進行闡述。

1.語料庫的代表性原則。語料庫建設的首要原則是代表性原則，它是區分語料庫與語料檔案庫的一個重要標志。一般來說，視頻新聞英語語料庫的主要特征是有限的語料樣本能夠最大限度地反映新聞英語。因此，這就要求建庫者應該收集盡量豐富的各種形式的文本，這樣在一定程度上可以保證語料庫的總體特征，提高語料庫的代表性。

2.語料庫規模適度性原則。通常來說，語料庫的規模要盡量大，這樣可以涵蓋更加豐富的內容，但在事實上操作難度很大，其規模會受到很多影響因素的限制。因此，日常管理過程中，建庫者是運用統計學的原理，以語料代表性和合理分配樣本比例為基礎，通過一定比例的樣本從總體上反映語言學特征，這樣就可以不必片面追求規模，同樣達到比較理想的效果。

語料庫的規模有四個層次，分別是：詞次、庫文本數量、層間樣本數量和庫樣本容量。各層次之間的比例要從平衡的角度進行合理分配。綜上所述，隨著科學技術的進步，應用現代化的互聯網和多媒體技術，可以實現建立100萬詞次容量的廣播新聞英語語料庫，這一規模就可以完全滿足研究廣播新聞英語的需要。

三、語料抽樣

語料庫自身也存在著矛盾，應用過程中發現無盡的語言事實和有限的語料樣本之間的矛盾是永遠無法解決的，語料庫常見的研究方法是用有限的語料代表整體語言事實。要盡最大限度的解決這個問題，必須在確定規模的基礎上根據統計學理論進行科學抽樣，使建成的語料庫達到總體效度的標準。

英語視頻新聞語料庫的語料全部從英語新聞選取，語料庫的建設目的是為主流標準英美新聞語言的研究提供數據，所以采取英語報道中的材料。

1.等距抽樣。語料庫建設者必須充分考慮所手機的內容要具有多樣性，這樣抽樣時才具有代表性。當新聞報道遇到重要新聞熱點事件時，如奧運會或者恐怖襲擊等，在一段時期當中新聞報道將會用大量篇幅覆蓋該主題，這就會使抽樣在平衡性上造成偏差。這樣在一段時間內占某一新聞事件將不會對語料選取的多樣性和均衡性造成影響，但是從現代統計學的觀點來看，其隨機指定的方法未免缺乏科學性和精確性。為了達到更好的代表性和平衡性，可以采取統計學中的等距抽樣的方法，做好樣本排列順序和樣本抽樣間距的設計。

2.分層抽樣。分層抽樣是“按照總體已有的某些特征，將總體分成幾個不同部分，每一部分稱為一層，然后再分別在每一部分中進行簡單隨機抽樣。”在分層抽樣中，各層子樣本方差可能會小于總體方差，具有較好的均勻性，可以得到較高的精度，分層抽樣可以減少誤差，提高精度。

3.語料的預處理、添加文本頭標記和文本的結構標記。進行抽樣后的語料還不能直接加入預料庫，之前需要進行加工和標識。目前常用的方法是在Wordsmith 軟件中撰寫命令語句，再導入抽樣后的語料進行處理，方便快捷地就可以完成預處理的工作。

根據語料庫建設的通識做法，需要對每篇語料加注文本頭，以提供這篇語料的有關基本信息。文本頭的標記提供包括語料的來源、收集時間等七個方面的基本信息。標記的方法可以參照研究者的需要進行。

四、語料的賦碼

抽樣語料不經過賦碼只能被稱作生語料。使用生語料庫只能進行制定詞頻表或借助語料庫檢索軟件對特定詞的詞頻、用法和搭配加以研究，不能完全發揮語料庫在新聞英語研究方面的潛力。經過賦碼的語料庫則具有更廣泛的研究價值。

語料庫的賦碼是對語料添加語言特征碼的過程。語料庫的賦碼有兩種：詞性賦碼和句法賦碼。詞類賦碼目前已可以自動進行，對不受限制的語料進行自動賦碼的準確率已可達到96%以上的準確率，基本上可以滿足語言研究和應用的需要。而對語料進行自動句法賦碼的準確率還不高，還沒有達到應用的程度，對語料的句法賦碼到目前為止還必須采取計算機軟件協助下的人工賦碼方法 。

英語新聞報道內容豐富，形式多樣，語言靈活，詞語、句法活用情況頻繁。就其英語視頻新聞而言，文本的賦碼不可能達到絕對的準確率，但經過努力可以保證準確率達到90%以上，基本達到后期研究的需要。

五、英語新聞語料庫的應用

新聞英語語料庫的建設和應用還需要很長時間的探索。嚴格意義上來講，“語料庫本身并不包含和語言相關的新信息，但基于語料庫的檢索引擎給我們提供了觀測舊信息的新視角。”通過語料庫軟件檢索功能，將調研語料庫中所有詞按照詞頻高低進行排列。通過頻率詞表除可以觀察不同新聞語篇的特點，能夠掌握詞匯的頻率等信息，進而計算出選詞指數。利用語料庫軟件的文本索引功能對整個新聞語料庫進行檢索，可以呈現出英語新聞報道的規律。

六、結語

當今社會，新聞編輯和文化研究能力只所以得到進一步提高，主要取決于英語視頻新聞語料庫及相應檢索軟件的發展和進步為其研究提供了一個新的平臺。

多媒體技術從技術和應用角度能夠為新聞從業者、新聞教學和英語學習者提供非常便捷的服務。借助一些語料庫檢索軟件，可以快速了解英語新聞詞匯和語篇特征，解析新聞英語中的常見詞匯、常用語言的連接關系。此外，新聞英語語料庫與新聞文本對應的視頻文件還有很多作用，可以提供查詢服務，提供借閱服務，還可以為編寫新聞英語教材提供了大量豐富的素材，教材編寫者還可以通過軟件的查詢功能實現快速選取語料庫中需要的材料，而且還能根據語料庫樣本的統計特征控制所選材料的難易程度，進而促進新聞英語的研究。

參考文獻：

[1]Kennedy，Graeme.An Introduction to Corpus Linguistics[M].New York：Longman，1998.

[2]韓寶成.外語教學研究中的統計學[M].北京：外語教學與研究出版社，2000.

[3][英]霍斯頓.應用語言學中的語料庫[M].北京：世界圖書出版公司北京公司，2006.

[4]李曉娜.多模態話語分析南寧國際民歌藝術節海報[J].安徽文學（下半月），2010（12）.

[5]王立非，文艷.應用語言學研究的多模態分析方法[J].外語電化教學，2008（03）.

作者簡介：郭文正（1979-），河南鄭州人，文學碩士，平頂山學院外國語學院副教授。