基于《傲慢與偏見》詞匯特征的語料庫構(gòu)建與分析

趙京博

（山西大同大學(xué)煤炭工程學(xué)院，山西大同 037003）

基于《傲慢與偏見》詞匯特征的語料庫構(gòu)建與分析

趙京博

（山西大同大學(xué)煤炭工程學(xué)院，山西大同 037003）

從20世紀(jì)80年代開始，語料庫語言學(xué)作為語言學(xué)主要的研究方法，通過檢索取樣統(tǒng)計(jì)分析來進(jìn)行語言研究的研究，其工具主要有Concordance、Word Smith、BNC Baby等。參照BNC Baby（Literature）語料庫，構(gòu)建了《傲慢與偏見》的對比語料庫，從詞匯特征方面入手闡釋作品，以揭示其鮮明的女性主義特征，希望為文學(xué)批評開創(chuàng)一個(gè)嶄新的研究視角。

語料庫；詞匯特征；語言研究；文學(xué)批評

簡·奧斯汀是一個(gè)具有深遠(yuǎn)影響的作家，20世紀(jì)的文學(xué)評論家及文學(xué)史家廣泛對其贊譽(yù)，稱其為“真正偉人的英國小說家”。《傲慢與偏見》（Pride and Prejudice）是簡·奧斯汀的第一部作品，它一改文學(xué)上小說的感傷情節(jié)和矯揉的創(chuàng)作風(fēng)氣，通過伊麗莎白對婚姻問題獨(dú)立見解的描寫，刻畫分析了夏綠蒂和柯林斯的婚姻狀態(tài)，體現(xiàn)了作者簡·奧斯汀對于婚姻的個(gè)人理想，描述了當(dāng)時(shí)英國社會的現(xiàn)象。上世紀(jì)80年代產(chǎn)生的語料庫語言學(xué)，是新興的交叉學(xué)科。其發(fā)展是基于信息技術(shù)的快速發(fā)展對語言、人文學(xué)科的滲透，借用概率統(tǒng)計(jì)方法對語言數(shù)據(jù)作量化分析，研究語言規(guī)律。通過語料庫判別文學(xué)詞匯的特征與優(yōu)勢，為文學(xué)批評做出新的解讀。對于研究文學(xué)詞匯出現(xiàn)的相關(guān)頻率都可以通過語料庫檢索的結(jié)果分析來完成。本文以《傲慢與偏見》為例，分析作者的寫作風(fēng)格以及作品的詞匯信息特征。

一、詞匯信息提取

（一）信息提取工具與方法 詞匯信息就其裁體分類而言，可以將其分為文學(xué)藝術(shù)、新聞傳播、口語表達(dá)和學(xué)術(shù)研究等四種，尤其是在學(xué)術(shù)研究和口語表達(dá)方面，將BNC Baby作為本族英語語料庫，對于相關(guān)語言運(yùn)用和詞匯特征的研究有著極其重要的借鑒意義。將《傲慢與偏見》文本作如下處理，在語料庫除將題目、日期、作者和正文等部分做出保留以外，刪除其他冗余的信息，如出版信息、各種原因?qū)е碌腻e亂碼等無用信息，在眾多的英語語料庫中選擇英語本源語料庫BNC Baby（Literature）（下文簡稱 BNC Baby）語料庫。

（二）信息數(shù)據(jù)提取 借助索引工具從語料庫提取數(shù)據(jù)，它經(jīng)常表現(xiàn)為同詞表生成工具、主題詞分析工具或兩者結(jié)合構(gòu)成復(fù)合工具，三種工具的功能或使用價(jià)值常常集成在一起。在該環(huán)節(jié)，本文以Mike Scow所研制的Wordsmith Tools 5．0軟件為基本語料庫，把相關(guān)對比與參照語料庫進(jìn)行區(qū)別處理，從而得出文筆分析結(jié)果。此外，運(yùn)用TreeTagger2自動詞性賦碼器對相關(guān)文本予以詞性賦碼，接著以 Antcone3．2．1文本檢索軟件對 Regex（正則表達(dá)式）進(jìn)行詞類提取，從而實(shí)現(xiàn)對《傲慢與偏見》詞匯特征信息的提取后進(jìn)行相關(guān)分析。

正則表達(dá)式（Regular Expreesion，即Regex。）是非常強(qiáng)大的文本處理語言，對語料庫的編輯、分析能力是有極大的作用的，例如對文本的查詢、替換、檢索和定位等。正則表達(dá)式主要用于對文本描述、匹配。近年來，在語料庫語言學(xué)中被大量用于文本的檢索。在使用自動詞性賦碼器TreeTagger2對文本進(jìn)行詞性賦碼之后，Antcone3．2．1通過正則表達(dá)式所提取詞類可以分層進(jìn)行，揭示其用詞、詞頻、情節(jié)描寫以及文本的思想內(nèi)涵等，以滿足對《傲慢與偏見》語料庫對女性主義主題和文學(xué)批評提供針對性的統(tǒng)計(jì)和分析。

二、結(jié)果評述

（一）詞長分析 研究詞長分析，首先需對平均詞長概念予以明確。所謂平均詞長，指的是在相關(guān)語料庫構(gòu)建中所取語料庫單詞所囊括字母的平均數(shù)，詞長與平均詞長關(guān)系呈正相關(guān)，就是說平均詞長越多，與之相關(guān)的文本長詞就會越多，對于整個(gè)文本的閱讀系數(shù)而言，就會越高。

利用Word List對《傲慢與偏見》做出的詞長統(tǒng)計(jì)，顯示平均詞長為4．38，比照語料庫的平均詞長4．41，可見《傲慢與偏見》的平均詞長較短，表明其詞匯較為簡練，通俗易懂。

（二）詞頻分析 在詞頻分析環(huán)節(jié)，首先對《傲慢與偏見》文本及BNC Baby語料庫運(yùn)用Wordsmith5．0載入，然后通過該軟件所自帶的Word List功能對所有載入信息的詞頻信息進(jìn)行全方位分析。詞頻信息主要分為形符（tokens）和類符（types）兩大類。

形符（tokens）是指相鄰空格之間的連續(xù)字符串，特定文本的形符數(shù)量即該文本的長度，文本的全部詞匯的數(shù)量，就是形符的全部數(shù)量。Word List程序?qū)Α栋谅c偏見》的形符進(jìn)行統(tǒng)計(jì)，結(jié)果是總形符數(shù)為 251，119個(gè)；BNC Baby總形符數(shù)是 1，032，369個(gè)，兩個(gè)語料庫的形符容量差極大。

類符（types）是指語料庫的文本中任一獨(dú)特的詞形（word form）。具體在詞頻統(tǒng)計(jì)中，相同形符通常被稱作類符，文本的類符數(shù)是指該文本各種詞形的數(shù)量。《傲慢與偏見》類符統(tǒng)計(jì)結(jié)果為6，303，BNC Baby的類符數(shù)為36，182。類符與形符的比值（TTR）是衡量文本中詞匯密度的常用方法。《傲慢與偏見》的類符／形符比為 2．51，BNC Baby的類符／形符比為3．51。鑒于兩語料庫相關(guān)容量的參差懸殊，而同時(shí)相關(guān)文本功能詞導(dǎo)致的詞匯密度分布也不合理，所以在計(jì)算詞匯密度的過程中，采用標(biāo)準(zhǔn)化類符／形符比。

標(biāo)準(zhǔn)化類符／形符比（STTR），是依據(jù)標(biāo)準(zhǔn)化類符、形符比基數(shù)來計(jì)算平均類符和形符之比率，體現(xiàn)了文本詞匯的多變性和多樣化。比較、參照語料庫的STTR值分別是：《傲慢與偏見》是28．05，BNC Baby是45．22。由此可以看出《傲慢與偏見》用詞狀況更簡練、通俗。這與簡·奧斯汀的創(chuàng)作背景有密切聯(lián)系，盡管《傲慢與偏見》的題材較為狹窄，故事情節(jié)和內(nèi)容比較平淡，但作家善于用簡單通俗的語言來塑造豐富的人物形象。無論是正面人物伊麗莎白、達(dá)西，還是貶低、挖苦的形象柯林斯，都以自然刻畫的真實(shí)呈現(xiàn)特征賦予人物形象極強(qiáng)的感染力，就其用詞技巧與創(chuàng)作手法而言，可謂踏雪無痕，入骨三分，體現(xiàn)了作者強(qiáng)大的語言功底與思想境界。

（三）詞類分析 詞類分析首先要了解詞性，即：衡量某一作品或者作家創(chuàng)作風(fēng)格標(biāo)尺的特殊的語法分析單位，然后采用Treetagger2對語料庫文本進(jìn)行區(qū)別性詞性賦碼，在賦碼分析完成之后運(yùn)用Antconc3．2．1 的相關(guān) Concordance 功能對語料庫所載詞類信息進(jìn)行檢索分析。

據(jù)檢索分析統(tǒng)計(jì)，《傲慢與偏見》與BNC Baby中各詞類所占比例分別如下：動詞占19．3%和13．68%；形容詞 6．84%和 6．69%；名詞占 20．27%和23．31%；感嘆詞占 0．25% 和 0．06%。以上結(jié)果顯示，《傲慢與偏見》動詞使用分布較多，由于副詞對動詞的修飾關(guān)系，隨之導(dǎo)致了副詞的使用也是偏多的，這源于作品對刻畫人物動作、形態(tài)的情節(jié)比較多。大量使用動詞，使場景描述更加形象生動；為了人物和場景的形象描繪更加富有感染力大量使用形容詞；相比較而言，名詞使用大體和參照語料庫持平。對比分析發(fā)現(xiàn)《傲慢與偏見》中感嘆詞的使用很多，在創(chuàng)建的文本中比例約為BNC Baby的4倍還多，這是由于作品中語言口語化的影響所致。表明作家善于使用風(fēng)趣幽默以及充滿個(gè)性特征的語言技巧來展現(xiàn)小說中人物的個(gè)性特征和情感。

（四）關(guān)鍵詞分析 關(guān)鍵詞是文獻(xiàn)學(xué)中指特定文本或文本集合中與其參照語料庫相比，高頻率出現(xiàn)的詞匯。以語料庫為工具的語言分析來看，關(guān)鍵詞分析是研究文本內(nèi)容以及文本語言特征相互間差異的重要手段。本文借助Wordsmith Tools軟件為工具，利用其Key Words的功能，在BNC Baby語料庫為參照進(jìn)行分析。

參照語料庫發(fā)現(xiàn)：小說《傲慢與偏見》文本中的主題詞依次為：HER，I，SHE，YOU，ELIZABETH，DARCY，MRS等，這些詞匯的高頻的使用，提供了研究作品的一些重要的信息。

作為主題詞“HER”的出現(xiàn)頻率位列第一，而“she”的使用頻率也是很高的，這是小說的女性視角和主體意識造成的。小說主要通過五個(gè)妙齡少女的婚姻和愛情故事，表達(dá)作品的女性主義特征比較顯著。作者對女性自省與自強(qiáng)的情感傾注，渴望女性話語權(quán)利伸張，表達(dá)其心聲；第二個(gè)頻率高的是“I”，映射出在男性話語霸權(quán)背景。另外，“I”的高頻出現(xiàn)，而“me”卻沒有大量出現(xiàn)，說明在這部小說中的人物對話是存在較多篇幅的。“her”、“she”和“I”的大量出現(xiàn)，表明這部小說的特色是一個(gè)女性話題為主的作品，而且其語言上肯定有許多口語化的色彩。兩個(gè)名字“ELIZABETH”和“DARCY”的大量出現(xiàn)，其詞頻之高，充分說明了故事情節(jié)的刻畫主要是圍繞這兩位男女主角展開的。主題詞“MRS”出現(xiàn)頻率也比較高，體現(xiàn)了小說《傲慢與偏見》主要是圍繞青年男女的婚姻和愛情問題敘述，刻意塑造女性人物。

三、結(jié)論

借用語料庫軟件對《傲慢與偏見》的進(jìn)行分析，結(jié)果顯示小說通篇用詞通俗、淺易，詞匯使用方面多具女性主義色彩。副詞、動詞、形容詞等多詞性的普遍出現(xiàn)，用意刻畫的生活場面、人物言行，顯得人物形象生動；另外這些詞類的應(yīng)用，對小說特定環(huán)境的營造是具有極大作用的。作品中嘆詞呈現(xiàn)高頻率，彰顯了小說的口語表達(dá)特征，通過口語化的描寫方式，生動刻畫了小說的社會環(huán)境和鮮活的人物形象。作家對人物生活化語言的描寫，其人物形象的創(chuàng)造顯現(xiàn)出個(gè)體鮮明的性格，高頻出現(xiàn)的女性主義立場詞匯，更加豐富了“女性主義”的思想。文中其將女主人公作為小說的主要刻畫對象，更站在女性的角度審視問題，小說的故事情節(jié)絕大多數(shù)也是圍繞女性話題進(jìn)行的，對主人公伊麗莎白的描繪尤甚，她機(jī)智敏捷，有膽有識，目光遠(yuǎn)大，自尊心很強(qiáng)，并且勤于思考問題。達(dá)西兩次向伊麗莎白求婚，然而獲得的態(tài)度卻根本不同，這樣的故事構(gòu)思和情節(jié)營造，其實(shí)是反映了女性對人格平等與獨(dú)立的追求、以及平等意識的覺醒，伊麗莎白的典型形象正基于此顯出重要的進(jìn)步意義，這也正是作品中女性主義的集中反映。

通過對《傲慢與偏見》的語料庫詞匯特征的統(tǒng)計(jì)、分析，為文學(xué)批評開創(chuàng)了新的領(lǐng)域和思路。雖然不能像從文學(xué)文本的直接賞析來獲得審美，但其為人們認(rèn)識作品提供了方法和工具。借助先進(jìn)的電子信息技術(shù)，可為認(rèn)識、研究文學(xué)作品提供新的途徑和視角，以可量化、圖表形式表達(dá)等為研究分析文學(xué)作品，提高科學(xué)、理性認(rèn)識文學(xué)作品的語言內(nèi)涵，更深更廣地推進(jìn)文學(xué)作品的研究具有重要的意義。

[1]周艷麗,張發(fā)祥.《德伯家的苔絲》的語料庫檢索分析[J].河南科技大學(xué)學(xué)報(bào)(社會科學(xué)版)，2008(04)：62－64．

[2]賀亞男.基于語料庫的文學(xué)語篇分析——以《外婆的日用家當(dāng)》為例[J].內(nèi)江師范學(xué)院學(xué)報(bào)，2009(05)：75－78．

[3]王 雁.《傲慢與偏見》的語料庫檢索分析[J].江蘇教育學(xué)院學(xué)報(bào)(社會科學(xué)版)，2007(02)：75－78．

[4]衛(wèi)乃興等編著.語料庫語言學(xué)導(dǎo)論[M].上海：上海外語教育出版社,2002．

[5]武月明.簡·奧斯汀新解——從最新版《傲慢與偏見》電影談起[J].外國文學(xué)動態(tài)，2009(06)：41－43．

[6](英)奧斯汀(J.Austen)著,劉麗譯.傲慢與偏見[M].北京：語文出版社,1998．

Corpus Building and Analysis Based on Lexical Characteristics of“Pride and Prejudice”

ZHAO Jing－bo
（School of Coal Engineering，Shanxi Datong University，Datong Shanxi，037003）

Corpus Linguistics is a research method emerged in the 1980s，which studies mainly through the retrieval，sampling，statistics and analysis．Its tools are mainly Concordance，Word Smith，BNC Baby and so on．Therefore in reference to BNC Baby（Literature）corpus，we build a “Pride and Prejudice”Corpus，explain aspects of lexical features to reveal its distinctive features feminism，and create a new research perspective for Literary criticism．

corpus；lexical features；lexical analysis Literary;criticism

H313．1

A

1674-0882(2015)05-0086-03

2015-06-25

趙京博（1981－）女，山西大同人，碩士，助教，研究方向：英語語言學(xué)及語篇研究。

〔責(zé)任編輯 馮喜梅〕