如何認(rèn)識和理解語言大數(shù)據(jù)及其應(yīng)用

張滋暄

摘 要：在信息飛速發(fā)展的今天，我們引入了大數(shù)據(jù)這個廣義的概念，那么對于我的專業(yè)，語言大數(shù)據(jù)，可謂更是全新的一個名詞。在大數(shù)據(jù)的影響下，語言這門學(xué)問的學(xué)習(xí)和傳播方式已經(jīng)在潛移默化的發(fā)生改變。語言學(xué)習(xí)者對于語言的認(rèn)知會影響學(xué)習(xí)者的學(xué)習(xí)的效果，大數(shù)據(jù)的飛速發(fā)展給語言學(xué)習(xí)者提供了更加快捷與系統(tǒng)的方式，豐富了語言信息獲得的方式，提高了語言學(xué)習(xí)者的學(xué)習(xí)效率和自我學(xué)習(xí)能力。

關(guān)鍵詞：語言大數(shù)據(jù);發(fā)展;應(yīng)用

中圖分類號：H08 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2019）20-0194-02

0 引言

本文試圖通過論述回答兩個問題：一是何為語言大數(shù)據(jù)，即語言大數(shù)據(jù)應(yīng)該如何理解;二是如何運(yùn)用語言大數(shù)據(jù)，即對語言大數(shù)據(jù)的研究和發(fā)展有何重要意義。這兩個問題同時是本專業(yè)未來發(fā)展中進(jìn)一步探索的兩個關(guān)鍵問題。在此，我通過兩年學(xué)習(xí)中得到的一些見解分享，還望予以雅正。

大數(shù)據(jù)正在以前所未有的廣度和深度影響著這個時代，諸多大數(shù)據(jù)分析的系統(tǒng)使我們的生活變得更加便利。語言是人類最為重要的交流思想、傳遞信息的工具，是人類生活中不可缺少的重要組成部分。大數(shù)據(jù)思維和實(shí)踐在語言研究及學(xué)習(xí)領(lǐng)域的應(yīng)用，有利于人類更進(jìn)一步地打開語言寶庫，從而幫助人類更好地生活。

1 語言大數(shù)據(jù)概念的理解

本部分闡述何為語言大數(shù)據(jù)，如何理解這個概念。后文中通過麻省理工學(xué)院的一項研究的研究方式引入本文對于語言大數(shù)據(jù)的前身的理解，隨后說明語言學(xué)在大數(shù)據(jù)時代之下的新型的觀念，進(jìn)一步闡釋語言大數(shù)據(jù)的定義。

自工業(yè)革命以來，人類逐漸由傳統(tǒng)的工業(yè)時代朝著信息化時代轉(zhuǎn)變。信息變得越來越廣泛，幾乎所有的事情都涉及各方面的信息，這使得人們迫切的需要利用工具來減輕負(fù)擔(dān)。而計算機(jī)的出現(xiàn)和使用大大的減輕了人們的負(fù)擔(dān)，其可以幫助人類處理一些基本信息，例如翻譯、數(shù)據(jù)統(tǒng)計、抽取信息等，使得人們可以集中注意力來做一件事情，在此背景下自然語言和計算語言學(xué)應(yīng)運(yùn)而生，并發(fā)展的十分迅速。2016年初，麻省理工學(xué)院（MIT）的大腦與認(rèn)知科學(xué)系在國際頂尖期刊《美國科學(xué)院院報》上的一項語言學(xué)交叉研究利用已經(jīng)公開發(fā)表的依存樹庫，對37種語言進(jìn)行了統(tǒng)計分析指出人類語言存在依存距離最小化這一傾向。此研究雖然存在一定缺陷，但卻依舊受到媒體的廣泛關(guān)注，而這一研究也充分體現(xiàn)了大數(shù)據(jù)研究方法在語言認(rèn)知研究中的重要作用。即在語言系統(tǒng)的運(yùn)作規(guī)律的過程中，運(yùn)用大量的數(shù)據(jù)來挖掘多種語言中存在的規(guī)律。

2 探究語言學(xué)研究與大數(shù)據(jù)思維的關(guān)系

本部分通過闡述大數(shù)據(jù)對語言學(xué)研究產(chǎn)生的重要影響，來進(jìn)一步分析語言大數(shù)據(jù)這一新興學(xué)科存在和發(fā)展的必要意義。信息時代在給當(dāng)今的語言研究帶來挑戰(zhàn)的同時，也為實(shí)現(xiàn)新的語言研究轉(zhuǎn)變提供了新的契機(jī)。首先我們通過一組大數(shù)據(jù)與語言學(xué)相結(jié)合的實(shí)例說起。

美國Mark Davies教授2013年建立的GloWbE語料庫規(guī)模19億詞，“Google Books：British English”語言數(shù)據(jù)高達(dá)340億詞，“Google Books：American English”語言數(shù)據(jù)高達(dá)1500億詞。

大數(shù)據(jù)思維方式與眾不同之處在于，其要求探索所得出的是“是什么”，從而能夠更好的幫助人們?nèi)ダ斫狻Ｔ谛畔⑴畈l(fā)展的時代，語言研究同樣需要轉(zhuǎn)變，轉(zhuǎn)變到尋找語言事實(shí)的“是什么”而不是“為什么”，通過了解語言之間的相互關(guān)系，能夠更好的理解和認(rèn)知語言研究，不斷的開闊我們的眼界，為我們帶來新的思路，從而對語言學(xué)習(xí)產(chǎn)生積極影響。通過數(shù)據(jù)方法的運(yùn)用，促使我們產(chǎn)生了一種感知維度，為我們提供了更加清晰、具體的研究方向，從而能夠更好的理解和認(rèn)識。根據(jù)所得的各種語言材料，能夠使我們展開更加深入的研究，探討語言的本質(zhì)特征，數(shù)據(jù)手段有助于更好地反映語言的真實(shí)狀態(tài)和本質(zhì)特點(diǎn)。

3 分析語言大數(shù)據(jù)在語言學(xué)以及日常生活中的應(yīng)用

本部分分為三個層次，通過理論與實(shí)例相結(jié)合來語言大數(shù)據(jù)在語言教學(xué)中非常廣泛的應(yīng)用，甚至推廣到日常的生活中，我們可以發(fā)現(xiàn)語言大數(shù)據(jù)已經(jīng)進(jìn)深入到我們的生活為我們提供了很多便利和新的思維生活方式，打破了傳統(tǒng)的局限性，獲得了更廣闊的視野，從而進(jìn)一步促進(jìn)語言大數(shù)據(jù)這一新興學(xué)科的發(fā)展[1]-[2]。

3.1 語言大數(shù)據(jù)在語言學(xué)研究中的應(yīng)用

語言學(xué)習(xí)者的認(rèn)知策略會影響學(xué)習(xí)者的學(xué)習(xí)效果，大數(shù)據(jù)技術(shù)的發(fā)展給英語學(xué)習(xí)者提供了更加快捷便利準(zhǔn)確的方式，豐富了知識的獲得方式，提高了語言學(xué)習(xí)的個性化和自主性。傳統(tǒng)的學(xué)習(xí)語言的過程是學(xué)習(xí)者坐在教室里通過教師的板書講課來實(shí)現(xiàn)的，這種教學(xué)方式下的學(xué)習(xí)者是被動的。但隨著大數(shù)據(jù)時代的到來和當(dāng)代教學(xué)理念的優(yōu)化進(jìn)步，學(xué)習(xí)者應(yīng)該主動的接受語言知識，互聯(lián)網(wǎng)環(huán)境下，學(xué)習(xí)者有相對的自主權(quán)，通過大數(shù)據(jù)提供的海量語言學(xué)文庫，可以主動的按照各自喜好或者是各自的長處短處進(jìn)行有針對性的語言學(xué)習(xí)，這能提高語言學(xué)習(xí)者的自主學(xué)習(xí)的能力，并能更好地適應(yīng)飛速發(fā)展的社會。

在語言大數(shù)據(jù)出現(xiàn)以前，語言學(xué)研究存在一個難以解決的困境。大量學(xué)者將研究目的定位探尋一定范圍內(nèi)語言事實(shí)的原因，但這種研究只能在一定范圍內(nèi)、一定是其解釋和說明小部分語言事實(shí)，以至于學(xué)者們陷入了建立成千上百種語言學(xué)理論和模型，也無法綜合全部語言建立一套完整的語言學(xué)研究體系，甚至無法將所有語言事實(shí)解釋清楚的困境。這種困境在語言大數(shù)據(jù)產(chǎn)生后得到了一定的解決。語言大數(shù)據(jù)深化了語言的研究，加強(qiáng)了對語言的客觀化、精細(xì)化的描述，使語言研究由隨機(jī)取樣或例子列舉轉(zhuǎn)變到盡量分析更多的語言數(shù)據(jù)。因此，語言大數(shù)據(jù)背景下的語言學(xué)研究能夠大范圍觀察語言事實(shí)的相關(guān)程度和演化過程，擴(kuò)展了研究的事業(yè)和應(yīng)用服務(wù)范圍，避免研究者的認(rèn)知偏見和語言感知誤差，甚至能夠預(yù)測語言現(xiàn)象或事實(shí)發(fā)展的趨勢，這是傳統(tǒng)語言學(xué)做不到的。

3.2 語言大數(shù)據(jù)在語言教學(xué)上的應(yīng)用

在語言教學(xué)中，語言大數(shù)據(jù)從宏觀和微觀兩方面都發(fā)揮著重要作用。宏觀上，語言大數(shù)據(jù)能夠更好的利用語言，特別是在英語寫作的過程中，一般的研究只能夠從理論和技術(shù)層面出發(fā)，而數(shù)據(jù)的利用則是從更深層次的角度出發(fā)，探討語言數(shù)據(jù)的背后價值，不斷的發(fā)展和突破，推動中華文化宣傳和發(fā)展，促使中華文化在世界范圍內(nèi)廣泛流傳。在微觀上，語言大數(shù)據(jù)有利于增強(qiáng)教師和學(xué)生的信息化融洽意識，更好地促進(jìn)英語核心素養(yǎng)的提升，使英語學(xué)科朝著更加科學(xué)化、現(xiàn)代化的方向邁進(jìn)。在實(shí)際應(yīng)用中，語言大數(shù)據(jù)背景下的語言教學(xué)，可以迅速及時地批改學(xué)生的作文，并對學(xué)生的英語綜合能力進(jìn)行跟蹤指導(dǎo)和改進(jìn)，有利于學(xué)生的自主學(xué)習(xí)，更能使師生交流更加順暢。與此同時，大數(shù)據(jù)分析下的語言教學(xué)對尖子生和英語“學(xué)困生”這兩個群體的特殊學(xué)生提供了現(xiàn)實(shí)可操作性，使得分類培養(yǎng)和關(guān)注會更加方便。

在當(dāng)今計算機(jī)技術(shù)高速發(fā)展下，大數(shù)據(jù)預(yù)測的準(zhǔn)確性越來越高，教師對學(xué)生的評價也變得越來越具體，不在局限于主觀客，而是從大數(shù)據(jù)預(yù)算的角度出發(fā)。例如，在以往的計算中，由于數(shù)據(jù)量不夠具體，同時時間較短、所涉及的范圍也比較小，導(dǎo)致所得結(jié)論的準(zhǔn)確性不高。這使得教師難以作出精準(zhǔn)的評價，因而他們只會客觀的參考結(jié)論，而不能將其作為最后的評價。

3.3 語言大數(shù)據(jù)在日常生活中的應(yīng)用

大數(shù)據(jù)化實(shí)際上是一種機(jī)器化，因為大數(shù)據(jù)的力量必須借助于機(jī)器才能發(fā)揮實(shí)現(xiàn)，而日常生活中最接近機(jī)器的語言研究，就是機(jī)器翻譯系統(tǒng)的開發(fā)和應(yīng)用相信大家都用過百度或者有道翻譯，也相信會有大部分人對這些翻譯機(jī)器的翻譯能力并不是十分滿意。不過，伴隨著大數(shù)據(jù)時代的來臨，語言大數(shù)據(jù)在促進(jìn)語言發(fā)展的同時，也能更好地幫助機(jī)器翻譯系統(tǒng)產(chǎn)生更大的進(jìn)步。而拋開機(jī)器這一載體的支持，單純看語言大數(shù)據(jù)這一基于數(shù)據(jù)的語言分析對日常生活的影響的話，最為顯著的便是語言大數(shù)據(jù)對出版行業(yè)發(fā)展的影響。在數(shù)字出版的時代，利用大數(shù)據(jù)技術(shù)，借助于多語種情感分析、知識圖譜等先進(jìn)技術(shù)捕捉全球熱點(diǎn)話題，分析全球出版業(yè)IP動態(tài)，檢測全球圖書、作者、出版社的信息，并能預(yù)測銷售趨勢，對于出版行業(yè)的選題策劃以及營銷評價分析等有著重要作用。此外大數(shù)據(jù)技術(shù)的應(yīng)用，將成為出版業(yè)轉(zhuǎn)型升級的重要工具，對出版管理、編務(wù)和營銷產(chǎn)生深遠(yuǎn)影響。

4 有關(guān)語言大數(shù)據(jù)的余論

本部分包括有關(guān)語言大數(shù)據(jù)在當(dāng)今社會所產(chǎn)生的效應(yīng)和一些相關(guān)的余論，它所具備的一些特點(diǎn)和帶來的語言研究新觀。語言學(xué)是一門學(xué)科，但是同時也是一門科學(xué)。大數(shù)據(jù)的出現(xiàn)和廣泛應(yīng)用使我們體會到：語言學(xué)研究可以實(shí)現(xiàn)科學(xué)化數(shù)據(jù)化海量精準(zhǔn)化，但前提是采用科學(xué)的方法。顯然，科學(xué)的方法，需要我們付出更多的努力去學(xué)習(xí)與掌握。從長遠(yuǎn)來看，對于語言的學(xué)科我們所要掌握了解的還有很多，那么僅憑我們的人腦和書本知識是完全不夠的，海量的信息需要我們?nèi)ジ爬偨Y(jié)，最全面系統(tǒng)的方式就是借助大數(shù)據(jù)的平臺。當(dāng)然，離著我們預(yù)期的所能達(dá)到的“語言大數(shù)據(jù)高度成熟化”還有著很大的一段距離，這需要我們新時代每一個人的努力，共同用大數(shù)據(jù)與語言學(xué)相結(jié)合的思維去探索提升。語言的歷時研究對探究語言及其結(jié)構(gòu)的演變趨勢和機(jī)制有著重要的價值;語言的歷時研究對各個階段語料的分布、數(shù)量及其分析處理手段有著特定的要求。在計算機(jī)技術(shù)高速發(fā)展下，促使大數(shù)據(jù)蓬勃發(fā)展。語言數(shù)據(jù)的搜索、獲得、儲存變得越來越簡單、方便。基于大數(shù)據(jù)基礎(chǔ)，促使語言研究探索更加清晰、具體，朝著語言的結(jié)構(gòu)、形態(tài)、語音乃至文化等方面發(fā)展，為語言研究打下來堅持的基礎(chǔ)，從而能夠朝著更層次的方向發(fā)展[3]。

5 結(jié)語

通過本文之前的分析，對于如何認(rèn)識和理解語言大數(shù)據(jù)、如何運(yùn)用語言大數(shù)據(jù)以及語言大數(shù)據(jù)所帶來的影響，想必我們對這一個新型概念已經(jīng)有了大致的理解。

綜上所述，大數(shù)據(jù)時代是一個需要每一個語言教育者和學(xué)習(xí)者不斷學(xué)習(xí)不斷完善對世界認(rèn)知的時代。語言大數(shù)據(jù)不僅僅是一個簡單的將互聯(lián)網(wǎng)和語言學(xué)做加法的概念，而是一個大數(shù)據(jù)滲入語言學(xué)習(xí)研究，語言的進(jìn)步同時可以為大數(shù)據(jù)注入新的活力的復(fù)雜而有發(fā)展意義的概念。在大數(shù)據(jù)視野下，語言學(xué)研究將在更大范圍和規(guī)模上使用語言大數(shù)據(jù)進(jìn)行實(shí)證研究，由過去尋找語言事實(shí)背后的因果關(guān)系轉(zhuǎn)向追尋語言事實(shí)之間的相關(guān)關(guān)系。大數(shù)據(jù)對語言研究具有獨(dú)特的價值。我堅信，隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，我們語言大數(shù)據(jù)這一學(xué)科將會不斷地查漏補(bǔ)缺，為時代注入新的生機(jī)與活力。

參考文獻(xiàn)

[1] 張平，彭海燕.大數(shù)據(jù)時代的漢語研究應(yīng)對[J].求索，2015（3）：139-142.

[2] 李華勇.大數(shù)據(jù)視野下的語言研究新觀[J].重慶交通大學(xué)學(xué)報（社會科學(xué)版），2015（4）：134-137.

[3] 李華勇.論語料庫語言學(xué)的學(xué)科地位[J].重慶理工大學(xué)學(xué)報（社會科學(xué)），2014（7）：119-124.