作者為國家社科基金重大項(xiàng)目“大規(guī)模英漢平行語料庫的建立與加工”首席專家、北京外國語大學(xué)教授

20世紀(jì)語言學(xué)研究，從索緒爾開始，獲得極大的進(jìn)展。其中在方法和工具層面的進(jìn)步，以語料庫的研制與應(yīng)用最具標(biāo)志性意義。隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，單語語料庫研制從20世紀(jì)中葉起步，至今已助力語言學(xué)研究取得不少新成果。雙語語料庫雖然遲至20世紀(jì)90年代上路，但勢(shì)頭很強(qiáng)，帶動(dòng)了雙語對(duì)比、翻譯及雙語詞典研編等一系列研究。

語料庫研制存在的問題

目前國際上雙語語料庫研制的主要問題：第一，語料庫大多文本來源單一、標(biāo)注比較簡單，且多為歐洲語言，其他雙語語料庫甚少，主要用于語言識(shí)別、文檔級(jí)對(duì)齊、術(shù)語提取等自然語言處理研究，而非從語言學(xué)和翻譯學(xué)角度研究語言與翻譯問題。第二，少數(shù)雙語語料庫開展了相應(yīng)的語言與翻譯研究，但雙語語料庫在質(zhì)和量上都有待提升。第三，語言是發(fā)展變化的，在外語和翻譯的作用下，語言之間的各種接觸可能導(dǎo)致語言發(fā)生另樣的變化，原生語言和翻譯語言也存在種種的相似和相異。國際上現(xiàn)有的雙語語料庫或是缺乏歷時(shí)語料，或是語料庫庫容有限，上述研究課題也就懸而未探。第四，現(xiàn)有的無論單語還是雙語語料庫，很少做合成架構(gòu)，即要么是單語或雙語的，要么是平行或類比的，少見組合，不利于語言和翻譯發(fā)展變化的考察和比較。

針對(duì)上述問題，尤其是第四個(gè)問題，有必要思考如何突破語料庫研制的局限性。構(gòu)建新型的歷時(shí)復(fù)合語料庫，就是我們最新的嘗試。

歷時(shí)語料庫可提供各時(shí)期語言的相互比較，發(fā)現(xiàn)語言運(yùn)用的變化及其過程，為語言變化考察、翻譯研究以及翻譯語言與目標(biāo)語之間的互動(dòng)，提供客觀的描寫和可分析的數(shù)據(jù)。在中外歷史上都有不少翻譯與目標(biāo)語演化關(guān)系密切的案例。已往研究的語料來源不夠豐富，考察范圍有限，研究的深度和廣度大受制約，對(duì)原生漢語同翻譯漢語間的互動(dòng)關(guān)系也缺乏了解，而這些都有望通過歷時(shí)語料數(shù)據(jù)的獲得和分析取得新的突破。

由此可見，研究語言及其變化不僅需要設(shè)計(jì)合理、規(guī)模較大的語料庫，還需要平衡的歷時(shí)語言素材。國際上，應(yīng)對(duì)這一需求的歷時(shí)語料庫近些年開始構(gòu)建。第一個(gè)歷時(shí)語料庫AVIATOR在1990年由伯明翰大學(xué)研制成功，另一個(gè)歷時(shí)語料庫ACRONYM于1994年建成。這兩個(gè)語料庫都使用連續(xù)出版的報(bào)刊為語料。代表性更強(qiáng)、跨度長達(dá)300多年的平行英語語料庫（ARCHER）、4億字詞的美國英語歷史語料庫（COHA）也陸續(xù)建成。但是，單語的歷時(shí)語料庫還不能解決雙語的和翻譯的問題。例如，現(xiàn)代漢語（包括翻譯的漢語）的發(fā)展變化，單從歷時(shí)語料庫還不能很好地考察，應(yīng)加入更多的比較成分，如英語源語的因素、漢語譯文的變化和漢語原文的變化，三者之間形成全方位的比較研究，才有可能更充分地描寫和分析。因此，不僅要構(gòu)建歷時(shí)的語料庫，還應(yīng)設(shè)計(jì)復(fù)合的歷時(shí)語料庫。

歷時(shí)—復(fù)合：語料庫研制的一大突破

新型歷時(shí)復(fù)合語料庫的構(gòu)建是語料庫研制的一項(xiàng)重要突破，國際上在這方面剛剛起步。德國學(xué)者尤莉安娜·豪斯項(xiàng)目組近年構(gòu)建了一個(gè)小型歷時(shí)復(fù)合型語料庫，共550篇文本、80萬詞。但因語料庫容量小，語料不夠平衡，時(shí)間節(jié)點(diǎn)不清，目前僅開展了初步的德英/英德翻譯研究和語言接觸研究。大規(guī)模英漢平行語料庫——英漢雙語的歷時(shí)復(fù)合語料庫，可以有效地解決上述語料庫簡單、語料庫質(zhì)量以及語料庫的歷時(shí)考察和復(fù)合對(duì)比研究等問題，為翻譯與目標(biāo)語之間的互動(dòng)建立比較完整的描寫和分析框架，使多層面、系統(tǒng)性的翻譯和語言變化歷時(shí)研究成為可能。

歷時(shí)語料不是隨意將各時(shí)期語料收集即可，需要平衡和分期。就漢語來說，語料的歷時(shí)平衡要通盤考慮現(xiàn)代漢語發(fā)展的實(shí)際情況，分期采樣，以便所建語料庫能反映出現(xiàn)代漢語的發(fā)展軌跡，并在英漢平行語料庫的基礎(chǔ)上探究英漢語言接觸及英語通過翻譯對(duì)漢語發(fā)展產(chǎn)生的影響。在語料、庫容、架構(gòu)、歷時(shí)、復(fù)合等方面必須突出自己的建庫特點(diǎn)，突破國際上一般雙語語料庫的語料選取和語庫架構(gòu)等方面的局限，還要避免英國國家語料庫（BNC）由于歷時(shí)連續(xù)采樣而造成的各階段差異模糊的缺陷。

我們的設(shè)計(jì)思路是，在庫容上達(dá)到1億字詞，含百萬字詞的口譯語料，并進(jìn)行深度加工標(biāo)注。除了語料平衡和庫容巨大這兩點(diǎn)外，歷時(shí)復(fù)合是創(chuàng)新亮點(diǎn)，復(fù)合即平行語料、類比語料、參照語料三結(jié)合，而非單一的平行語料。我們從漢語和翻譯發(fā)展的動(dòng)態(tài)研究出發(fā)架構(gòu)歷時(shí)和復(fù)合的語料庫：將20世紀(jì)100年間的漢語語料分成三個(gè)階段，約30年為一個(gè)階段，重點(diǎn)采集各階段某10年的語料，各階段收集：（1）英漢平行文學(xué)語料400萬字詞。（2）漢語原生文學(xué)語料200萬字詞。（3）再輔以19世紀(jì)未受現(xiàn)代翻譯影響的原生態(tài)漢語文學(xué)語料200萬字詞，以及不諳外語的單語作家語料100萬字詞，合計(jì)近2000多萬字詞。

歷時(shí)復(fù)合語料庫的構(gòu)建除了注重時(shí)間段的劃分,還需在語料取樣上考慮雙語文本和翻譯研究的特定，即不同于一般的單、雙語語料庫，并需要考慮漢語早期白話文語料（包括翻譯文本）有限，本研究在語料取樣時(shí)做了適當(dāng)變通，擴(kuò)大了采樣數(shù)量。英漢歷時(shí)翻譯語料庫樣本結(jié)構(gòu)參照Brown語料庫，樣本大小參照挪威語/英語平行語料庫（The English-Norwegian Parallel Corpus，ENPC），大多數(shù)樣本為15000英語詞和對(duì)應(yīng)的25000漢字，漢語譯文取樣最多不超過30000字，一般從正文起始部分開始連續(xù)選取。

構(gòu)建新型語料庫時(shí)，還需要相應(yīng)的語料庫技術(shù)支撐，需要綜合型的便捷檢索平臺(tái)。例如充分調(diào)用篇頭（Header）標(biāo)注中的文本屬性信息，讓這些元信息作為檢索條件出現(xiàn)在檢索平臺(tái)界面上，提升復(fù)合檢索水平；像類別、風(fēng)格、體裁、作者、時(shí)間、出版社、時(shí)代等都可以用作檢索條件，保證語料檢索定向準(zhǔn)確、針對(duì)性強(qiáng)。目前，以xml格式存儲(chǔ)的語料可以在專門設(shè)計(jì)的平臺(tái)上使用。

歷時(shí)復(fù)合語料庫的應(yīng)用

語言發(fā)展變化的因素有些屬于語言自身運(yùn)動(dòng)，有些是語言間的相互接觸影響所致，特別是翻譯在兩種語言間所起的作用，如近代以來的翻譯就對(duì)現(xiàn)代漢語白話文的發(fā)展起了重要推動(dòng)作用。同時(shí)，漢語規(guī)范始終在隱性地規(guī)約翻譯語言變化的范圍。語言的發(fā)展變化會(huì)在詞素、詞語、搭配、短語、句式、句長、語篇等層面上反映出來。借助于歷時(shí)復(fù)合語料庫這個(gè)平臺(tái)，就可以充分比較和分析這些語言層面的歷時(shí)變化過程，并建立翻譯語言與現(xiàn)代漢語白話文間相互影響的動(dòng)態(tài)模式；還可以通過和漢語原創(chuàng)參照庫對(duì)比，分析發(fā)現(xiàn)漢語歷時(shí)變化與翻譯之間的關(guān)系。研究內(nèi)容包括宏觀和微觀兩大方面。宏觀語言特征：重視使用語料庫驅(qū)動(dòng)研究方法，側(cè)重考察句長、句段長、POS頻率、類符型符比，以及某些特定語言項(xiàng)目的歷時(shí)分布特征。微觀語言特征：語料庫驅(qū)動(dòng)研究與基于語料庫的研究二者并用。前者通過WordSmith或AntConc的關(guān)鍵詞對(duì)比分析（keyness）詞匯和詞叢使用上的歷時(shí)差異，發(fā)現(xiàn)有價(jià)值的語言點(diǎn)，繼之歸類、分析；后者重視現(xiàn)有研究成果的有效運(yùn)用，基于現(xiàn)有的研究提出理論假設(shè)，找到細(xì)化了的語言項(xiàng)目，或者通過細(xì)讀翻譯文本，觀察可分析的語言使用特征，在此基礎(chǔ)上基于歷時(shí)語料進(jìn)行描述、分析和解釋�？傊�，歷時(shí)復(fù)合語料庫的應(yīng)用研究前景極為廣闊。