網絡詞典詞庫配置的主體間性思考

張雅　盧華國

[摘 要] 首先介紹網絡詞典的發展現狀，然后結合有道詞典論述版權購買類、網頁抓取類和維基架構類三類詞庫的優點和局限，最后從設計的主體間性入手探討如何發揮編者、技術人員和用戶三類設計主體的優勢以實現網絡詞庫配置的整合和優化。

[關鍵詞] 網絡詞典 有道詞典 詞庫配置 主體間性

[中圖分類號] G237 [文獻標識碼] A [文章編號] 1009-5853 （2014） 05-0087-04

Inter-subjectivity Approach to Lexicon Configuration in Cyber Dictionaries：

with Particular Reference to Youdao Dictionary

Zhang Ya Lu Huaguo

（Department of Languages and Culture，Nanjing University of Information Science and Technology，Nanjing，210044）

[Abstract] Starting from a brief account of the status quo of cyber dictionaries， this paper describes the strengths and weaknesses of three types of lexicons， i.e. copyright-based， webpage-extraction-based and wiki-based ones， which are illustrated by Youdao Dictionary， and then investigates how compilers， technicians and users can take most advantage of their combined expertise to optimize the lexicon configuration of cyber dictionaries.

[Key words] Cyber dictionaries Youdao Dictionary Lexicon configuration Inter-subjectivity

1 引 言

網絡詞典是電子詞典的一種，又稱在線詞典，是指構建在網絡平臺上，通過使用某種計算機網絡語言將機器可讀的詞典文本轉換為可在網絡中檢索的辭書，并向用戶提供實時查詢服務的數字化參考工具[1]。根據用戶訪問方式，可以分為網頁版和軟件版兩類。使用前者就像訪問普通網頁一樣，需要輸入相應網址，進入詞典主頁后才能進行詞典檢索，檢索結果以網頁形式呈現給用戶；使用后者就像使用普通軟件一樣，需要用戶首先在本地安裝客戶端軟件，然后打開軟件進入詞典界面進行檢索，軟件從遠程服務器獲取符合檢索條件的信息并通過詞典軟件界面展示給用戶。

由于以網絡為數據載體，網絡詞典擁有非常廣泛的用戶。尼爾森網聯研究2012年發布的一項針對我國10個城市的調研數據顯示，在16—45歲的網民中有將近九成接觸過網絡詞典產品，網絡詞典已經達到相當高的覆蓋率，并在調查金山、谷歌等7個品牌之后，發現有道詞典的覆蓋率達到58%，位居7個被調查品牌之首，平均每周被使用12次，累計達36分鐘，明顯高于同類其他網絡詞典[2]。有道詞典之所以能夠在眾多品牌中占據首位，原因之一在于它的詞庫資源豐富且不同類型的詞庫之間具有一定的互補性。然而，這些詞庫也存在一些問題，給使用者帶來不少困惑。接下來，本文將從詞典設計主體間性的角度入手探討有道詞典的詞庫配置策略及其對網絡詞典設計的啟發。

2 有道詞典的三類詞庫簡介

有道詞典宣稱集中了中、英、日、韓、法5種語言的詞庫，但是在這5種語言之間資源配置并不均衡，其中英漢詞庫資源最為豐富。本文將主要介紹有道詞典在英語詞庫資源配置方面的特色，僅在討論與英語學習相關時涉及有道詞典所收錄的漢語詞庫資源。從獲取方式和來源看，有道詞典英語方面的詞庫資源主要有以下三類[3]。

第一類是版權購買類詞庫，包括3本版權詞典，分別是《21世紀大英漢詞典》（以下簡稱《21世紀》）、《新漢英大辭典》（以下簡稱《新漢英》）和《柯林斯英漢雙解大詞典》（以下簡稱《柯林斯》）。《21世紀》是一部大型綜合性詞典，由李華駒擔任主編，中國人民大學出版社2002年出版，收錄單詞和詞組約40萬條，以語詞條目為主，兼收各科常見術語專名。《21世紀》對多義詞釋義尤為詳盡，按使用頻率高低編排義項[4]。《新漢英》是一部綜合性漢英辭書，由中國教育出版集團有限公司2008年出版，收錄約15萬詞條，詞典信息主要由漢英基本釋義、例句、短語等構成[5]。然而，除有道官網介紹外，筆者從互聯網上，包括中國教育出版集團有限公司網站上都無法獲得關于該詞典的更多信息。至于《柯林斯》，有資料宣稱該詞典系哈珀·柯林斯出版集團第一次選擇互聯網上平臺首發旗下詞典，在詞匯量上完全覆蓋之前收錄的《柯林斯COBUILD高級英漢雙解詞典》（由張柏然等翻譯，高等教育出版社2006年出版），是柯林斯旗下最大的學習型詞典[6]。筆者從網上無法獲得更多關于該詞典的信息，試查、比較之后也沒有發現與《柯林斯COBUILD高級英漢雙解詞典》有什么差別。

第二類是網頁抓取類詞庫。該類資源的獲取以有道首創的“網頁萃取”技術為實現前提。具體講，就是通過搜索引擎獲取海量網頁數據，然后借助自然語言處理中的數據挖掘技術對其進行分析，從中提取所需要的信息并自動生成一個龐大的、可自動及時更新的“動態資源庫”。借助網絡服務或桌面軟件，用戶可以方便地查詢這一資源庫。通過“網頁萃取”技術獲取的信息有網絡釋義、雙語例句、專業釋義、短語、權威例句和原聲例句六個類別。筆者使用后發現：前四類信息主要是通過在英文與其中文翻譯之間建立匹配關系，把存在匹配關系的單詞或例句提取出來，后兩類信息只需把含有目標詞的句子提取出來。具體說來，專業釋義主要是通過在學術論文的中英文摘要和關鍵詞之間進行匹配，提取目標信息，網絡釋義和雙語例句則是源自整個網絡上的中英文資料，取材范圍比前者要廣得多。短語不僅需要在中英文之間匹配，而且還要判斷目標詞與其他詞是否構成共現關系。權威例句和原聲例句的提取則相對要容易一些，前者源自英美主要新聞報刊網站，后者則是對英文廣播、影視或公開課資源中含有目標詞匯的句子的提取。endprint

第三類是維基（Wiki）架構類詞庫。該類資源是對免費網絡資源互動百科的直接借用。與維基百科和百度百科一樣，互動百科也是建構在Wiki技術之上的免費網絡百科全書。在傳統的網站集中發布模式下，普通用戶因為只能瀏覽信息而不能隨意發布信息，所以處在一種被動接受的位置。Wiki技術的創生是對這種傳統模式的顛覆。作為一種嶄新的信息發布方式，Wiki技術使得任何人都可以對自己在互聯網上看到的頁面進行編輯，而且編輯結果在網絡上同時向他人公開，并允許被再次編輯和修改，從而實現網頁的可擦寫功能。互動百科正是基于以Wiki技術為核心的合作軟件構建的網絡百科全書。它對用戶沒有任何門檻限制，用戶不僅可以免費使用維基百科，更重要的是可以參與編寫。互動百科不設專職編輯隊伍，其編輯器風格類似office 2007，采用“所見即所得”的編輯模式，頁面操作非常簡單，用戶只要會點鼠標、會打字就可以參與百科全書的編寫工作。互動百科具有高度的開放性，為熱心網友搭建了展示技能和知識的平臺，使用戶能夠自己動手，體驗分享知識的樂趣[7]。

3 三類詞庫的優點和局限

版權詞典（以紙質詞典為主）由辭書專家編寫、知名出版社推出或引進，在詞典信息質量方面有保障，有著較高的權威性。然而，版權詞典中的信息往往滯后于語言的發展變化。《21世紀》雖然是一本大型綜合性辭書，收錄單詞和短語40萬條，但是該詞典出版已有10年，無法反映語言中的最新變化。實際上，即便是2008年版的《新漢英》和官方所謂的2012年版《柯林斯》也不可能收入時下流行的新詞新義。版權詞典這方面的局限是由其自身特點所決定的。首先，無論版權詞典的收詞量有多大，終究受到一定限制[8]，所以版權詞典通常只能選擇性地收錄那些相對穩定的新詞新義。此外，版權詞典還呈現出編纂周期長、更新頻率低的特點，這進一步影響了詞典對新詞新義的收錄。由于編纂周期長，版權詞典編纂時收入的內容無論有多新，出版時這些內容已經顯得陳舊。再則，版權詞典一旦出售發行，編者即失去對位于用戶端的詞典數據的直接支配。詞典數據因而呈現出封閉性，無法隨時接受更新。另一方面，詞典數據的更新往往涉及詞典設計的方方面面，是一項費時費力的工作。出于對成本的考慮，編者常常將詞典數據更新的范圍和頻率限制在可接受的范圍內，即只有當需要更新的語料積累到一定程度之后，編者和出版社才會考慮對詞典數據進行全面更新。而使用者只有重新購買版權，才有機會接觸詞典中更新的內容，這對電子詞典的開發者而言又是一筆新費用。因此，有些開發者不愿購買同一詞典的更新版本，而是走模糊路線，對版權詞典的出版年限語焉不詳。

網絡不僅是新詞新義產生的一個重要來源，而且為新詞新義提供了非常重要的傳播渠道。換句話說，新詞新義無論經由何種途徑產生，都會在網絡上留下蹤跡。由于依托搜索引擎，網頁抓取類詞庫可以及時捕捉語言中的新現象，并實時加入“動態資源庫”，供用戶查詢。這種做法可以很好地彌補版權詞典在新詞新義收錄方面的短板。例如，筆者嘗試在有道詞典中輸入并查詢在各類媒體上較為常見的兩個詞“吃貨”和“fiscal cliff”。結果顯示，前述版權詞典均沒有收錄相關釋義或翻譯，而網絡釋義則給出比較滿意的答案（“foodie”和“財政懸崖”）。然而，由于主要依靠計算機技術并缺少語言專家的判斷和選擇，網頁抓取類詞庫對目標信息的匹配和提取有時錯誤百出，讓人啼笑皆非。例如，對于網絡用語“忽悠”，網絡釋義給出了四個對應詞：hooyoo、flicker、poof和E。其中，排在第一位的是hooyoo，系從70個網頁提取而來。追蹤這些網頁后，筆者發現hooyoo多被用作網站的名字，與“忽悠”的“欺騙”意義沒有任何關系。排在第二位的flicker僅與“忽悠”的陳舊義項“飄忽不定”有關，排在第三、第四的poof和E則不知所云。專業釋義和雙語例句均存在類似錯誤。該類詞庫所提供的某些短語（如please advise）只是偶然出現在一起的組合，根本算不上語言學意義上的短語。此外，雖然原聲例句和權威例句的正確性能夠得到保障，但是從辭書的角度看，這些例句只能作為聽力和閱讀的補充材料，在詞匯難度和示范價值方面與版權詞典中精選的例句相去甚遠。

認知語言學家認為語言信息和百科信息難以截然分開，對語言的理解和使用都非常重要[9]。這也為學習型詞典中百科信息分量的增加所印證。版權詞典雖然在收詞和釋義方面對百科詞條和百科信息日益重視，但是其容量畢竟有限，只能以語言信息為重，兼顧最基本的百科信息。例如，版權詞典對歷史人物的介紹就只限于生卒年和主要功績等最主要的信息。此外，由于版權詞典更新速度慢，其中的百科信息常常顯得陳舊和過時。因此，已經過世的歷史人物在某些版權詞典中可能依然“健在”，這難免會對只依賴一本詞典的用戶產生誤導。維基架構類詞庫由于匯集了廣大網民的智慧，在百科信息方面可為版權詞典提供延伸和補充。與專家式的傳統辭書編纂不同，維基架構類詞庫開放、自由的編輯模式被稱為“自下而上式”的編纂模式[10]。由于編者隊伍在理論上可以無限擴展，互動百科擴充和更新的速度讓任何其他傳統辭書及其網絡版都望塵莫及。然而，高度的開放性也帶來了高度的無序性，這給互動百科實施有效的質量控制帶來了無法解決的困難。例如，由于詞條撰寫者對同名人物的編輯操作不夠細心，著名語言學家王力在互動百科中被赫然標注為“海軍少將”，而且介紹中缺乏最基本的生卒年信息[11]。至筆者行文時，相關錯誤還沒有得到糾正。與維基百科相比，互動百科有一定的審核機制，即只有經過審核的詞條方可提交。然而，審核通常限于政治類等敏感信息，專業且隱蔽的信息只能依賴網友發現和糾正。互動百科無法從根本上做到防患于未然，這是由其開放性、自由性所決定的。

4 詞典設計的廣義主體觀

現代設計理論認為，產品設計需考慮一系列的外部和內部因素，是外部因素的內在化[12]。作為文化產品的詞典亦不例外，其設計背后的理據也是多元和復合的，大致可分為外部理據和內部理據兩類。前者包含了很多方面，始終圍繞著“人”這個核心，其中最重要的就是詞典用戶及其需求，代表了詞典設計的限定性；后者也包含多方面，始終圍繞“物”這一廣義概念，包括詞典設計的技術、載體和工藝，代表了詞典設計的可能性。可以說，詞典設計就是內外理據融合的過程[13]，把前述可能性轉化為現實，離不開設計主體創造性的活動。然而，長期以來人們對詞典設計的理解經歷了一個由片面到全面的發展過程，對詞典設計主體的認識也經歷了同樣的變化。endprint

傳統上，詞典被視為靜態的文本，是特定的詞典信息類型按照特定的呈現方式進行編排的結果；詞典文本的設計是編者就信息類型和呈現方式做出系列選擇的過程。因此，詞典編者才是唯一的詞典設計主體。由于接受美學的影響和商業利益的驅使，詞典不再被視為靜態的文本，位于接受端的用戶開始受到重視。為了能夠吸引更多用戶、取得更大的商業利潤，詞典編者必須設法了解用戶的檢索需求、技能和使用習慣，并據此設計出符合用戶要求的詞典產品。詞典用戶地位的上升使他們能夠對編者的設計決策產生不容忽視的影響。正是在這個意義上，我們認為詞典用戶實質上成為詞典設計的另一主體。

對于現代詞典編纂而言，數據庫的建設、語料的提取離不開技術人員的參與，這直接影響著詞典可呈現的信息類型。負責排版、印刷和裝訂的技術人員對于紙質詞典產品的最終面貌和功能有著重要的影響。對于電子詞典設計而言，編程人員同編者之間的有效合作是充分發揮技術優勢、保證電子詞典質量的前提。這里當然不排除編者同時又是技術人員的情況，但是現代社會高度專業化的分工使得技術人員已然成為詞典設計過程中一個不可或缺的獨立群體。

如果我們接受詞典設計的廣義主體觀的話，那么就會發現上述三類設計主體分別與有道詞典的三類詞庫對應：在版權購買類詞庫（通常是紙質詞典）的編纂過程中，雖然重視用戶需求并使用了現代技術，但是在宏觀層面和微觀層面上對信息的選擇和呈現的過程主要是一個由編者不斷做出決策的過程，在這里編者是設計主體；網頁抓取類詞庫的形成主要依賴“網頁萃取”技術，詞典或語言專家的影響被最大程度地排除了，在這里技術人員是設計主體；在維基架構類詞庫中，沒有專家和權威，任何人都可以編寫新的詞條、編輯和修改已經存在的詞條，從而實踐“人人為我、我為人人”的烏托邦理想，在這里用戶才是設計主體。

5 設計主體間性視角下的思考

就“人”這一最活躍的要素而言，詞典設計從本質上講是一種交際行為。狹隘的設計觀將這一過程分為兩個彼此分離的“主—客”片段，即“編者編纂詞典”和“用戶使用詞典”，因而在一定程度上阻礙了編者和用戶兩大設計主體之間的溝通，影響了詞典設計創新的力度和方向。而廣義的設計觀則將詞典設計置于“主—客—主”框架中，將其視為包括技術人員在內的多極主體圍繞詞典文本展開的對話行為。

一方面，廣義的設計觀反對將詞典設計視為編者的獨白，認為詞典設計不能缺少任何一方的參與，因而倡導多級主體之間的對話；另一方面，該設計觀堅持編者在詞典設計中的主體地位，認為編者的作用不是用戶或技術人員可以替代的。隨著用戶重要性的提升，用戶參與編纂的范圍擴大、直接程度提高，維基技術的應用甚至使得普通詞典用戶能夠打造“屬于自己的”辭書（如互動百科）。這對“唯編者獨尊”的詞典學舊范式產生了沖擊。同時也應該看到，詞典設計畢竟是一項嚴肅的專業性很高的學術活動，雙語詞典的設計則更需要設計者在語言和跨文化交際等方面擁有深厚的知識儲備，對設計者的詞典學素養要求很高。因此，強調“用戶友好”“用戶至上”并不意味著賦予用戶主導詞典設計的權利。此外，廣義設計觀主張技術人員根據需要在不同階段介入詞典設計，但是反對詞典設計的“唯技術論”。沒有詞典專業人員參與而設計的詞典要么是披著現代技術外衣，質量卻得不到任何保障，要么是紙質詞典內容的簡單電子化和網絡化，并不能真正發揮現代技術的優勢。因此，“最好的效果很可能來自于專業編者同信息技術專家之間持續、密切的合作”[14]。

回過頭來看有道詞典的詞庫配置，其中的問題便一目了然。從上文可知，三類詞庫既有優勢也有局限：雖然版權購買類詞典的正確性有保障，但是詞典信息的容量和更新頻率均受到限制；網頁抓取類詞典和維基架構類詞典雖然能夠彌補版權購買類詞庫的上述不足，但是所提供信息的正確性難有保障，常常會誤導用戶。有道詞典對三類詞庫的配置使其呈現出一定的互補性，但是不能克服詞庫自身的局限。從根本上講，單一詞庫的局限性源于單一設計主體的局限性。由于每類設計主體都存在局限，僅以某類主體作為詞庫設計主體，無視或排除其他主體的作用，必然導致設計出的詞庫具有難以克服的局限。有道詞典只是把三類詞庫進行簡單的拼接，并沒有真正實現它們之間的優勢互補，本質上體現的還是一種“技術至上”的片面設計觀。

無可否認的是，網絡詞典在開發、維護和更新方面比其他類型的詞典更依賴現代技術。因此，技術人員在網絡詞典設計中發揮著非常重要的作用。但是要解決網絡詞典在詞庫配置方面的問題，就必須克服“技術至上”的片面設計觀，通過整合或優化詞庫資源之間的配置，使詞典設計的交際行為在編者、用戶和技術人員之間得以有效展開。由上文可知，第二類和第三類詞庫提供的詞典信息良莠不齊，因而對網絡詞典使用者的鑒別力提出了很高要求。然而，對詞典的編者而言，它們都提供了很好的加工素材。網頁抓取類詞庫以“網頁萃取”的現代技術為基礎，對散落在網絡上的語料進行了初次篩選，所提供的信息大大縮小了編者語料搜集的范圍，從而減少他們的工作量。維基架構類詞庫能夠充分發揮“人多力量大”的優勢，在短時間內構建起辭書的雛形。詞典編者可以發揮自己的專業優勢，對這兩類詞庫中的信息進行篩選、甄別，最后推出辭書的正式版本，并通過網際互動，了解用戶的需求和辭書的動態變化，把這些信息反饋給技術人員，以實現詞典數據的維護和實時更新。在這種新型的網絡詞典設計模式中，用戶不只是產品的消費者和反饋信息的來源，技術人員也不再只是被動的參與者，三類主體在網絡詞典設計中都能充分發揮各自的優勢，真正實現由編者主導、各方參與的詞典交際行為，如此設計出的網絡詞典也能更好地滿足用戶的使用需求。

6 結 語

網絡詞典發展迅速，擁有最廣泛的用戶，其中有道詞典的詞庫配置在同類詞典中具有一定代表性。有道詞典的詞庫主要有版權購買類、網頁抓取類和維基構架類三種，分別對應編者、技術人員和用戶三類設計主體，各自既有優點又有局限。只有充分發揮三類主體在詞典設計中的作用，才能整合或優化詞庫資源之間的配置，設計出能夠更好地滿足用戶使用需求的網絡詞典。endprint

注 釋

[1]魏向清，王東波，耿云冬.中國辭書發展狀況報告（1978—2008）[M].北京：商務印書館，2014：223

[2]http：//www.nielsenccdata.com/marketSecondCh/show.ht？id=117

[3]除了下文即將提到的三種，有道詞典還包含同英英釋義、近義和同根詞三種詞庫，英英釋義是對免費資源WordNet的借用，后兩種來源不明，故本文不做討論。

[4]http：//www.crup.com.cn/Item/94240.aspx#

[5]http：//www.youdao.com/help/dict/source/

[6]http：//cidian.youdao.com/5.0/help/deskdict5beta/features/16.html

[7]盧華國，張雅.移動學習時代的移動詞典[J].現代教育技術，2010（6）

[8]姚紅.數字化時代的詞典出版[J].出版發行研究，2007（9）

[9]Taylor， J. R. 2003 Linguistic Categorization 3rd [M]. New York： Oxford University Press

[10]de Schryver，Gilles-Maurice. Lexicographers dreams in the electronic-dictionary age [J]. International Journal of Lexicography，2003（2）：143-199

[11]http：//www.baike.com/wiki/%E7%8E%8B%E5%8A%9B

[12]柳冠中.設計方法論[M].北京：高等教育出版社，2011：24，37

[13]感謝導師魏向清教授有關討論對本部分的啟發。

[14]Svens€閚， B. A Handbook of Lexicography： The Theory and Practice of Dictionary-making[M] New York ： Cambridge University Press， 2009：439

（收稿日期：2014-04-18）endprint