語料庫分佈資料用於語言學分析:

除了『頻率』還有什麼?

陳正賢
Alvin Cheng-Hsien Chen

國立台灣師範大學英語學系
alvinchen@ntnu.edu.tw

2022年10月29日

語料庫語言學

頻率(Frequency)一直是語料庫語言學研究中，相當重要的分佈訊息(Distributional Properties)。
從單一詞彙頻率、多字詞組頻率、或是許多量化研究中的特定語言單位頻率計算，都成為許多語言學研究假設的佐證基礎。

語料庫中的分佈訊息

透過語料庫，最常使用與擷取的兩種分析資料是：
- 某個特定語言單位/結構在語料庫中出現(occurrences)的頻率
  - 如：morphemes, words, grammatical patterns
- 某些語言單位/結構在語料庫中共同出現(co-occurrences)的頻率
  - 某個詞素多常與某個詞彙一起出現？
  - 某個詞彙多常與某個句構一起出現？
  - 某個詞彙/句構多常與某個文類/文體一起出現？
這些分佈資料往往都成為語言結論的依歸。

Gries, Stefan Th. 2017. Quantitative Corpus Linguistics with R: A Practical Introduction. Second Edition. New York and London: Routledge.
Stefanowitsch (2019) defines Corpus Linguistics as “the investigation of linguistic research questions that have been framed in terms of the conditional distribution of linguistic phenomena in a linguistic corpus”.

除了頻率，還有什麼？

近年來有許多研究顯示，我們的語感，除了頻率以外，還有很多更細緻語感表現，是超越簡單的頻率。
語料庫中的「頻率」，僅體現我們語感中，「哪個語言詞彙或結構特別常出現？」的預測。
然而，「語用為本(Usage-based Grammar)」之語法研究，顯示說話者更具備多層面(Multifaceted)的語感預測能力:
- 相關性(Exclusivity)
- 離散性(Dispersion)
- 方向性(Directionality)
我們以「搭配詞」為例，簡單向大家闡述這些概念。

Ellis, Nick C, Matthew Brook O’Donnel & Ute Römer. 2014. The processing of verb-argument constructions is sensitive to form, function, frequency, contingency, and prototypicality. Cognitive Linguistics 25(1). 55–98.
Gablasova, D., Brezina, V., & McEnery, T. (2017). Collocations in corpus-based language learning research: Identifying, comparing, and interpreting the evidence. Language Learning, 67, 155–179.

假設我們找出語料庫中所有的二字詞組（即: Bigrams），建立頻率表（Frequency List），高頻詞組可能會像是…

此次簡報中是以中央研究院「現代漢語平衡語料庫」為例。

Bigram頻率排序表

這些高頻率的Bigrams，符合我們語感預測，但對於具體語言學假設的論證，似乎幫助不大？

如果我們帶入「相關性」這個層次的分佈訊息呢？

除了「相關性」，如果我們再納入「離散性」呢？

除了「相關性」，如果我們納入的是「方向性」呢？

當然，我們可以同時納入「相關性」、「離散性」與「方向性」。

除了「頻率」，還有…？

如果我們要回答的研究問題是「中文中常見的搭配詞組有哪些？」，我們可能就必須要更加善用語料庫所提供的分佈信息。
一個具有『代表性』的搭配詞組，可能不僅僅頻率必須要高，同時分布要夠廣，且搭配詞組中，詞與詞之間的相關性，甚至也有方向性之區分.

分佈信息與語言習得

除了母語人士具備這種「多面向」的語感能力，我們也發現，外語學習者，在語言學習的過程當中，也能夠逐漸學習到這些語言當中的『機率分佈表現(statistical distributional properties)』。

Chen, A. C.-H. (2022).Assessing L2 learner’s multifaceted collocation competence: A comparative analysis of Chinese and English L2 learners’ essays. EUROCALL2022, Reykjavik,16–19 August 2022.
Chen, A. C.-H. (2021). Acquisition of L2 collocation competence: A corpus analysis of exclusivity, directionality, dispersion and novel usage. Taiwan Journal of TESOL,18(1),29–61.

隨著外語能力的增長，外語學習者的雙字詞組使用，在「相關性」成熟度，越來越高

外語學習者也慢慢對於雙字詞組中，前導向與後導向詞彙的預測，漸趨成熟。（前導向嫻熟度發展，尤其明顯。）

隨著外語能力的增長，學習者也逐漸使用更多「分佈特定(Domain-specific)」的雙字詞組。

語料庫語言學的下一步？

在使用語料庫語言學方法，探索一個語言學研究議題時，我們應更加注意「多面向(Multifaceted)」的語料庫語言學分佈訊息，並考量不同面向的量化指標(Distributional Metrics)，彼此間互動與可能代表的意義。
在常見的語料庫語言學研究議題裡（如：近義詞研究、構式功能與語意研究、關鍵詞研究等），應多加考量「離散性」與「方向性」，讓研究結論能更全面地反映語言使用者之語言能力(Native Intuition, Grammatical Competence)。

感謝聆聽!

參考資料：Stefanowitsch, A. (2020). Corpus Linguistics: A guide to the Methodology. Berlin: Language Science Press