試論方言數據庫的建設過程及意義

摘 要：方言數據庫的建設是一個綜合、連續、復雜的過程，本文結合吳語甬江片方言數據庫的建庫實踐，試從過程和意義兩個方面探討方言數據庫的建構。

關鍵詞：方言 數據庫 過程 意義

一、引言

吳語是漢語的重要組成部分，至今仍有大量古漢語保留，但受普通話、人口流動和其他方言等因素的影響，使用純正吳方言的人越來越少。另外，由于地理、歷史和文化等差異，吳語所轄六個方言片內方言差異比較大，方言里的一些有特色的詞語正趨于萎縮和消亡，隸屬于吳語區的甬江小片方言當然也存在這些情況，因此及時記錄和保存方言口語資料是一項重要任務。

在數據庫的建設上，學術界相關研究已經取得了一些成果，為方言數據庫的建設提供了不少經驗。如：由中國社會科學院主持開發的“北方方言基本詞匯數據庫”、丁邦新等主持開發的“漢藏同源詞研究系統”、劉丹青主持的“方言語法語料庫”等。盡管相關數據庫存在語料較少、功能單一等不足，但它們都為以后數據庫的研制打下了良好的基礎。

二、方言數據庫的建構過程

（一）方言數據庫的內容

方言數據庫應包括語音、文本、知識、會議、輔助和檢索六個部分。吳語甬江片方言數據庫以寧波、象山、寧海、余姚、慈溪、奉化、舟山等七個方言點為線，以每個方言點里的字、詞、句、段、篇為綱，以一字一符一聲為數據庫基本資源類型，既有文本語料，又有相對應的多媒體口語資源和國際音標標注。

（二）方言數據庫的建構

方言數據庫的建構分方言語料的收集和數據庫的整體設計兩個部分。

1.方言語料的收集

方言語料收集是數據庫建設的重要部分，語料采集的質量將直接關系到數據庫的利用價值，所以采集到的語料要具有真實性、客觀性和代表性。方言語料的收集主要包括調查、記錄和整理三個階段，每個階段都要有嚴格的規劃和學術把關。

（1）調查方面，對調查的方言點、發音人、調查方法和調查時間要有所界定。方言點的確定要以更具該方言代表性的語言區域為調查點，如寧海方言內部分為北、中、南三個區域，語言互有差異，調查點要選在中部以城關話為代表的地區，這樣調查的語料才具有代表性和客觀性；在發音人的選擇上要注意其層次性和代表性，以及知識水平等問題；調查方法主要有談話和讀音法兩種，前者是調查方言的傳統而有效的方法，但其需耗大量時間進行跟蹤和整理，后者則是目前調查方言語料的主要方法。

（2）記錄方面，調查有跟蹤調查（談話法）和讀音法兩種，邊聽邊記音未免會出現差誤，當今各種多媒體語音處理和軟件開發技術的運用，大大提高了方言調查的方便性和準確性：上海師范大學潘悟云教授研制的TFW田野調查軟件對于提高方言的調查速度、減輕調查人負擔、提高整理同音字表和歸納語音系統的效率都有很大的幫助；北京語言大學推出的byly則具有方便靈活的特性，易于隨時隨處進行調查錄音；荷蘭語音學家研制開發的praat軟件和Audition軟件的引進都為檢驗語料提供了技術上的保證。甬江片方言數據庫不僅要錄入文本語料，更需要在相應的文本語料下掛接相應的國際音標和錄音，這樣更能完整的展現方言的語音體系。

（3）整理方面，要嚴格記錄每個字的讀音，對以下三種不合格錄音要進行刪除并補錄：一是文白異讀字詞，二是有突發噪音出現，三是重復以及其他與調查無關的自然對話。Audition軟件里的切音功能就可以實現這一目標，切出的語音文件統一為WAV格式。

2.數據庫的整體設計

方言數據庫的建設應包括信息門戶建設和數字資源加工兩部分，圖一是吳語甬江片方言數據庫建設的整體設計圖。信息門戶平臺主要是對數據庫系統中的文獻信息和網絡資源信息以及相關新聞類信息進行統一管理和維護；數字資源加工和發布平臺是針對數據庫系統中的自建文獻庫、方言資源庫及相關音頻、視頻庫的信息進行加工、分編和發布，為用戶提供統一的檢索功能和資源整合功能。數字資源加工的內容包括方言信息、文獻、網絡資源、方言音頻和方言視頻。

在方言數據庫的整體設計中，方言語料標注和檢索系統的設計是非常關鍵的。首先，語料的標注不僅是實現數據庫機讀化的關鍵，也是一種將隱含的語言學知識形式化、系統化的過程；其次，對數據庫中元數據的標注不但方便了使用者檢索、提取信息，同時還可增加語料的重復使用率數據庫的多功能性。甬江片方言數據庫的語料標注主要包括文本語料的選擇和編制、口語資源的切音、信息標注和聲學參數的提取等幾個部分。方便快捷的檢索不僅給使用者查找語料提供了便利，同時也是實現數據庫利用價值的渠道之一。甬江片方言數據庫有門戶網關鍵詞檢索、SQL Server平臺和圖書館后臺（ftp）三個檢索子系統，研究者可以借助任何一種方式快速查找所需語料并可統計出字、詞、句在數據庫中出現的頻率和數量等內容。

圖一：吳語甬江片方言數據庫的技術路線

三、方言數據庫研制的意義和價值

方言數據庫的研制和運用有其特定的意義和深遠影響，主要表現在方言的學習、研究和保存，學術內交流和學科交叉研究等方面。除此之外，它的現實應用價值也是不可忽視的。

（一）有利于方言的學習、研究和保存

吳語甬江片方言數據庫的建立具有重大的意義：首先，彌補了吳方言長期停留在書面和口頭的狹窄局面，七個方言點的語料和語音通過數據庫后臺和網頁兩個渠道發布，減少了人們獲得、研究該方言語料困難、不方便的情況；其次，現有的語言數據庫存在收詞偏少、功能比較單一、無音檔信息、開放性低等方面的不足，綜合型的方言數據庫每一個部分都會有語料和音頻對應，用戶只要登錄獲得權限后就可下載語料和音頻以供其研究和學習。以網絡為媒體，方便了人們研究方言，同時對于調動人們學習、保護方言的積極性也有很大的意義。

（二）為學術內交流和學科交叉研究提供樣板

數據庫錄入的原生態方言語料，對研究語言現象和文化淵源的關系有很大幫助，同時，它又可以推動語言現代化處理技術的深入研究和運用。該庫建成后，不僅為研究甬江小片方言的學者提供了便利，而且圍繞該數據庫更可以增加其他關于方言的學術交流。比如數據庫中吳語會議記錄展示模塊，可以及時地更新發布學界內最新研究吳語的會議及成果，同時該數據庫的研制和使用是語言文字學、應用語言學和計算機語言學等多學科的交叉結合。甬江片方言數據庫的研制不僅有助于研究甬江片方言點的語音現象、文化和歷史風俗等，還有助于推動多學科的交叉研究和運用。

（三）現實應用價值

方言數據庫的現實應用主要表現在通過數據庫檢索和語音辨識等功能，幫助某些職能部門準確辨別出話語者的鄉里籍貫等地域信息，對公安、安全部門開展語言偵破等也具有直接的應用價值。上海師范大學正對這一設想進行實踐研究，由張穎、王鋼等開發的針對河南方言的“方言語料數據庫管理系統”，在語言識別方面已初見成效。

（四）整理大量語料

許多研究者在整理方言資料上耗費了大量精力，利用現代科學技術來整理漢語方言資料以及文獻資料，顯然已十分迫切。計算機具有貯存大、運算速度快、運算精確等一系列優點，在整理和檢索資料方面，其能力遠遠超過人力所能企及的范圍，是整理大量語料的理想工具。建立在計算機之上的方言數據庫，通過對語料進行篩選和標注，最后錄入到數據庫中，更方便了人們對方言的學習和研究。

參考文獻：

[1]黃昌寧，李涓子.語料庫語言學[M].北京：商務印書館，2002.

[2]洪拓夷.漢語方言語音數據庫建設構想[J].圖書館情報工作，2009，（3）.

[3]李龍，潘悟云.國際音標輸入法及其實現[J].語言研究，2006，（3）.

[4]陳小瑩，陳晨，華侃，于洪志.語音語料庫的設計研究[J].科技信息，2008，（36）.

（杜福強 趙則玲 浙江寧波 寧波大學人文與傳媒學院 315211）

“本文中所涉及到的圖表、公式、注解等請以PDF格式閱讀”