楊本明

【摘 要】信息技術(shù)和存儲(chǔ)技術(shù)的迅速發(fā)展為日語口譯語料庫的構(gòu)建提供了現(xiàn)實(shí)的可能，本研究基于數(shù)據(jù)庫檢索軟件AntConc平臺(tái)，選擇青空文庫中具有代表性的20部日文小說，把小說中的臺(tái)詞進(jìn)行數(shù)據(jù)化處理，嘗試建設(shè)一個(gè)小型的日語語料庫，以其為日語課堂教學(xué)提供有益的參考。

【關(guān)鍵詞】語料庫；日文小說；檢索軟件

中圖分類號(hào)：G64 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1007-0125（2018）34-0205-02

隨著“一帶一路”國家大戰(zhàn)略的推進(jìn)和國際貿(mào)易合作的迅猛發(fā)展，當(dāng)代大學(xué)生在學(xué)習(xí)外語時(shí)不但要練好聽、說、讀、寫、譯五項(xiàng)基本功，而且時(shí)代的發(fā)展對(duì)外語類畢業(yè)生的口譯能力提出了更高的要求。如何在有限的時(shí)間內(nèi)提高外語課堂教學(xué)質(zhì)量？如何更加有效地培養(yǎng)出適應(yīng)市場(chǎng)需求的外語類人才？這對(duì)當(dāng)下的外語教學(xué)提出了挑戰(zhàn)，同時(shí)也不得不引起教育工作者的深思。信息技術(shù)的發(fā)展和存儲(chǔ)技術(shù)的不斷提升為外語教學(xué)和研究提供了便利，本文首先對(duì)國內(nèi)外的日語語料庫的建設(shè)現(xiàn)狀進(jìn)行了梳理，簡單分析了這些語料庫的特點(diǎn)和功能。其次在吸收前輩們優(yōu)秀經(jīng)驗(yàn)的基礎(chǔ)之上，基于數(shù)據(jù)庫檢索軟件AntConc平臺(tái)，選擇具有代表性的20部日本小說，把小說中的臺(tái)詞進(jìn)行數(shù)據(jù)化處理，嘗試建設(shè)一個(gè)小型的日語語料庫，以期為日語口譯課堂教學(xué)提供有益的參考。

一、日語語料庫發(fā)展綜述

最近十年來，隨著硬件儲(chǔ)存技術(shù)和互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展，國內(nèi)外語料庫的建設(shè)也呈現(xiàn)出良好的發(fā)展勢(shì)頭。利用關(guān)鍵詞“語料庫”三個(gè)字在中國知網(wǎng)進(jìn)行檢索，可以發(fā)現(xiàn)該領(lǐng)域的研究論文從2008年的481篇增加到現(xiàn)在的千余篇。但是輸入“日語語料庫”三個(gè)關(guān)鍵詞，只能檢索到17篇參考文獻(xiàn)，并且最早的一篇關(guān)于日語語料庫的文章發(fā)表于2009年，而早在1982年，學(xué)者楊惠中就已經(jīng)開始構(gòu)建JDEST科技英語計(jì)算機(jī)語料庫，這說明日語語料庫的建設(shè)和發(fā)展遠(yuǎn)遠(yuǎn)落后于英語語料庫的發(fā)展。通過對(duì)先行文獻(xiàn)的梳理發(fā)現(xiàn)，在國內(nèi)研究方面，北京外國語大學(xué)徐一平教授團(tuán)隊(duì)建設(shè)的《中日對(duì)譯語料庫》、上海外國語大學(xué)毛文偉教授團(tuán)隊(duì)建設(shè)的《中國日語學(xué)習(xí)者語料庫》具有代表性。在國外研究方面，近十年來，日本國立國語研究所在語料庫建設(shè)方面取得了飛速的發(fā)展，先后建立了現(xiàn)代日語書面語均衡語料庫（『現(xiàn)代日本語書き言葉均衡コーパス』），現(xiàn)代日語口語語料庫（『日本語話し言葉コーパス』），國語研究所日語網(wǎng)頁語料庫（『國語研日本語ウェブコーパス』）等十幾個(gè)大型語料庫，極大地方便了國外研究者和學(xué)習(xí)者。

（一）國內(nèi)日語語料庫發(fā)展綜述

國內(nèi)日語語料庫的發(fā)展主要分為三個(gè)階段，第一階段是計(jì)算機(jī)化以前的階段，稱之為傳統(tǒng)語料庫時(shí)期，主要以卡片語料庫為主。第二階段為計(jì)算機(jī)化以后的階段，稱之為現(xiàn)代語料庫時(shí)期。第三階段為超級(jí)計(jì)算機(jī)存儲(chǔ)階段，稱之為大數(shù)據(jù)語料庫時(shí)期。20世紀(jì)90年代以前，國內(nèi)語料庫的建設(shè)一般是以卡片存儲(chǔ)的方式建立的，這種日記本式的語料庫建設(shè)需要人工書寫，占據(jù)空間大，不方便查閱，規(guī)模也極其有限。20世紀(jì)90年代以來，隨著計(jì)算機(jī)存儲(chǔ)技術(shù)和網(wǎng)絡(luò)技術(shù)的發(fā)展，國內(nèi)的日語語料庫建設(shè)開始有了起色。2000年以后，日語語料庫建設(shè)進(jìn)入快速發(fā)展時(shí)期。其中，北京日本學(xué)研究中心徐一平教授團(tuán)隊(duì)建設(shè)的《中日對(duì)譯語料庫》和上海外國語大學(xué)毛文偉教授建設(shè)的《中國日語學(xué)習(xí)者語料庫》極具代表性，這兩個(gè)語料庫不論在規(guī)模上，還是在質(zhì)量上都填補(bǔ)了國內(nèi)的空白。

北京外國語大學(xué)北京日本學(xué)研究中心徐一平教授團(tuán)隊(duì)所建設(shè)的《中日對(duì)譯語料庫》項(xiàng)目在國內(nèi)日語語料庫建設(shè)史上具有里程碑一樣的意義，該語料庫共收錄了中日雙語各種文本語料2013萬余字。上海外國語大學(xué)譚晶華教授、毛文偉教授團(tuán)隊(duì)建設(shè)的《中國日語學(xué)習(xí)者語料庫》開創(chuàng)了日語學(xué)習(xí)者語料庫建設(shè)的先河，該語料庫的開發(fā)對(duì)于高校日語教學(xué)具有積極的指導(dǎo)意義。國內(nèi)外其他高校日語語料庫的建設(shè)，雖然也有所建樹，但是如前所述受到資金和版權(quán)的限制，發(fā)展并不是特別迅速。

（二）國外日語語料庫發(fā)展綜述

1948年12月，日本文部省設(shè)立了國語國立研究所。這一研究機(jī)構(gòu)早在20世紀(jì)50年代就圍繞日語進(jìn)行了大量的調(diào)查與研究，但是由于客觀條件的限制，近半個(gè)世紀(jì)以來，日本語料庫的建設(shè)比較緩慢。到90年代前半期為止，日語語料的建設(shè)還主要是以人工方式進(jìn)行的。90年代后期，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，日本的語料庫建設(shè)也進(jìn)入了飛速發(fā)展時(shí)期。其中有代表性的日語語料庫主要有以下幾種：

1.『現(xiàn)代日本語書き言葉均衡コーパス（BCCWJ）』（構(gòu)築 2006-2011， 公 開2011）

該語料庫收錄了1976年-2005年30年間的語料，選材包括書籍、白皮書、新聞報(bào)紙、博客、bbs、教科書等內(nèi)容，語料庫的規(guī)模達(dá)到1億430萬字。目前該語料庫有“少納言”、“中納言”、“DVD版”三種，其中“少納言”供日語研究和學(xué)習(xí)者免費(fèi)使用。

2.『日本語話し言葉コーパス（CSJ）』（構(gòu)築 1999～2003，公開2004）

該語料庫是國立國語研究所、情報(bào)通信研究機(jī)構(gòu)、東京工業(yè)大學(xué)聯(lián)合開發(fā)的日語口語語料庫，選材來自演講、對(duì)話、朗讀等內(nèi)容，語料庫的規(guī)模為750萬字，錄音時(shí)間為660小時(shí)。目前該語料庫提供“中納言”、“USB數(shù)據(jù)”兩種版本供研究者和學(xué)習(xí)者使用。

3.『日本語歴史コーパス（CHJ）』（構(gòu)築2010～ ， 段階的に公開）

該語料庫是國立國語研究所開發(fā)的日語歷時(shí)語料庫，內(nèi)容涵蓋了從奈良時(shí)期一直到大正時(shí)期的日語語料，語料題材有詩歌、故事、隨筆、游記、日記、狂言等內(nèi)容。值得一提的是該語料庫的開發(fā)為日語歷史變遷的研究提供了寶貴的佐證材料。

4.『國語研日本語ウェブコーパス』（構(gòu)築2011～2015， 公開2016予定）

該語料庫始建于2011年，語料庫選材全部來源于網(wǎng)絡(luò)，該語料庫的特色是語料庫規(guī)模大，其語料達(dá)到了100億字。因?yàn)樵撜Z料庫所選擇的語料全部來源于網(wǎng)絡(luò)，所以語料比較新，符合當(dāng)代人的表述習(xí)慣，但是同時(shí)也存在著語料不夠規(guī)范的缺點(diǎn)。

5.「近代語コーパス」

該語料庫建設(shè)于2009年-2012年期間，選材主要限定于明治時(shí)期—昭和時(shí)期的文學(xué)作品、雜志、暢銷書等。明治時(shí)期是日語從“文語”到“口語”的轉(zhuǎn)換時(shí)期，相當(dāng)于中國的白話文運(yùn)動(dòng)。該語料庫又細(xì)分為“太陽コーパス”、“近代女性雑誌コーパス”、“明六雑誌コーパス”、“國民之友コーパス”四小部分。

6.青空文庫

1997年2月創(chuàng)立的青空文庫是一個(gè)免費(fèi)的日本文學(xué)作品電子圖書館。該語料庫幾乎涵蓋了日本各個(gè)時(shí)期、各個(gè)流派、各種類型的文學(xué)作品。目前該語料庫提供zip、ebk、html三種文件格式。編碼方式采用Shift—JIS編碼。青空文庫的免費(fèi)文學(xué)作品極大地方便了日語學(xué)習(xí)者和日本文學(xué)愛好者。

二、日語小說與語料庫的構(gòu)建

2009年本人開始籌建小規(guī)模、簡易教學(xué)語料庫，目前語料庫約有2000萬字規(guī)模。該語料庫建設(shè)目前仍在進(jìn)行中。預(yù)期目標(biāo)是建設(shè)一個(gè)規(guī)模小，使用方便，檢索迅速的語料庫。語料的來源是青空文庫中部分著名作家的文章。語料檢索的軟件載體是AntConc，該軟件擁有詞語檢索、生成詞表和主題詞三大功能，通過編碼、壓縮后的語料，可以在該軟件中以日文的形式展現(xiàn)，并且不會(huì)出現(xiàn)亂碼現(xiàn)象。選擇青空文庫的原因如下：

首先，沒有版權(quán)問題。版權(quán)問題是語料庫建設(shè)過程中必須考慮的問題，在日本，任何文學(xué)作品的版權(quán)都受到嚴(yán)格的保護(hù)，任何機(jī)構(gòu)和個(gè)人在沒有得到作者許可的情況下都不可以轉(zhuǎn)載、使用其作品。這也是語料庫建設(shè)中普遍使用比較舊的語料的原因。正如前文所述，青空文庫所收集語料，其著作權(quán)已經(jīng)消失，根據(jù)日本著作權(quán)法，這些作品已經(jīng)不存在著作權(quán)的問題，可以自由使用。制作好的語料庫可以免費(fèi)提供給教師和學(xué)生使用，極大地方便了日語學(xué)習(xí)和研究。

其次，語料豐富。青空文庫從1997年開始建設(shè)以來，已經(jīng)歷時(shí)13年的時(shí)間，其規(guī)模達(dá)到相當(dāng)可觀，包含10752篇文學(xué)作品。其中一部分作家的大多數(shù)作品都已經(jīng)錄入數(shù)據(jù)庫。青空文庫的題材廣泛，包括小說、散文、游記、書評(píng)、回憶錄等各種題材，保證了語料的多樣性，可以從各種不同的語言素材出發(fā)，對(duì)具體的語言現(xiàn)象進(jìn)行研究。

再次，名家名篇保證了語料的科學(xué)性。在語料抽取的過程中，主要抽取了夏目漱石、森歐外、有島武郎、田山花袋等名家的著名文學(xué)作品，在語法教學(xué)和詞匯教學(xué)中，可以通過語料庫直接檢索名家的語料，避免由于教師自己造句子所帶來的誤差。并且名家名篇所構(gòu)成的語料具有很高的文學(xué)性和藝術(shù)性，在具體的教學(xué)中，通過語料的抽取和學(xué)習(xí)，能極大地提高學(xué)生的日語水平和文學(xué)素養(yǎng)。

三、日語語料庫建設(shè)的界限與難點(diǎn)

首先，規(guī)模問題。語料庫建設(shè)是一項(xiàng)規(guī)模極其浩大的工程，受計(jì)算機(jī)內(nèi)存和存儲(chǔ)性能的影響，以個(gè)人的財(cái)力和物力所建設(shè)的語料庫在規(guī)模上和性能上是有一定的局限性。同日本國立國語研究所數(shù)以億計(jì)的大規(guī)模語料庫相比，本語料庫目前僅能對(duì)一些簡單的語言現(xiàn)象進(jìn)行檢索，更大規(guī)模的語料庫建設(shè)，只能靠國內(nèi)高校間的合作。AntCon檢索軟件只能對(duì)小規(guī)模的數(shù)據(jù)庫進(jìn)行檢索，如果是大規(guī)模的數(shù)據(jù)庫，該軟件檢索需要花費(fèi)較多的時(shí)間。

其次，語料選材問題。語料庫的建設(shè)顧名思義語料的選擇具有很重要的意義，選擇什么樣的語料，是日本人日常生活中使用的口語，日劇中登場(chǎng)人物的對(duì)白，還是日本企業(yè)中使用的商務(wù)日語，對(duì)語料庫的性質(zhì)起著至關(guān)重要的作用。因資金支持和人手問題，本語料庫只是一個(gè)生語料庫，并且不涉及語料的均衡性問題。所以在選材方面主要選取了有代表性的小說。在時(shí)間跨度上，選取了明治、大正、昭和、平成四個(gè)不同時(shí)期的作品，力爭(zhēng)涵蓋各個(gè)歷史時(shí)期的文學(xué)作品，使語料庫更具有科學(xué)性和代表性。

再次，語料的時(shí)效性問題。語料庫制作還需要考慮的一個(gè)問題就是時(shí)效性的問題，本語料庫所選取的語料并非是當(dāng)下使用的日語，而是以文學(xué)作文的形式固定下來，為日本人所熟知的文學(xué)作品。關(guān)于這個(gè)問題需要說明的是語言材料的時(shí)效性并不像食品的保質(zhì)期一樣，很短時(shí)間內(nèi)就會(huì)發(fā)生質(zhì)的變化。語言是一個(gè)相對(duì)固定的東西，我們可以比較流暢地閱讀250多年前寫成的《紅樓夢(mèng)》，可以很好地說明這一點(diǎn)。

四、結(jié)語

隨著計(jì)算機(jī)存儲(chǔ)技術(shù)和大數(shù)據(jù)檢索技術(shù)的不斷發(fā)展，大量的日語學(xué)習(xí)語料充斥于網(wǎng)絡(luò)，極大地開闊了日語學(xué)習(xí)者的視野，豐富了日語學(xué)習(xí)者的學(xué)習(xí)手段。但是，如何在如此眾多的語料信息當(dāng)中篩選出有用的信息，并有效提高我們的學(xué)習(xí)效率，這無疑成為亟待解決的問題。本文基于AntCon檢索軟件，選取了青空文庫中具有代表性的小說制作成簡單的語料庫，服務(wù)于日語口譯教學(xué)，提高了教學(xué)效果。同時(shí)，本文探討了個(gè)人自建語料庫的界限與難點(diǎn)，以期在今后的研究與開發(fā)中取得突破和進(jìn)展。

參考文獻(xiàn)：

[1]毛文偉.日語語料庫建設(shè)的現(xiàn)狀綜述[J].日語學(xué)習(xí)與研究，2009（06）.

[2]譚晶華，毛文偉.中國日語學(xué)習(xí)者語料庫CLJC建設(shè)及應(yīng)用綜述[J].日語學(xué)習(xí)與研究，2011（04）.

[3]杜澤兵.基于語料庫的中國學(xué)術(shù)英語詞塊結(jié)構(gòu)和功能特征研究[J].外語電化教學(xué)，2016（05）.

[4]胡開寶，李翼.當(dāng)代英語教材語料庫的創(chuàng)建與應(yīng)用研究[J].外語電化教學(xué)，2016（03）.