自媒體APP中醫(yī)藥多模態(tài)語料庫的構(gòu)建研究

王越，彭詠梅

（江西中醫(yī)藥大學(xué) 人文學(xué)院，江西 南昌 330004）

0 引 言

中醫(yī)藥是一個(gè)不可估量的寶藏，為人類的生命健康做出了不可估量的貢獻(xiàn)。近年來，中醫(yī)藥的發(fā)展越來越受重視，國(guó)家扶持中醫(yī)藥發(fā)展的力度持續(xù)加大。自“一帶一路”發(fā)展戰(zhàn)略提出以來，文化自信與文化走出去被提上議程，中醫(yī)藥文化作為我國(guó)五千年文明中一朵璀璨的奇葩，更是其中的杰出代表。中醫(yī)藥在過去幾千年的歷史長(zhǎng)河中救黎民百姓于水火，現(xiàn)如今，我們依舊從中醫(yī)藥典籍中受益無窮。2003年非典型肺炎以及2019年爆發(fā)的新冠疫情，中醫(yī)經(jīng)方的療效顯著。新冠疫情的抗擊實(shí)踐展示了中西醫(yī)結(jié)合療法的獨(dú)特優(yōu)勢(shì)，為世界所關(guān)注。

社會(huì)更迭時(shí)代進(jìn)步，守正創(chuàng)新才是中醫(yī)藥重?zé)ā扒啻骸钡年P(guān)鍵。為了在新時(shí)代謀求新發(fā)展、傳承精華，不斷探索中醫(yī)藥現(xiàn)代化道路，中醫(yī)藥必須適應(yīng)且依托不斷更新的信息技術(shù)，融合先進(jìn)科技和創(chuàng)新方法，走向國(guó)際舞臺(tái)。截至2020年3月，中國(guó)網(wǎng)絡(luò)新聞?dòng)脩粢?guī)模達(dá)7.31億，較2018年底增加5 598萬，占網(wǎng)民整體的80.9%。與此同時(shí)，自媒體隨著網(wǎng)絡(luò)媒體的迅猛發(fā)展，充分激發(fā)了內(nèi)容的產(chǎn)出，并為現(xiàn)代信息技術(shù)等各行業(yè)提供了新的發(fā)展機(jī)遇。本文以此為視域，建立中醫(yī)藥文化多模態(tài)語料庫，分析中醫(yī)藥文化傳播特征，以期在后續(xù)助力中醫(yī)藥文化傳播的工作中，提出更多切實(shí)可行的建議和策略設(shè)計(jì)藍(lán)圖。

中醫(yī)藥多模態(tài)語料庫是集合中醫(yī)學(xué)、語言學(xué)、統(tǒng)計(jì)學(xué)及計(jì)算機(jī)科學(xué)等多個(gè)學(xué)科知識(shí)的交叉融合產(chǎn)物。簡(jiǎn)而言之，中醫(yī)藥多模態(tài)語料庫是一個(gè)收集中醫(yī)藥語言材料的數(shù)據(jù)庫，也是關(guān)系型數(shù)據(jù)庫應(yīng)用的擴(kuò)展與延伸。該數(shù)據(jù)庫依托簡(jiǎn)明的數(shù)學(xué)理論基礎(chǔ)和描述性的操作語言提高了系統(tǒng)開發(fā)的生產(chǎn)率，優(yōu)化了事務(wù)查詢管理技術(shù)，同時(shí)也提升了研究效率。相對(duì)于當(dāng)前依然占據(jù)主體地位的文本語料庫，多模態(tài)語料庫在實(shí)時(shí)性、完整性和多樣性方面略勝一籌，更符合當(dāng)下的學(xué)習(xí)需求。在軟件技術(shù)的輔助下，成其為當(dāng)前單模態(tài)語料庫的補(bǔ)充方案。通過構(gòu)建中醫(yī)藥多模態(tài)語料庫，可使各界人士學(xué)習(xí)了解中醫(yī)藥，為中醫(yī)藥在國(guó)內(nèi)的傳承與創(chuàng)新發(fā)展的研究提供一定的參考依據(jù)。

1 相關(guān)研究

1.1 中醫(yī)藥語料庫研究綜述

在中國(guó)知網(wǎng)、萬方數(shù)據(jù)庫、維普數(shù)據(jù)庫等全國(guó)知名文獻(xiàn)檢索網(wǎng)站中，查詢2000年至今與中醫(yī)藥語料庫相關(guān)的文獻(xiàn)，高級(jí)檢索主題包括“中醫(yī)藥語料庫”或“中醫(yī)語料庫”，且文獻(xiàn)類型為全庫資源中的學(xué)術(shù)期刊以及學(xué)位論文等。最終所得的檢索式為：TI=中醫(yī)藥語料庫OR中醫(yī)語料庫。

自2000年以來，國(guó)內(nèi)學(xué)者開始對(duì)中醫(yī)藥語料庫方面的研究進(jìn)行探索。通過CNKI可視化分析可知，國(guó)內(nèi)中醫(yī)藥語料庫研究大致可以總結(jié)為初步探索期（2000～2011），逐步發(fā)展期（2012～2014），繁榮增長(zhǎng)期（2014～2017），并且在2017年發(fā)文量達(dá)到頂峰，到2018年進(jìn)入持續(xù)回落期（2018～2020），再到穩(wěn)步回升期（2020至今）五個(gè)階段。聞?dòng)酪憬淌冢?003）對(duì)中醫(yī)藥術(shù)語語料庫建設(shè)領(lǐng)域進(jìn)行研究；隨后，程玲（2005）探討了在中醫(yī)英語語料庫視角下的創(chuàng)建及教學(xué)意義等相關(guān)研究；另有學(xué)者對(duì)中醫(yī)藥語料庫的應(yīng)用進(jìn)行研究（杜雪琴，2018；王世杰，2019）；徐春捷等學(xué)者（2015）又基于中醫(yī)翻譯的框架，研究英漢翻譯平行語料庫的建立。當(dāng)前中醫(yī)藥語料庫相關(guān)研究已經(jīng)涉及多個(gè)學(xué)科和領(lǐng)域，但還未出現(xiàn)中醫(yī)藥相關(guān)多模態(tài)語料庫的研究，需要做進(jìn)一步的探討與補(bǔ)充。

1.2 ELAN工具介紹

Elan（EUDICO Linguistic Annotator）是由荷蘭馬普心理語言文字學(xué)科研所建設(shè)的一款語言標(biāo)注工具。對(duì)于語言學(xué)者而言，因其適用范圍廣而采用。Elan能夠?qū)τ耙暫驼Z音等多種文件同時(shí)執(zhí)行構(gòu)建、剪輯、可視化和查找的標(biāo)注任務(wù)，也可以提供聲音技術(shù)等多媒體后期制作功能，還能夠?qū)φZ句、手語、姿勢(shì)等語料進(jìn)行相應(yīng)的處理。研究決定以Elan軟件作為技術(shù)平臺(tái)，構(gòu)建中醫(yī)藥多模態(tài)語料庫。

2 中醫(yī)藥多模態(tài)語料庫的建設(shè)

2.1 采集內(nèi)容

本文中醫(yī)藥多模態(tài)語料庫采集內(nèi)容為微信、微博、抖音等自媒體APP中與中醫(yī)藥相關(guān)的視頻，包括中醫(yī)治病理念、中藥知識(shí)、養(yǎng)生小貼士，以及中醫(yī)藥典故等。

2.2 標(biāo)注方法

在本研究建立的中醫(yī)藥多模態(tài)語料庫中，標(biāo)注層共有11層。標(biāo)注信息如表1所示，包含中醫(yī)藥的表達(dá)方式、影像、圖像、音樂等類別。

表1 標(biāo)注信息

如表1所示，根據(jù)Thibault和Baldry的多模態(tài)廣告語篇轉(zhuǎn)錄框架，分為旁白、獨(dú)白、對(duì)話、人物、中藥、人物&中藥、文字、圖片、文字&圖片、主觀音樂、客觀音樂。將視頻文件的音頻生成，將視頻與音頻文件同時(shí)導(dǎo)入ELAN軟件，再進(jìn)行人工視頻標(biāo)注，如圖1所示為使用ELAN軟件進(jìn)行標(biāo)注的界面。

圖1 標(biāo)注界面

2.3 構(gòu)建流程

整個(gè)工作內(nèi)容分為以下四個(gè)方面：手視頻語料采集、語料的標(biāo)注、語料專家校驗(yàn)及語料庫的更新和存儲(chǔ)，中醫(yī)藥視頻語料庫的建立總體流程如圖2所示。具體內(nèi)容如下：

圖2 構(gòu)建流程圖

（1）確定采集內(nèi)容，對(duì)視頻進(jìn)行采集與切分。首先將MP4文件導(dǎo)入ELAN標(biāo)注軟件；其次按照時(shí)間段和鏡頭環(huán)境的切換對(duì)各個(gè)視頻進(jìn)行切分。

（2）建立轉(zhuǎn)寫標(biāo)注層。本研究在建立中醫(yī)藥多模態(tài)語料庫時(shí)，確定了11層的標(biāo)注層級(jí)，以此為參考進(jìn)行標(biāo)注。

（3）進(jìn)行校驗(yàn)。再次對(duì)采集內(nèi)容和標(biāo)注者信息等進(jìn)行確認(rèn)，并對(duì)標(biāo)注內(nèi)容進(jìn)行校驗(yàn)。校驗(yàn)的目的是為了提高語料庫的質(zhì)量，以保證語料庫的科學(xué)性。

（4）修正。最后再次核驗(yàn)語料庫存在的問題，檢查是否存在標(biāo)注時(shí)段有誤、標(biāo)注信息誤填等情況，并進(jìn)行修正，最終形成中醫(yī)藥多模態(tài)語料庫的雛形，將最終的MP4文件及標(biāo)注轉(zhuǎn)寫語料EAF文件進(jìn)行存儲(chǔ)，如圖3所示。

圖3 文件存儲(chǔ)

2.4 標(biāo)注具體操作步驟

Elan軟件簡(jiǎn)單易用易上手，整個(gè)標(biāo)注操作可分解為以下五個(gè)步驟，以供參考：

（1）啟動(dòng)ELAN6.3，點(diǎn)擊新建并導(dǎo)入視頻。

（2）點(diǎn)擊Tier并增加tier，輸入層名、參與人、標(biāo)注人、日期等信息；選擇default，更改層屬性，并輸入新的標(biāo)注信息。

（3）設(shè)置標(biāo)注段。左鍵點(diǎn)擊進(jìn)度條，拖動(dòng)鼠標(biāo)到目標(biāo)位置，再次點(diǎn)擊進(jìn)度條，形成一個(gè)標(biāo)注段，雙擊標(biāo)注段并進(jìn)行命名。

（4）回放視頻語料，進(jìn)行多次轉(zhuǎn)寫與標(biāo)注工序。

（5）點(diǎn)擊View，選擇Annotation Statistics，可查看并得到各層數(shù)據(jù)，點(diǎn)擊保存，如圖4所示。

圖4 數(shù)據(jù)輸出

3 結(jié) 論

本文從構(gòu)建背景、構(gòu)建意義、構(gòu)建方法、構(gòu)建步驟等四個(gè)方面對(duì)自媒體APP中醫(yī)藥多模態(tài)語料庫的構(gòu)建進(jìn)行了分析探討。在當(dāng)前自媒體蓬勃發(fā)展的背景下，利用Elan軟件對(duì)中醫(yī)藥相關(guān)視頻、音頻等語料進(jìn)行切分、轉(zhuǎn)寫以及多層級(jí)標(biāo)注，最終得以構(gòu)建中醫(yī)藥多模態(tài)語料庫。基于本語料庫的構(gòu)建，期望未來可延伸至其他研究領(lǐng)域，輔助中醫(yī)藥相關(guān)交叉學(xué)科研究成果的拓展及應(yīng)用，并對(duì)未來的中醫(yī)藥交叉學(xué)科研究給以啟發(fā)。

中醫(yī)藥多模態(tài)語料庫的構(gòu)建可輔助國(guó)內(nèi)中醫(yī)藥文化傳播實(shí)證研究。通過構(gòu)建自媒體APP中醫(yī)藥多模態(tài)語料庫，得出的分析結(jié)論能夠更加全面地從語言學(xué)角度呈現(xiàn)國(guó)內(nèi)媒體關(guān)于中醫(yī)藥的立場(chǎng)，加強(qiáng)對(duì)中醫(yī)藥傳播效果的調(diào)查，探索有利于中醫(yī)藥傳播的途徑和手段，從而為中醫(yī)藥的傳播研究提供助力，并在一定程度上為中醫(yī)藥文化傳播政策的制定提供證據(jù)支持和參考思路。

綜上所述，基于中醫(yī)藥多模態(tài)語料庫的模態(tài)多樣性與語境再現(xiàn)等特性，在未來可為中醫(yī)藥國(guó)內(nèi)的傳承與發(fā)展提供一定的創(chuàng)新嘗試，并提出相應(yīng)的措施及建議，致力于提高大眾對(duì)中醫(yī)藥的關(guān)注度，提升中醫(yī)藥文化在國(guó)內(nèi)的影響力，從實(shí)證的角度促進(jìn)中醫(yī)藥文化在國(guó)內(nèi)的傳播與發(fā)展，為講好“中醫(yī)”故事貢獻(xiàn)力量。