淺析贛南地區客家方言語音語料庫及檢索平臺的構建*

蘆　丹　鄧海龍

贛南師范大學外國語學院，江西　贛州　341000

?

淺析贛南地區客家方言語音語料庫及檢索平臺的構建*

蘆丹鄧海龍

贛南師范大學外國語學院，江西贛州341000

語料庫在本質上是一種數據庫，其存在的目的就是對語言材料進行有效的存放。伴隨著計算機網絡技術的不斷發展，贛南地區的客家方言語音語料庫以及檢索平臺也在不斷的構建當中。但是數據庫與語料庫并不是完全的等同，兩者之間既有交叉部分同時也存在各自的不同點。本文對方言數據庫概述進行分析，較為詳細地闡述了方言數據庫研制的系統工程，并提出建設策略。

贛南客家方言；語音語料庫；檢索平臺；構建

語料庫與數據庫是從不同層面來進行闡述的。方言庫又不同于一般的數據庫，方言庫有其自身的特殊性，主要表現在以下幾個方面：首先，方言具有自己完整的語音、詞匯以及語法系統，想要更好地彰顯方言的特色，數據庫中的存儲方言的語料應該要盡量豐富。但是，需要我們注意的是不管數據庫有多大，但是在某種語言的整體性上其數量是有限的。這也就說明，對方言數據庫進行收集與建立時要盡可能多的體現地方特色，另外，與一般的普通話不同，方言語料追求的是自己的個性化。因而要對采集的語料信息進行各方面的分析，比如元數據以及語音信息甚至是音標等方面的分析。也就是說，將采集的語料輸入數據庫之前要對其進行有效分析與整理。進而方便用戶更好的對其進行研究與使用。也就是說，方言數據庫既有數據庫的共性，但同時又具有方言語料為主的特性。本文主要闡述方言數據庫的的建設，主要從方言語料的采集、標注以及數據庫的應用構想等幾個方面對方言數據進行全面透徹的探究。

一、方言數據庫概述

相關的資料顯示，我國在方言的研究方面早有建樹。方言研究的歷史比較悠久，最早可以追溯到兩千多年以前。但是在五四運動之后，我國學術界對方言的研究開始進入全新的時期。因為第一個方言機讀語料庫的出現，我國對方言學的研究不管是從深度還是從廣度方面考慮都進入到一個前所未有的發展階段。近些年來，我國在方言數據庫的研制以及理論方面都取得了一定的成效，集中體現在方言語音、語法、詞匯以及俗語等方面。下面主要從這些方面進行闡述：

(一)建立在方言語音基礎之上的數據庫的研究

方言數據庫主要是對方言的語音進行有效的收集，方言數據庫對于收集的方言語音并不是方方面面都進行研究，有些數據庫只是研究某一部分的內容。有的方言語音庫只是對方言的語音與語境進行一定程度上的研究，甚至有些方言語音庫在對方言進行研究時還給出了方言語境總量的計算方法。

(二)建立在方言詞匯基礎之上的方言數據庫的研究

詞匯數據庫其實就是詞庫，詞匯數據庫有單語詞匯與多語詞匯之分。就目前我國方言詞匯庫的研究現狀而言，主要還是集中在對單語詞庫的研究上。這些數據庫有的是以廣泛收集方言詞匯語料為主；有的以詞匯的不同音節建庫，詞匯數據庫建立與完善可以方便用戶在使用方言時對其進行查詢，另外，也在某種程度上為更好地了解方言詞匯提供了必要的分析手段。

(三)建立在方言語法以及俗語基礎之上的數據庫的研究

目前對于方言語法以及俗語的研究并不多，但是伴隨著方言數據庫技術的不斷提升，建立在方言語法以及俗語基礎之上的數據庫將會逐漸的出現。

二、方言數據庫的研制分析

眾所周知，我國是個多民族國家，各地的方言都存在一定的個性特征，對于方言數據庫的研究必定會是一個相對復雜、系統的工程。方言數據庫的系統工程建設涉及到兩個層面：首先就是建設數據庫本身，針對這一層面，主要有數據庫的設計以及對方言語料的采集等；另一方面就是開發數據庫的應用平臺，這一層面主要是對數據庫中的方言進行加工管理以及對檢索系統的設計。關于數據庫的加工管理集中體現在對方言語料的標注。下面從方言數據庫的建設相關經驗方面，對贛南地區客家方言數據庫系統工程的五個研制階段進行詳細的闡述，這五個階段分別是數據庫的規劃階段；數據庫的設計階段；方言語料采集以及數據庫的實現階段；數據庫的標注階段；數據庫的使用以及維護階段。

(一)方言數據庫的規劃階段分析

在對數據庫進行建設之前，相關的工作人員要做好規劃工作。科學合理的規劃對于整個數據庫的系統質量有著決定性的影響。建庫者在對數據庫進行規劃時，要堅持真實性與平衡性的原則。“真實性”是數據庫內容的最根本的額特點，建庫者在進行建庫的時候首先就要保證方言語料的真實可靠性。其中“真實性”涉及兩個方面的內容，一是收集的語料是在實際應用中的，并非是建庫者自己編造出來的。二是，收集的語料要符合數據庫的要求。在對數據庫進行規劃時還要注意另外一個問題就是，盡量做到不同語料的均衡分布。比如要對口語以及書面語的分布比例進行嚴格的控制。除此之外，相關的工作人員在對數據庫進行建立時要考慮其建設的目的性以及建設的規模大小。除此之外，對方言的開發成本以及開發的進度等因素都要進行科學合理的規劃。盡量避免在規劃的過程中出現盲目、無序的現象。以贛南地區客家方言數據庫為例，選取的方言采集點就具有典型的代表性，采集人員在采集的過程中也很注意，其采集的方言基本上是代表地方特色的，是一種能夠在很大程度上反映地方方言的特色語料。

(二)方言數據庫的設計階段分析

針對方言數據庫的設計階段而言，主要有三個層面，即方言數據庫的平衡性原則、采樣原則以及建庫的邏輯思維等。

1、方言數據庫的平衡性原則主要是指科學合理的控制方言數據庫中的各種語料的構成比例以及數據庫的分類標準。關于方言數據庫的分類問題，向來都是建庫者比教關注的問題。不同的建庫者其建庫的思想是不同的。有的建庫者認為方言數據庫的體裁比較重要，有的則認為主題更重要，但是現今已經建成的數據庫并不是按照某一種特性進行分類，數據庫的建設更加趨向于多特征性。

2、方言數據庫的語料收集原則主要包括對語料采集方法的設計以及語料的比例設計等。

3、數據庫的結構包含邏輯結構以及物理結構兩種。在對數據庫的邏輯機構進行設計時，要明白數據庫的組成以及對元數據項進行定義。對于元數據的定義，因為數據庫的用途不同，彼此之間也存在一定的差異。

(三)語料采集以及數據庫的實現階段分析

一個方言數據庫不可能沒有語料，語料是數據庫的靈魂。語料的質量對數據庫的使用價值有著最為直接的影響，建設方言數據庫的根本目的就是通過先進的網絡技術對方言語料進行還原性的保存，主要是為后人更好的研究與學習創造一定的條件。所以，在采集方言語料時要遵循真實性以及客觀性的原則。

數據庫的實現階段涉及的內容比較多，主要有數據庫存儲結構的設計、方言語料的錄入、數據庫信息門戶的建設等。只有將數據庫存儲結構的設計、方言語料的錄入、數據庫信息門戶的建設這三個方面進行科學的設計以及合理的建設，才能更好的方便用戶對方言數據庫的應用與檢索。

(四)方言數據庫的標注階段分析

在數據庫的建設過程中，對語料進行標注意義重大。語料標注的質量直接影響信息的豐富性以及準確性。贛南地區客家方言數據庫的標注主要是對文本語料的選擇與編著，對聲學參數的提取以及對口語資源的切音等。

(五)方言數據庫的使用以及維護階段分析

一旦語料被錄入數據庫并且對其進行標注之后，用戶就可以通過各種方式對方言語料進行有效的檢索與利用。另外，建庫工作人員要及時的對信息進行接受，并且實時的對方言語料進行收集更新。進而使數據庫更加科學以及具備時效性。數據庫的使用以及維護階段主要包括對數據庫檢索系統進行設計，對數據庫的相關維護等。數據庫具有豐富的語料，各種用戶都可以使用，為了給使用對象提供更多的方便，建庫者需要對數據庫的檢索系統進行便捷的設計。檢索系統的使用率直接關系著數據庫的使用價值。便捷的數據庫檢索系統可以為使用者提供海量的方言語料。方言數據庫一旦建成之后，就應該在實踐中進行有效的應用。另外，建庫的相關人員要對數據庫的信息進行及時的更新與維護，其主要目的是保證方言語料的真實性以及新鮮性。

三、結語

方言數據庫的建設是個復雜以及系統的過程，在建庫的過程中涉及的內容也比較多，涉及到人力資源以及技術方面、語言學等多個領域。近些年，通過研建庫者的不懈努力，贛南地區客家方言的數據庫建設取得了一定的成就，但是在建庫的過程中還有很多需要改進的地方，還有很大的發展空間擺在建庫者的面前，是需要建庫者進行不懈的努力的。本文主要從方言數據庫的概述著手，對方言數據庫的研制系統工程進行了科學的分析。

[1]王紅梅.漢語方言單純動詞重疊式比較研究[J].北方論叢，2014(02).

[2]黃文杰.試析粵東北傳統客家山歌的語言特征[J].重慶科技學院學報(社會科學版)，2014(08).

[3]張炫.客贛方言語體標記比較研究[J].大舞臺，2015(08).

H08；H174

A

1006-0049-(2016)19-0028-02

*本文是課題《贛南地區客家方言語音語料庫及檢索平臺建設》(項目編號：YY1413)研究成果。