自建小型語料庫石油鉆井詞匯特征分析

王喜艷

摘?要：本文在遵循語料庫建庫的權(quán)威性、真實(shí)性、隨機(jī)性、代表性的原則上，用Teleport?ultra從美國專利商標(biāo)局聚類抽樣了156篇與之相關(guān)的文本，建成了一個(gè)小型石油鉆井英語語料庫，然后以COCA語料庫為參照，借助Wordsmith分析了石油鉆井英語的詞匯密度、詞長、詞頻，用直觀的數(shù)據(jù)探討了石油鉆井英語的高頻詞、用詞傾向等方面的特點(diǎn)，這對石油鉆井英語詞匯特點(diǎn)的認(rèn)知具有重要的指導(dǎo)意義。

關(guān)鍵詞：石油鉆井英語；自建石油鉆井英語語料庫；Teleportultra；COCA語料庫；Wordsmith

中圖分類號：F74?????文獻(xiàn)標(biāo)識碼：A??????doi：10.19311/j.cnki.16723198.2023.05.021

0?引言

對石油鉆井英語詞匯特征的把握有助于準(zhǔn)確地進(jìn)行翻譯，從而為專業(yè)技術(shù)人員提供更加先進(jìn)的鉆井技術(shù)以及設(shè)備和管理經(jīng)驗(yàn)等。本文由四章組成。第一章介紹了理論背景。第二章介紹了自建石油鉆井英語語料庫的具體操作。第三章對石油鉆井英語的詞匯特征分析和總結(jié)。第四章介紹了本研究的成果和意義。

1?理論背景

1.1?語料庫

語料庫源于拉丁詞“corpus”，在1828年拜占庭帝國所編纂的民法法典Body?of?Civil?Law中提到了“corpus”這個(gè)詞，指的是關(guān)于法律法規(guī)的集合，到現(xiàn)在為止，語料庫也一直沿用的這個(gè)集合的概念，語料庫概念的源流大概分為四個(gè)階段，第一階段是表示文本的匯集。第二階段表示作為研究材料的文本匯集。第三階段表示作為語言學(xué)研究資料的文本匯集。20世紀(jì)四五十年代在美國結(jié)構(gòu)主義語言學(xué)文獻(xiàn)中，開始出現(xiàn)“corpus”單獨(dú)使用表示語言研究素材庫的含義。第四階段表示作為語言學(xué)研究資料的電子文本匯集。20世紀(jì)60年代后，以布朗語料庫為代表，逐漸確立了按一定取樣方案采集、服務(wù)于語言研究目的的電子文本文庫這一概念。現(xiàn)在對語料庫的具有代表性的定義是，“語料庫是指在隨機(jī)采樣的基礎(chǔ)上收集的有代表性的真實(shí)語言材料的集合，是語言運(yùn)用的樣本（楊惠中，2002）。”

1.2?語料庫語言學(xué)

語料庫語言學(xué)最早源自20世紀(jì)初至五六十年代的美國結(jié)構(gòu)主義，它的代表人物有Boas，?Sapir和Bloomfileld，它的核心任務(wù)是基于真實(shí)語料的語言描寫。語料庫語言學(xué)也非常注重語境，最早以Firth為代表的倫敦學(xué)派提出了對語境考察的概念。之后在Malinowski和Firth的“語境語義觀”的指導(dǎo)下，語料庫語言學(xué)主張基于語料庫，通過詞語搭配、詞類聯(lián)接、語義傾向和評價(jià)特征，尋求對語義生成機(jī)制的解釋。

1.3?基于語料庫的詞匯研究

基于語料庫的詞匯研究既深化了以往的研究，又拓寬了詞匯研究的領(lǐng)域。本部分詳述了基于語料庫的詞匯研究的各個(gè)方面，并根據(jù)研究內(nèi)容將其分為三大類：詞典編纂、關(guān)鍵詞研究與形態(tài)學(xué)和構(gòu)詞法。

（1）詞典編纂。正如Kennedy（1998）所說：“語料庫在詞匯描寫方面最明顯的作用是在詞典編纂方面。”計(jì)算機(jī)技術(shù)的進(jìn)步使基于語料庫的詞典學(xué)研究更進(jìn)一步。詞典編纂者可以利用計(jì)算機(jī)從現(xiàn)有的或自建的語料庫中快速、詳盡地獲取某個(gè)詞或短語在上下文中的用法和說明。

（2）關(guān)鍵詞研究。通過語料庫研究關(guān)鍵詞可以用來分析詞匯與文本主題之間的關(guān)系，也可以用來分析詞與詞之間的搭配。關(guān)鍵詞一般指的是相較于參照語料庫，某一特定文本語料庫出現(xiàn)的高頻詞，其與文本的主題聯(lián)系非常緊密。

（3）形態(tài)學(xué)和構(gòu)詞法。基于語料庫的詞匯研究也有助于研究詞匯的形態(tài)學(xué)和構(gòu)詞法。有些詞典可以為研究詞匯形態(tài)或構(gòu)詞法提供一些信息，通過語料庫來研究不同形態(tài)詞匯的頻率也很重要。

2?自建小型石油鉆井英語語料庫

2.1?語料庫設(shè)計(jì)

（1）參照語料庫。本文將美國當(dāng)代英語語料庫（COCA）作為參照語料庫。從COCA官網(wǎng)對每種類型的語料隨機(jī)抽樣，共抽取16萬字的語料作為參照語料，并進(jìn)行了清洗和分詞處理。

（2）自建語料庫設(shè)計(jì)。設(shè)計(jì)語料庫要考慮是否具有代表性、權(quán)威性、可及性等。本研究用Teleport?ultra從美國專利商標(biāo)局抽樣156篇與石油鉆井英語相關(guān)的專利文本，并對這些語料進(jìn)行加工處理，自建語料庫的規(guī)模定在了15萬字左右。

2.2?語料收集

在USPTO輸入oil?drilling，完成檢索后用Teleport?Ultra抓取語料，抓取設(shè)置為僅抓取文本，原始語料為html格式。如圖1所示。

2.3?語料加工處理

（1）語料預(yù)處理。

完成抓取后，需要將文本的html格式轉(zhuǎn)換為txt格式，用textforever工具進(jìn)行格式轉(zhuǎn)換，如圖2所示：

轉(zhuǎn)換為txt格式后，用文本整理器對txt文本整理，如圖3所示。

（2）語料分詞。

將處理后的文本通過tree?tagger進(jìn)行分詞，如圖4所示。

3?石油鉆井英語詞匯特征分析

3.1?數(shù)據(jù)分析

（1）詞匯長度。

一般來說，詞匯越長，文本就越復(fù)雜，也就越正式。詞匯長度通常可以用字母的數(shù)量與詞匯的數(shù)量的比來計(jì)算。通過在wordlist中生成詞表，自建的ODEC與COCA的平均詞長和標(biāo)準(zhǔn)詞長對比如下表1所示。

從表1可以看出，?ODEC的平均詞長和標(biāo)準(zhǔn)詞長都要高于COCA。因此，ODEC的復(fù)雜程度要高于COCA。

（2）詞匯密度。詞匯密度可以用來判斷文本的難易程度和文本的信息量。Halliday（1985）提出了詞匯密度的計(jì)算公式，也就是TTR的值，TTR的計(jì)算公式如下：

TTR=（type/token）*100

Type指的是類符，是指在語料中不重復(fù)計(jì)算的形符數(shù)。Token指的是形符，是一個(gè)語言單位。類符與形符的比就是詞匯密度。但用這種方法來計(jì)算長度不同的文本是不合理的，因此又引入了STTR，STTR可以用來比較不同長度的文本的詞匯密度。通過wordsmith得出了ODEC和COCA的TTR和STTR，結(jié)果如下表2所示。

從以上表2可以看出，ODEC形符和類符的數(shù)量都低于COCA，但是TTR和STTR值都高于COCA。因此，自建的ODEC的詞匯密度高于COCA。也就是說，石油鉆井英語的文本是比通用英語要更為復(fù)雜，更難理解。

（3）詞頻。

詞頻表是做語料庫研究的一個(gè)基本的數(shù)據(jù)分析手段。通常來說，出現(xiàn)頻率最高的詞大多數(shù)都是功能詞。ODEC?與COCA詞頻對比如下表3所示。

從上表3可以看出，ODEC詞頻排名前15的都是功能詞，COCA排名前15的大多數(shù)都是功能詞，但是COCA還出現(xiàn)了諸如“I;?he;?you”的人稱代詞。因此可以得出結(jié)論，石油鉆井英語注重客觀表達(dá)，較少使用人稱代詞。

此外，應(yīng)用wordsmith也做了ODEC和COCA的實(shí)詞的詞頻對比。結(jié)果如下表4和表5所示。

從以上表4和5可以看出，ODEC的高頻實(shí)詞都是鉆井，鉆頭，油井；井眼；修井；鉆井液以及鉆井工具組合，這些高頻詞由名詞以及動名詞組成，這表明名詞在ODEC中扮演著重要的角色。而作為參照語料庫的COCA的高頻實(shí)詞基本都是動詞，因此通用語料庫的動詞比較常見。

4?結(jié)語

本文基于自建的小型石油鉆井英語語料庫，應(yīng)用wordsmith研究石油鉆井英語的詞匯特征，分別從詞匯長度、詞匯密度和詞頻三方面對自建的語料庫和參照的語料庫進(jìn)行了對比，得出了石油鉆井英語通常詞匯密度大、文本較為復(fù)雜、詞長長、功能詞較多、注重表達(dá)客觀性、很少用人稱代詞以及多用名詞的結(jié)論，本研究對石油鉆井英語詞匯的學(xué)習(xí)、寫作以及翻譯具有重要的指導(dǎo)意義。

參考文獻(xiàn)

[1?]Halliday.Spoken?and?Written?Language?[M?].Australia：?Deakin?University，1985.

[2?]Kennedy.An?Introduction?to?Corpus?Linguistics?[M?].?Foreign?Language?Teaching?and?Research?Press，1998.

[3?]梁茂成，李文中，許家金.語料庫應(yīng)用教程?[M?].外語教學(xué)與研究出版社，2010.

[4?]王立非，梁茂成.wordsmith方法在外語教學(xué)研究中的應(yīng)用?[J?].外語電化教學(xué)，2007.

[5?]楊慧中.語言學(xué)導(dǎo)論?[M?].上海外語教育出版社，2002.