俄语语料库的标注

陈
虹
俄 语语 料 库 的 标 注
范时 ， 还要 注 意处 理好 四个 方 面 的关 系 ， ： 细 标 注 即 详
（ 包括文本语料库 、 词汇库 、 言语语料库） 的建设 、 语言
知识 的处 理工 具 （ 式语 法 、 记 语 言 、 种 软件 ）语 形 标 各 、 言工 程系 统 的评 估 资 源 和工 具 等 。Ｃ Ｓ Ｃ ｒ ｕ ｎ Ｅ （ ｏｐ ｓＥ — ｃｄｎ ｔｎ ａｄ 语料 库 编 码 标 准 ） Ｅ ｏ ｉｇＳａｄ ｒ， 是 ＡＧＬ ｓ的一 Ｅ
关键词 ： 俄语语料库 、 标注 、 俄语 国家 语料库
［ 中图分类号］Ｈ３ ５
［ 文献标识码］Ａ
［ 文章编号］ ０ ２５ １ （０ ２ ０ —０ ８０ １０ —５ ０ ２ １ ） ２０ ３ —７
骤。语料库的有效利用在很大程度上依赖于语料库
０ ．引言
标 注 的层 次 和质量 ， 对语 料 库进 行 标 注 不仅 是 利 用计
语 料库建 设 的技术 规 范 ， ＴＥ 相 兼 容 ， 目标 是 建 与 Ｉ 其 立一 套 能被 广 泛 承 认 的语 料 库 标 注 模 式 。世 界 公 认 为典 范 的英 国 国 家语 料库 （ ＮＣ 使 用 的就 是 Ｓ Ｂ ） ＧＭＬ 和Ｘ ＭＬ语 言 ， 拉夫 语 语 料 库 的典 范 —— 捷 克 国家 斯 语 料库 （ 础 ） 也使 用 了它 们 ， 国“ 我 国家 现 代 汉语 语 料 库管 理 系统 ” 国 内率 先 使用 ＸＭＬ语 言 组 织 的 大 是 型语料 库 。可 以说 ， 世界 上新 建 和 在 建 的语 料 库使 用
２１年 ０ ０２ ５月
第 ３卷 １
第 ２ 期
中国俄语教学 ｐｙ Ｃ Ｃ ＫＭ讶 ￣ ｂ Ｋ ＢＫＩＴ Ｅ ３ Ｉ ， Ａ ＇ Ｉ
Ⅳ 诸 ２ ０１２ ． ｒ
Ｔ ３ № ２ ． １
俄 语 语 料 库 的 标 注
黑龙江大学 安徽财经大学 陈 虹
、
提要 ： 标注是语料库 的主要特征 ， 其层次和质量决定着语料库 的有效利用程度 。俄语 语料库 的标注原则是 最大 限 度 的方便 标注者和使用者 ； 其标注模式是结合俄语 自身的语 言特点 ， 在接受 ＴＥ 和 Ｅ Ｌ Ｓ等国际标准的基 础上进行 ｌ ＡＧ Ｅ 的必要 的扩展 。以 四个有代表性的大型俄语语料库为参照可 以知道 ， 目前俄 语语料 库标 注的主要 类型有 元信息标 注 、 词性 标注 、 原形标注 、 句法标注和语义标注 。
和简单标注的关系 ； 通用性 和专用性 的关系 ； 原则性
和 灵 活性 的关 系 ； 绝对 性 和模糊 性 的关 系 。 实 际上 ， 论 是 Ｇ Ｌ ｅｈ的 标 注 七 原 则 ， 是何 无 ． ｅｃ 还
婷婷 改 进 的标 注 七 原则 和 应 注 意 处 理 好 的 四方 面关
部分 ， 它规定 了语料库 的总体结构 、 语言信息标记等
以国 内核 心期 刊 １ ９ － ２ ０ ９ ４ ０ ６年 语 料 库研 究 状 况 进行
的代表人物之一 ， （９３ ２ ５ ８ ） 他 １９ ：７— １ 首先提 出了语 料 ２
库标 注应 该 遵 循 的七 个 基 本 原 则 。 国 内学 者 何 婷 婷 （０ ３ ７—７对 Ｇ Ｌ ｅｈ的 语 料 库 标 注七 条 基 本 原 ２０ ：４７） ． ｅｃ
算机资源对语料进行批量处理和检索 、 对语言进行多
近 二三 十年 来 语 料 库 语 言 学 已经 成 为 国 内语 言 学 的研 究热 点 ， 初期 的理 论 引介 发展 到 目前 的实 践 从 应 用 与理论研 究 相结合 的 良性 研究 模 式 。然 而 ， 俄语 界 的语 料库 研究 沉寂 滞 后 ， 注点 比较单 一 。国 内俄 关 语 界对 语料 库 的研究 可 以归 纳 为两 个 方 向 ： 一 是 继 其 维 度和 多层 面研 究 的 基 础 ， 是 语 料 库 语 言 学 、 算 也 计
英 国著名语 言 学 家 Ｇ Ｌ ｅｈ是 当今 语 料 库 研 究 ． ｅｃ
技术 ； 二是 宏 观 讨 论 了俄语 语 料库 的 理论 问 题 ， 其 例 如许 汉成 （０ ５ 阐明 了俄 罗斯 语 料 库 的分 类方 法 ， ２０ ） 介 绍 了俄语 国家 语料 库 的概 况 和查 询 方法 ， 臻 （０ ７ 王 ２０ ）
承俄罗斯计算语 言学 的传统 ， 在工程语 言学 、 机器翻
译 等 语 言 学 数 理 领 域 取 得 了 一定 成 就 ， 如 易 绵 竹 例 （０ ７ 、 兴 尚 （０ ９等 学者 引介 了俄 罗 斯计 算 语 言 ２０ ）傅 ２ ０）
学方 面 的研究 成果 ， 探讨 了俄 罗斯 机 器 翻译 的理论 和
则进 行 了整 理 、 充 和 综 合 ， 计 算 机 可 读 、 处 理 、 扩 从 可
的统 计数 据为 依据 ， 瞻望 了 国 内俄 语 语 料库 未 来 的发
可 理解 的角度 出发 ， 出 了 自己 的七 条 基 本 原则 ， ： 提 即
展方 向。这两方 面的研究虽然在俄语语料库研究 的 框架 内， 但远离语料 库建设和语料 库应用等热 点问 题， 建设可以公开使用俄语语料库 的工作以及开展基 于俄语语料库的应用研究仍然任重道远。
语料 库标 注 是 建 设 语 料 库 的重 要 基 础 和关 键 步
３８
（） １原始语料和标注符号的数据独立性原则 ；２ 语料 （）
标 注 的公 开性 原 则 ；３ 语 料 标 注 的 通 用 性 原则 ； ４ （） （） 语料 标 注 的折衷性 原则 ；５语 料 标 注 的 一致 性 原 则 ； （） （） ６标注 符号 的确 定性 原 则 ；７用 户 知情 权 原 则 。此 （） 外， 何婷 婷 （０３ ７—９ 认 为在 制 定 语 料 库 的标 注 规 ２０ ：７７ ）
语 言学 关 注 和研 究 的重 要 课 题 之 一 。本 文 拟 以 四个 具 有代 表性 的大 型俄语 语 料库 为 参 照 ， 究俄 语 语 料 研
库 的文 本标 注原 则 、 式 、 模 理论 基 础 及 类 型 ， 以供 国 内 学 界未 来在 建设 俄语语 料 库时借 鉴 。
１ ．俄语 语料库 的 标注原பைடு நூலகம்则