语料库与《黄帝内经》研究的一项实例报道
 |
| 第1页 |
参见附件(3769KB，3页)。
【摘要】运用语料库语言学的研究方法与技术研究《黄帝内经》中“盛”字的用法、意义和搭配模式，从中医学的角度归纳总结其搭配词的语义类型以及两者线性组合的语义模式，以实例研究的方式论证语料库研究方法在中医古典文献研究中的应用问题。
【关键词】语料库，搜索词检索，黄帝内经，语义类型
A Corpus-based Research to Huangdi’s Internal Medicine
WEN Yongyi, XING Yurui
Shaanxi University of Chinese Medicine, Xianyang, Shaanxi
【Abstract】 “Sheng (prosperous)”, a Chinese character and also a word, is retrieved from a specially established Corpus of Huangdi’s Internal Medicine and the meaning as well as the usage is thereby discussed with the help of tools developed by corpus linguistics. The semantic categorization of Sheng and the summarization gained from the perspectives of traditional Chinese medicine may be an evidence suggesting that corpus-based approach can be of significance to the documentation research of traditional Chinese medicine.
【Key Words】 corpus, search word, Huangdi’s Internal Medicine, semantic category
运用语料库语言学的研究方法探讨中医古典文献中的词义方面，闻永毅对《黄帝内经》中的“心”字的研究，付伟对其中的“络”字的研究，显示理论上具有可行性，因为两者具有相同的研究对象——语义问题。但是，具体研究活动如何组织、实施，研究结果在中医古典文献研究中是否具有价值等等问题，却需要实际研究项目的验证。本文尝试运用初步建立的《黄帝内经》模型库对其中的“盛”字进行定量研究，以实例研究的方式论证语料库研究方法在中医古典文献研究中的应用问题。
1研究对象的组织方式与索引要求
语料库研究方法的基本技术之一就是按行分列地组织研究对象，即运用索引技术把研究对象连同一定范围的上下文一起从语料库中索引出来，然后再以研究对象为参照点逐行分列地排列，形成1个词占据1个网格的格式，从而达到统计分析的目的。语料库语言学把如此索引、组织、分析研究对象的方法称为搜索词检索法(Concordance)，研究对象被称为搜索词(Search Word)。
本项研究以自建《黄帝内经》模型库中的“盛”字为研究对象，搜索词检索结果的组织方式以表1为模板。
表1显示，模型库文件经过了分词处理，“脉气”被定性为词，所以只能拥有一个网格，也就是说，词可以由一个字或多个字组成，因此索引模型库中全部“盛”字的时候，根据检索工具对词的定义的差别，可能需要采用“通配符+盛”的索引方式。
搜索词左右两侧有空格，按行观察，可以看出研究将以句子为单位，一行只允许列举一个句子，而且还可以看到，标点符号和空格符也被视为词而占据网格。
2研究工具与研究范围
能够满足以上研究要求的语料库检索工具很多。本项研究选用Wordsmith作为主要检索工具，因为它的搜索词检索模块携带着搭配表(Collocates)与模式表(Patterns)两种统计工具，能够提供搜索词左右两侧各列中的词语列表、词频、词语总数等，极大的方便本项研究。研究范围将限制在左右各5列(R5-L5)；但是在语义分类研究时，需要扩大研究范围，而且还会使用其它检索工具，后文不再说明。
3检索结果
搜索词检索结果显示，《黄帝内经》中“盛”字总计使用了370次。排列成表1格式后则R5-L5范围内的最大容量为：总容量=总行数×总列数=371×11=4081(个词)。
L5-R5范围内的词汇列表和词频见程序运行截图，各列中词语总数见表2。*
截图显示的是各列中前9个高频次词语，具体次数没有直接显示，其中的DH、JH等指代标点符号，搜索词列中的“盛经”等出现次数很低，统计过程中可以忽略不计。需要特别说明的是，统计过程中我们不严格区分词的形符(Tokens)与类符(Types)。
4检索结果分析
根据表1规定可知，表2各列的最大值均为370。假如某列的值是最大值，则表示该列中出现了370个互不相同的词，并且每个词都只出现了1次。如果列中数值低于最大值，或者更低，则说明列中有词语重复出现，不过重复出现的有可能只是某些词，其它词可能依然是1或者只是2次。当列中某些词的出现次数显著性偏高时，就可以认定它(它们)跟搜索词相关，或者说，是搜索词的搭配词(准确的结论需要相关性检测)[1]。这个列中“词频显著性偏高原理”可以使我们很方便地从截图所示的词语列表中，依据词的出现次数，筛选出“盛”字的搭配词。然后再利用“左侧搭配词+盛+右侧搭配词”的线性序列归纳总结“盛”字的用法、语义等问题。
表2中最为注目的是R1列的词语总数显著性偏低，只有64个。查看R1列中各个词的词频发现(截图中未显示)，标点符号逗号出现了99次，其它几个高频词依序为：则81次、而34次、者34次，不18次，于10次，仅仅6种形式出现的次数累计高达276次，如此之高的次数使我们有理由认定这6种形式与“盛”字密切相关 ......
您现在查看是摘要介绍页，详见PDF附件(3769KB，3页)。