论文部分内容阅读
摘 要 本文将介绍SEAlang项目（Southeast Asia Language Projects）在东南亚非通用语教学与科研中的应用。主要以介评SEAlang项目中的老挝语词典、单语语料库及文献典藏目录检索功能为主。
关键词 老挝语 词典检索 语料库 语言学典藏
中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdks.2016.12.020
Abstract This article will introduce the application of SEAlang project in the teaching and scientific research of non - common language in Southeast Asia. Mainly in the review of SEAlang projects in the Lao language dictionary and monolingual corpora and literature collection directory retrieval function.
Keywords Lao language； dictionary retrieval； corpus； linguistics collection
0 引言
SEAlang项目①主要收集、开发和分享东南亚语言的相关资料，包括碑文、原始语言的重构、历史及现代词典编纂、文本语料库等，是一个以数字化形式分析和标记文献材料的在线软件工具。该项目主要内容包括：在线词典（单语、双语）、文本语料库（单语、双语平行）、东南亚文献典藏目录等。其中在线词典（单语、双语）及文本语料库包含语种有：巴厘语、布吉斯语、缅甸语、宿雾语、查瓦卡诺语、希利盖农语、伊洛卡诺语、印尼语、爪哇语、克伦语、高棉语、老挝语、泰语、越南语、马来语、马来诺语、掸语、他加祿语、德顿语等。
从地理位置上看，该项目主要对东南亚大陆国家（泰国、缅甸、老挝、柬埔寨）及东南亚海岛国家（菲律宾、马来西亚、印度尼西亚）进行语言资源开发，并致力于开发东南亚非通用语种的教学及翻译工具，为东南亚语言学、计算语言学、历史、词典学、词源学、区域研究及跨语言信息检索提供帮助，为东南亚裔美国人及相关领域学者提供免费的语言学习资料工具。
1 词典检索功能②
SEAlang在线老挝语-英语词典的词库主要来源于两个版本的已出版词典。一部由William L. Patterson 及 Mario E. Severino （1995， Dunwoody Press）编纂的老挝语-英语词典，此版是在参考老挝语-俄语词典（1982， Russkiy Yazik，Moscow）的基础上进行编纂的，超过32000条词汇，也收入了1975年老挝政府实施新语言政策③以来部分老挝语用法。另一部词典也为老挝语-英语词典（1972， Allen Kerr），词典内容也参考了相关词典及出版物，并在老挝语母语者协助下完成，词典包括44000条词汇，8798183 条释义，一些动植物词条也包含在内。此外，在查询结果显示界面的每一个词条后标注了来自哪部词典，供使用者参考。
图1为词典查询界面，A区为字串查询区，B区为查询结果排列区。
1.1 字串查询区（A）
见图2，查询方法：可用老挝语、英文及IPA进行搜索，在Lao对话框中输入要查询的老挝语词汇及Text框中输入英文字串，④点击Go键或回车（Enter）进行查询。IPA查询功能还在开发中，不提供声调的搜索。点击Habeas Corpus可迅速跳转至语料，显示该词条在语料库中的搭配情况。
1.2 查询结果排列区（B）
如图3，以搜索单词“”一词为例，查询结果排列方式区基本标签有：英语释义，词性，词源等。如单击Show all可显示与“”前后搭配的全部词条。点击蓝色leading 、黄色trailing可显示该词置于某词组或短语前后的搭配情况。
Kerr的词典保留了早期老挝语的拼写方式，而P & S （William L. Patterson 、Mario E. Severino）的词典里用了现代拼写标准，并在A区搜索选项里为用户提供了选择（，， ， .），类似汉语的模糊音搜索设置。如“”一词的旧时拼法就为“” ，再如“ ”一词，只有拼写为“ ”才能查询到其释义。Kerr词典里的罗马拼音转写自原始文本，而P & S的拼写则是采用了约翰.M.德丁（Dr. John M. Durdin）的老挝语脚本工具，⑤二者在标调上略有不同。该在线词典在每项词条后标注了出自哪部词典并会显示该词的词源，如“”显示来自巴利语。此外，还附上了词典使用视频。⑥
1.3 玛哈西拉·维拉冯版《老挝语词典》⑦
玛哈西拉·维拉冯所编纂的《老挝语词典》（1960），共收录11500条词汇，24000条释义。此版线词典的检索界面及方法基本同SEAlang老挝语在线词典，其最大特点为在此页面可浏览DjVu格式的扫描版原文书，可输入特定页码进行检索，及在字串查询区中检索目标词在语料库中的用法。如图4所示。
1.4 优点与不足
SEAlang老挝语词典相较其他在线老挝语-英语词典收录的词条数量多，义项及词性较丰富，查询方便快捷，不必查阅厚重的纸版词典，可提高查词速度、阅读效率及阅读量，激发学生阅读兴趣。此在线电子词典也可用移动设备浏览，便携实用性强。
但SEAlang老挝语词典也存在一些不足，如：P&S 词典的词条个别词标注为拟声词，实际上是重叠词，一些词条标注不恰当甚至有误。再如很多词条仅有基本释义无例句。玛哈西拉·维拉冯版《老挝语词典》缺点为词条少，义项及词性标注不够丰富，其电子版部分词条的显示不够清晰。 2 老挝语语料库检索功能⑧
2.1 语料库检索方式
SEAlang项目中的老挝语单语语料库中的语料为生语料，主要由在互联网上发布的老挝语文本构成，作研究及学习之用。上下文搜索将会显示搜索目标置于上下文语境中的词语搭配情况。此语料库包括4206351条词项同现及17083194 条例句。本文将结合字串查询区（C）、查询结果排列方式区（D）等方面介绍SEAlang老挝语语料库主要的检索功能（图5）。
Corpus Search标签下的搜索框内输入检索词，点击Go即可显示结果。如图6所示，以搜索“”为例，显示与“”搭配的词组及短语，有49项左搭配词、42项右搭配词及267条例句。以及在上下文中置于其左右各5个词语与其搭配的情况及所占百分比，也可选为其与10、20个词语的搭配情况。点击图标可显示在线老挝语键盘，并且具备输入预测功能。Habeas lexis键可迅速查询检索词在词典中的释义。Collocates为搭配统计功能，能将检索词的搭配按照统计数据从高到低排列，从而给研究者或学习者一个直观的印象。
2.2 优点与不足
老挝语单语语料库检索软件主要用于单语语言研究、单语辞书编纂和自然语言开发等方面，也广泛应用于语言课堂中。使用者可以从语料库中检索并提取含有某个词（ 可以是词的某一部分，也可以是词的组合） 的语言范例。此外，单语语料库分析工具可以列出字频、词频表以及对应和搭配表。通过这些功能，使用者可以了解所检索的词在各种语境下使用的具体记录，有助于掌握该词在具体语境中的使用情况。帮助教师或学生根据词频率得知哪些词在具体的语境中更加重要、更加专业，有利于在翻译过程中进行取舍。⑨
SEAlang老挝语单语语料库存在的主要问题有三点即：语料来源单一、语料不够丰富、为未经处理的生语料库。此外，其语料多数来自老挝语网络新闻及文章，语料库文本类型不够丰富。
3 东南亚语言学典藏⑩
东南亚语言学典藏简称SALA（Southeast Asian Linguistics Archives）主要收集扫描文献、编制索引和传播东南亚语言学术性出版物，采用创新方法匯集该领域分散的文献，旨在建立一个庞大的东南亚语言学典藏目录程序，包括以下几项内容：（1）可在线搜索的文献库：包括东南亚语言学的重要期刊、会议论文集、系列丛书、合集及未发表的文献资料（田野笔记、论文）等，并提供上述文章及出版物电子版。（2）文献引用、分析引文索引、文献评价的工具，计算其影响因子、G指数（G-index）等。并为读者提供了多种参考文献引用格式，如：Harvard、APA、Chicago、MLA、Citation within the text、Zotero、BibTeX等格式。（3）应用程序界面：允许SALA与其他在线工具之间的互操作（例如：Multi-Tree， LL-MAP， and our own SEAlang Library及孟高棉语言项目等），以及与其他数字档案馆的数据共享和引文跟踪。此外，SALA还收录了东南亚语言学领域著名学者们未公开发表的文章，及各大学的学位论文。
3.1 文献搜索方式
SALA支持两种搜索方法：特定搜索（如标题、作者）及全文搜索。可按期刊、会议论文集、系列专著、作者、关键词标签、语言等标签搜索文献，缩小搜索范围，更为精确的找到所需文献。如图7，例如在搜索框输入 “Lao”，点击Search选项后的“&Tags”标签，搜索结果会显示共有274篇题目及关键词包含“Lao”的文献，文献引用情况及排序结果、文献发表的年代及数量，这些文献发表的时间跨度为1904-2006年。见图8。
3.2 优点与不足
SALA启用自动语义查询扩展，使用户以简易快捷的方式搜索及引用目标文献。SALA可以帮助学者们迅速找到自己需要的早期相关文献，包括一些难寻的未出版文献。
由于全部文献都采用了光学字符识别技术技术（OCR），对于非英语及IPA文本而言，全文搜索功能不太理想。此外，一些相关领域的文献未被编目、出版，无法像JSTOR一样将此类文献聚合。
4 结语
SEAlang项目每个语种的语料及文献数量不同，其中泰语及高棉语族的语料及文献数量最多，并且还专门建立了泰语语音语料库、孟高棉语言项目、高棉铭文语料库，望其他东南亚语言文学研究学者也能充分利用此项目程序，更好地服务于科研及教学。
本文仅从使用者角度介评SEAlang项目，难免挂一漏万，误谬之处敬请专家学者批评指正。
注释
① http：//SEAlang.net/
② http：//SEAlang.net/lao/dictionary.htm
③ 50年代至70年代初期，在老挝爱国战线解放区，为了群众扫盲和使用方便，又对老挝文字进行了一此改革，删繁就简，重新规范，使文字拼写与语言更趋一致。（董友忱，万国博览——亚洲卷，新华出版社，1998年09月第1版，第498页）
④ 由于此词典为老挝语-英语词典，故在Text框中输入词典释义文本中所包含的英文字串，亦可显示对应的老挝语词条。
⑤ 参见 http：//www.laoscript.net
⑥ http：//SEAlang.net/help/
⑦ http：//sealang.net/dictionary/sila/
⑧ http：//SEAlang.net/lao/corpus.htm
⑨ 刘稳良.电子语料库与语文辞书的编纂修订[J].上海翻译，2013（4）.
⑩ http：//sealang.net/sala/index.htm
参考文献
[1] The SEAlang Projects： Southeast Asian Language & Linguistics Resources，Center for Research in Computational Linguistics ， Doug Cooper.
[2] 董友忱.万国博览-亚洲卷[M].北京：新华出版社，1998.
[3] 汪兴富，Mark Davies，刘国辉.美国当代英语语料库（COCA）——英语教学与研究的良好平台[J].外语电化教学，2008（5）.
关键词 老挝语 词典检索 语料库 语言学典藏
中图分类号：G642 文献标识码：A DOI：10.16400/j.cnki.kjdks.2016.12.020
Abstract This article will introduce the application of SEAlang project in the teaching and scientific research of non - common language in Southeast Asia. Mainly in the review of SEAlang projects in the Lao language dictionary and monolingual corpora and literature collection directory retrieval function.
Keywords Lao language； dictionary retrieval； corpus； linguistics collection
0 引言
SEAlang项目①主要收集、开发和分享东南亚语言的相关资料，包括碑文、原始语言的重构、历史及现代词典编纂、文本语料库等，是一个以数字化形式分析和标记文献材料的在线软件工具。该项目主要内容包括：在线词典（单语、双语）、文本语料库（单语、双语平行）、东南亚文献典藏目录等。其中在线词典（单语、双语）及文本语料库包含语种有：巴厘语、布吉斯语、缅甸语、宿雾语、查瓦卡诺语、希利盖农语、伊洛卡诺语、印尼语、爪哇语、克伦语、高棉语、老挝语、泰语、越南语、马来语、马来诺语、掸语、他加祿语、德顿语等。
从地理位置上看，该项目主要对东南亚大陆国家（泰国、缅甸、老挝、柬埔寨）及东南亚海岛国家（菲律宾、马来西亚、印度尼西亚）进行语言资源开发，并致力于开发东南亚非通用语种的教学及翻译工具，为东南亚语言学、计算语言学、历史、词典学、词源学、区域研究及跨语言信息检索提供帮助，为东南亚裔美国人及相关领域学者提供免费的语言学习资料工具。
1 词典检索功能②
SEAlang在线老挝语-英语词典的词库主要来源于两个版本的已出版词典。一部由William L. Patterson 及 Mario E. Severino （1995， Dunwoody Press）编纂的老挝语-英语词典，此版是在参考老挝语-俄语词典（1982， Russkiy Yazik，Moscow）的基础上进行编纂的，超过32000条词汇，也收入了1975年老挝政府实施新语言政策③以来部分老挝语用法。另一部词典也为老挝语-英语词典（1972， Allen Kerr），词典内容也参考了相关词典及出版物，并在老挝语母语者协助下完成，词典包括44000条词汇，8798183 条释义，一些动植物词条也包含在内。此外，在查询结果显示界面的每一个词条后标注了来自哪部词典，供使用者参考。
图1为词典查询界面，A区为字串查询区，B区为查询结果排列区。
1.1 字串查询区（A）
见图2，查询方法：可用老挝语、英文及IPA进行搜索，在Lao对话框中输入要查询的老挝语词汇及Text框中输入英文字串，④点击Go键或回车（Enter）进行查询。IPA查询功能还在开发中，不提供声调的搜索。点击Habeas Corpus可迅速跳转至语料，显示该词条在语料库中的搭配情况。
1.2 查询结果排列区（B）
如图3，以搜索单词“”一词为例，查询结果排列方式区基本标签有：英语释义，词性，词源等。如单击Show all可显示与“”前后搭配的全部词条。点击蓝色leading 、黄色trailing可显示该词置于某词组或短语前后的搭配情况。
Kerr的词典保留了早期老挝语的拼写方式，而P & S （William L. Patterson 、Mario E. Severino）的词典里用了现代拼写标准，并在A区搜索选项里为用户提供了选择（，， ， .），类似汉语的模糊音搜索设置。如“”一词的旧时拼法就为“” ，再如“ ”一词，只有拼写为“ ”才能查询到其释义。Kerr词典里的罗马拼音转写自原始文本，而P & S的拼写则是采用了约翰.M.德丁（Dr. John M. Durdin）的老挝语脚本工具，⑤二者在标调上略有不同。该在线词典在每项词条后标注了出自哪部词典并会显示该词的词源，如“”显示来自巴利语。此外，还附上了词典使用视频。⑥
1.3 玛哈西拉·维拉冯版《老挝语词典》⑦
玛哈西拉·维拉冯所编纂的《老挝语词典》（1960），共收录11500条词汇，24000条释义。此版线词典的检索界面及方法基本同SEAlang老挝语在线词典，其最大特点为在此页面可浏览DjVu格式的扫描版原文书，可输入特定页码进行检索，及在字串查询区中检索目标词在语料库中的用法。如图4所示。
1.4 优点与不足
SEAlang老挝语词典相较其他在线老挝语-英语词典收录的词条数量多，义项及词性较丰富，查询方便快捷，不必查阅厚重的纸版词典，可提高查词速度、阅读效率及阅读量，激发学生阅读兴趣。此在线电子词典也可用移动设备浏览，便携实用性强。
但SEAlang老挝语词典也存在一些不足，如：P&S 词典的词条个别词标注为拟声词，实际上是重叠词，一些词条标注不恰当甚至有误。再如很多词条仅有基本释义无例句。玛哈西拉·维拉冯版《老挝语词典》缺点为词条少，义项及词性标注不够丰富，其电子版部分词条的显示不够清晰。 2 老挝语语料库检索功能⑧
2.1 语料库检索方式
SEAlang项目中的老挝语单语语料库中的语料为生语料，主要由在互联网上发布的老挝语文本构成，作研究及学习之用。上下文搜索将会显示搜索目标置于上下文语境中的词语搭配情况。此语料库包括4206351条词项同现及17083194 条例句。本文将结合字串查询区（C）、查询结果排列方式区（D）等方面介绍SEAlang老挝语语料库主要的检索功能（图5）。
Corpus Search标签下的搜索框内输入检索词，点击Go即可显示结果。如图6所示，以搜索“”为例，显示与“”搭配的词组及短语，有49项左搭配词、42项右搭配词及267条例句。以及在上下文中置于其左右各5个词语与其搭配的情况及所占百分比，也可选为其与10、20个词语的搭配情况。点击图标可显示在线老挝语键盘，并且具备输入预测功能。Habeas lexis键可迅速查询检索词在词典中的释义。Collocates为搭配统计功能，能将检索词的搭配按照统计数据从高到低排列，从而给研究者或学习者一个直观的印象。
2.2 优点与不足
老挝语单语语料库检索软件主要用于单语语言研究、单语辞书编纂和自然语言开发等方面，也广泛应用于语言课堂中。使用者可以从语料库中检索并提取含有某个词（ 可以是词的某一部分，也可以是词的组合） 的语言范例。此外，单语语料库分析工具可以列出字频、词频表以及对应和搭配表。通过这些功能，使用者可以了解所检索的词在各种语境下使用的具体记录，有助于掌握该词在具体语境中的使用情况。帮助教师或学生根据词频率得知哪些词在具体的语境中更加重要、更加专业，有利于在翻译过程中进行取舍。⑨
SEAlang老挝语单语语料库存在的主要问题有三点即：语料来源单一、语料不够丰富、为未经处理的生语料库。此外，其语料多数来自老挝语网络新闻及文章，语料库文本类型不够丰富。
3 东南亚语言学典藏⑩
东南亚语言学典藏简称SALA（Southeast Asian Linguistics Archives）主要收集扫描文献、编制索引和传播东南亚语言学术性出版物，采用创新方法匯集该领域分散的文献，旨在建立一个庞大的东南亚语言学典藏目录程序，包括以下几项内容：（1）可在线搜索的文献库：包括东南亚语言学的重要期刊、会议论文集、系列丛书、合集及未发表的文献资料（田野笔记、论文）等，并提供上述文章及出版物电子版。（2）文献引用、分析引文索引、文献评价的工具，计算其影响因子、G指数（G-index）等。并为读者提供了多种参考文献引用格式，如：Harvard、APA、Chicago、MLA、Citation within the text、Zotero、BibTeX等格式。（3）应用程序界面：允许SALA与其他在线工具之间的互操作（例如：Multi-Tree， LL-MAP， and our own SEAlang Library及孟高棉语言项目等），以及与其他数字档案馆的数据共享和引文跟踪。此外，SALA还收录了东南亚语言学领域著名学者们未公开发表的文章，及各大学的学位论文。
3.1 文献搜索方式
SALA支持两种搜索方法：特定搜索（如标题、作者）及全文搜索。可按期刊、会议论文集、系列专著、作者、关键词标签、语言等标签搜索文献，缩小搜索范围，更为精确的找到所需文献。如图7，例如在搜索框输入 “Lao”，点击Search选项后的“&Tags”标签，搜索结果会显示共有274篇题目及关键词包含“Lao”的文献，文献引用情况及排序结果、文献发表的年代及数量，这些文献发表的时间跨度为1904-2006年。见图8。
3.2 优点与不足
SALA启用自动语义查询扩展，使用户以简易快捷的方式搜索及引用目标文献。SALA可以帮助学者们迅速找到自己需要的早期相关文献，包括一些难寻的未出版文献。
由于全部文献都采用了光学字符识别技术技术（OCR），对于非英语及IPA文本而言，全文搜索功能不太理想。此外，一些相关领域的文献未被编目、出版，无法像JSTOR一样将此类文献聚合。
4 结语
SEAlang项目每个语种的语料及文献数量不同，其中泰语及高棉语族的语料及文献数量最多，并且还专门建立了泰语语音语料库、孟高棉语言项目、高棉铭文语料库，望其他东南亚语言文学研究学者也能充分利用此项目程序，更好地服务于科研及教学。
本文仅从使用者角度介评SEAlang项目，难免挂一漏万，误谬之处敬请专家学者批评指正。
注释
① http：//SEAlang.net/
② http：//SEAlang.net/lao/dictionary.htm
③ 50年代至70年代初期，在老挝爱国战线解放区，为了群众扫盲和使用方便，又对老挝文字进行了一此改革，删繁就简，重新规范，使文字拼写与语言更趋一致。（董友忱，万国博览——亚洲卷，新华出版社，1998年09月第1版，第498页）
④ 由于此词典为老挝语-英语词典，故在Text框中输入词典释义文本中所包含的英文字串，亦可显示对应的老挝语词条。
⑤ 参见 http：//www.laoscript.net
⑥ http：//SEAlang.net/help/
⑦ http：//sealang.net/dictionary/sila/
⑧ http：//SEAlang.net/lao/corpus.htm
⑨ 刘稳良.电子语料库与语文辞书的编纂修订[J].上海翻译，2013（4）.
⑩ http：//sealang.net/sala/index.htm
参考文献
[1] The SEAlang Projects： Southeast Asian Language & Linguistics Resources，Center for Research in Computational Linguistics ， Doug Cooper.
[2] 董友忱.万国博览-亚洲卷[M].北京：新华出版社，1998.
[3] 汪兴富，Mark Davies，刘国辉.美国当代英语语料库（COCA）——英语教学与研究的良好平台[J].外语电化教学，2008（5）.